散落一地的信...

17岁那年,因为偶然的相识而与你想见如故。那时候你总爱温柔而戏谑的叫我死鱼,你说自己是因为爱吃红烧鱼而喜欢上了我的。
我们很少通电话,总是坚持着一星期一封来信。你总说我写的字像蝌蚪一样难看,却不知道为什么还是天天期盼着我的来信,
然后我就开心的笑。你总是幽默而爱怜的问候我,字里行间带着窝心的温暖,让我的整个季节都洋溢着淡淡香草的味道。
   日子温馨而平淡的过着,一年又一年。
   可是后来,时间和距离却在不经意间将我们慢慢稀释。我上了大学,忙着认识朋友,忙着玩,
而你开始忙着考研。我们的话少了许多,你很少以网络或电话的方式联系我,偶尔的一封信开始变得像宝贝那么珍贵。
   你说,班级的邮箱被取消了,以后,我就不用回信了。
   你说,以后会越来越忙了,也许不会有时间给我写信了。
   你说,小熙,对不起,其实我一直以来都有女朋友,可还是在后来情不自禁的喜欢上了你,我很痛苦,因为我不能离弃她,
亦不可以爱上你。以后能娶到你的男子是幸福的,但我却不是那个人。愿你永远快乐。
   怎么也没料到那将是你给我的最后一封信,那么突然,还记得那天的我是如此忧伤的躲在厕所里偷偷哭泣。四年的情愫终究是这么的脆弱,我不知道怎样来言诉对你的情感,不同于朋友也不同于情人,但却很依赖。四年了,我只知道已经习惯了你的问候,习惯了与你淡淡的暧昧,即使无关爱情。

   日子恢复了平静,那些书信被我锁在了柜子的最深处,而你开始成为回忆。
   后来我有了男朋友,又在很久以后,我们在开始在QQ上偶尔碰到,零星的知道你在北京工作,在那个城市中生活你的压力很大,知道你开始准备着结婚。。。。。你对我的问候总是无非两句话:“你过的好吗?”“男朋友对你好吗?”然后就再无语言。我不知道你是否还关心着我,但我却觉得我们生疏如同陌人。随后,你又消失了,我在你QQ上的留言你也再没回过。于是我想,你难道已经结婚了吗?你的老婆是不是不允许你在QQ上同其他女子聊天呢?或者,你已经忘了我。

    在后来的日子里再也很难想起你。你的消失把连同你的回忆也一起带走了。
    原来时间真的可以让人遗忘很多东西。
    
    直到有一天收拾柜子,看到翻出的信散乱的跌落在地上,心就像被轻轻敲了一下。将它们一封一封的拾起来,琐碎的往事重新拼凑,发现尘封的回忆已全是感伤。豆蔻色的年华里,情感就像是一段白色的纯棉布料,散发着清新的味道,触摸起来柔软而安静。

    “做我的哥哥好吗?以后呀,不管发生什么,你都要一直陪着我,不可以断了联系,即使我们都已经成家立业,即使我们都已经老去。”
    “笨蛋,我会一直陪你的。等有一天你长大了,有工作了,恋爱了,我还担心你会先把我忘记呢。”

    可是哥哥,亲爱的哥哥,为什么是你最先背弃我们的约定呢?在你看来,做不了情人,我就那么难让你再面对的吗?你之前逃开了。后来再碰到,你还是逃了。其实我知道你一直都隐身在QQ上的,因为我记得你曾无意说过,你总是安静的看我的留言,总是悄悄的跑去我的空间,可是为什么你却总不对我打招呼?我想念你,因为你是我的哥哥。那么多年了,还有什么不可以放下。觉得伤感,因为我们现在成为陌生人了。一辈子不得相见。

    
    17岁的雨季里,你用带着淡淡柠檬草香味的信纸为我编织小伞,辗转温柔,一直伴我前至很远的地方。即使终将忘却,我仍无限感激最初与你的相遇。

    哥哥~~亲爱的哥哥

您好!要使用Matlab实现大津法进行阈值分割,可以按照以下步骤进行操作: 1. 读取图像:使用imread函数读取待处理的图像,并将其转换为灰度图像。 2. 计算直方图:使用imhist函数计算图像的灰度直方图。 3. 计算类间方差:对于每个可能的阈值T(0到255),计算两个类别之间的方差,作为类间方差的度量。具体计算方法如下: - 将图像分割为两个类别:前景(小于等于阈值T)和背景(大于阈值T)。 - 计算每个类别的像素数量和平均灰度值。 - 计算两个类别之间的方差:类别1的权重乘以类别1的方差加上类别2的权重乘以类别2的方差。 - 重复上述步骤,直到所有可能的阈值都被考虑。 4. 选择最佳阈值:找到使类间方差最大化的阈值,并将其作为最佳阈值。 5. 应用阈值:使用imbinarize函数将图像二值化,根据最佳阈值将图像分割为前景和背景。 下面是一个示例代码: ```matlab % 读取图像 img = imread('your_image.jpg'); gray_img = rgb2gray(img); % 计算直方图 histogram = imhist(gray_img); % 计算类间方差 variances = zeros(256, 1); for T = 1:256 % 分割图像 foreground = gray_img <= T; background = gray_img > T; % 计算像素数量和平均灰度值 foreground_pixels = histogram(1:T); background_pixels = histogram(T+1:end); foreground_mean = sum((1:T)'.*foreground_pixels) / sum(foreground_pixels); background_mean = sum((T+1:256)'.*background_pixels) / sum(background_pixels); % 计算类别方差 foreground_variance = sum(((1:T)' - foreground_mean).^2 .* foreground_pixels) / sum(foreground_pixels); background_variance = sum(((T+1:256)' - background_mean).^2 .* background_pixels) / sum(background_pixels); % 计算类间方差 variances(T) = sum([foreground_variance, background_variance]); end % 选择最佳阈值 [~, best_threshold] = max(variances); % 应用阈值 binary_img = imbinarize(gray_img, best_threshold/255); % 显示结果 subplot(1, 2, 1), imshow(gray_img), title('原始图像'); subplot(1, 2, 2), imshow(binary_img), title('阈值分割结果'); ``` 请注意,这只是一个简单的示例代码,具体的实现方式可能会因图像类型、分辨率等因素而有所不同。您可以根据实际情况进行调整和优化。希望对您有所帮助!如果您还有其他问题,请随时提问。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值