- 博客(3)
- 收藏
- 关注
RSS订阅原创 直方图均衡化opencv和手动实现
从图片中也可以明显看出，将直方图从只聚集在中间灰度的形式变成分布在整个动态范围内的形式，就对应着图片上的暗的地方变亮，亮的地方变暗，由此图片的质量也就得到了提高。需要注意的是，右下图并不是直接由左下图变换得到的，正确的变换顺序是：对左下图进行映射，得到一个灰度级映射，原图使用这个灰度级映射得到右上图（均衡化之后的图）再绘制右上图的直方图，得到右下图。首先计算累积分布直方图，就是将灰度直方图，从小灰度开始累加，后一个灰度对应的值是前面所有灰度对应的值的和，这样分布里面最大的值也就等于图片的总像素数量。
2023-06-14 12:06:23
115
1
原创 编写一个Book类，该类至少有name和price两个属性。该类要实现Comarable接口，在接口的compareTo（）方法中规定两个Book类实例的大小关系为二者的price属性的大小关系
【问题描述】编写一个Book类，该类至少有name和price两个属性。该类要实现Comarable接口，在接口的compareTo（）方法中规定两个Book类实例的大小关系为二者的price属性的大小关系。在主函数中，选择合适的集合类型存放Book类的若干个对象，然后创建一个新的Book类的对象，并检查该对象与集合中的哪些对象相等。【输入形式】每一行输入一个Book类的对象，名字和价格之间用逗号分隔，集合类的输入结束符号是#，然后输入一个新的Book类对象...
2022-06-06 15:31:30
159
2
原创 梯度下降法中，loss值无法收敛
新手小白在机器学习中用梯度下降法实现逻辑回归的时候，发现损失值loss一直将不下来，上下浮动，如下图所示：后来尝试了很多改进方法都不对，我一直都在尝试更改学习模型的迭代次数，学习速率，但是忽略了数据集本身的问题，我采用的数据集特征较多且每个特征值下对应的数据值浮动较大，导致了梯度下降法实现过程中求解最优解的速度很慢。而且精度也不高，在做了数据归一化之后，损失值如下：由于迭代次数较小，所以损失值的曲线弯的不明显，但很显然，在做了数据归一化之后，损失值收敛了。这也显示了数据归一化在数据处理中的重要性，下
2021-11-21 22:18:50
1394
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人