自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(73)
  • 资源 (18)
  • 收藏
  • 关注

原创 PyQt5学习笔记08——创建封装类模板及类的测试方式

文章目录PyQt5学习笔记08——PyQt5类模板创建及测试方式1、在PyCharm中创建一个基于PyQt5实现的GUI系统的控件类2、在PyCharm中的主应用程序中使用控件类3、类的测试方法4、创建封装类的获得模板PyQt5学习笔记08——PyQt5类模板创建及测试方式1、在PyCharm中创建一个基于PyQt5实现的GUI系统的控件类窗口类文件名: WindowClass.pyfro...

2019-09-26 17:58:20 1011

原创 PyQt5学习笔记07——面向过程和面向对象的编程过程理解

文章目录基于PyQt5的GUI开发过程——基于面向过程的编程方式和基于面向对象的编程方式1、面向过程的代码编程方式——类似“顺序结构”控制语句2、面向过程和面向对象的编程方法的区别1)使用面向过程的编程方式实现2)使用面向对象的编程方式实现1、创建一个应用程序3、面向对象的代码方式实现GUI基于PyQt5的GUI开发过程——基于面向过程的编程方式和基于面向对象的编程方式1、面向过程的代码编程方...

2019-09-26 16:21:34 1053 1

转载 PyQt5学习笔记06——this和super的用法总结

文章目录PyQt5学习笔记04—— this和super的用法总结1. this1.普通的直接引用2.形参与成员名字重名,用this来区分:3.引用构造函数2. super1.普通的直接引用2.子类中的成员变量或方法与父类中的成员变量或方法同名3.引用构造函数3. super和this的异同:PyQt5学习笔记04—— this和super的用法总结【原文链接】 https://www.cn...

2019-09-26 10:28:26 2863

原创 R+MySQL数据库的学习笔记(11)——RMySQL写数据到数据库中dbWriteTable

文章目录RMySQL写数据到数据库中dbWriteTable问题:在R+RMySQL版本下执行dbWriteTable写R语言的数据框data.Frame到MySQL数据库的表中,出现如下错误:详细操作过程如下:1、连接RMySQL数据库,并创建一个R数据框2、将R数据框写入到数据库中3、解决方法如下3.1 下载的**RMariaDB**数据库下载方式:下载页面:3.2 安装RMariDB数据库...

2019-09-24 23:45:46 2679

原创 R+MySQL数据库的学习笔记(10)——RMySQL查询表数据dbReadTable/dbGetQuery/ dbSendQuery

文章目录RMySQL查询表数据dbReadTable/dbGetQuery/ dbSendQueryA 查看数据库中表信息B 查询表数据的几种方法如下:1、使用RMySQL的函数查询表数据2、使用SQL语句查询表数据3、使用dbSendQuery查询数据4、批量查询数据RMySQL查询表数据dbReadTable/dbGetQuery/ dbSendQueryA 查看数据库中表信息dbLis...

2019-09-23 17:36:10 1022

原创 R+MySQL数据库的学习笔记(9)——RMySQL连接数据库的代码基本结构【模板】

文章目录RMySQL连接数据库的代码基本结构【模板】RMySQL连接数据库的代码基本结构【模板】library(RMySQL)#建立本地连接:获取连接信息,查看database下所有表con <- dbConnect(MySQL(),host="localhost",dbname="d_sample",user="root",password="123456")#设置连接字符编码...

2019-09-23 15:55:06 217

原创 R+MySQL数据库的学习笔记(8)——RMySQL查看数据库中表信息、表字段、表数据

文章目录5-RMySQL查看数据库中表信息、表字段、表数据5-RMySQL查看数据库中表信息、表字段、表数据1)查看数据库中表信息dbListTables(conn) #列出数据库d_sample中的所有表名称2)查看student表字段dbListFields(conn,“student”)3)查看student表数据studata=dbGetQuery(conn,“selec...

2019-09-23 15:51:03 455

原创 R+MySQL数据库的学习笔记(7)——dbGetQuery和dbSendQuery设置连接字符编码utf-8或gbk

文章目录R+MySQL数据库的学习笔记(7)——RMySQL的初级入门(3)设置连接字符编码查询字符集信息:R+MySQL数据库的学习笔记(7)——RMySQL的初级入门(3)设置连接字符编码修改字符集编码方法:1)dbGetQuery(conn,“SET NAMES utf8”) #gbk2)dbSendQuery(conn,‘SET NAMES gbk’)查询字符集信息:d...

2019-09-23 15:20:12 2015

原创 R+MySQL数据库的学习笔记(6)——RMySQL的初级入门(2)

文章目录R+MySQL数据库的学习笔记(6)——RMySQL的初级入门(2)RMySQL的连接dbConnect()函数使用方法一:方法二:方法三:R+MySQL数据库的学习笔记(6)——RMySQL的初级入门(2)RMySQL的连接dbConnect()函数使用首先加载RMySQL包:library(RMySQL)然后实现MySQL数据库连接,下面给出3种连接方法方法一:con ...

2019-09-23 14:56:58 368

原创 R+MySQL数据库的学习笔记(5)——RMySQL的初级入门(1)

文章目录RMySQL的初级入门一、简介二、RMySQL的初级入门第一步:在MySQL中创建数据库database/schema和创建数据库表Table第二步:使用R软件读取第一步创建的数据表信息第三步:如何设置字符集编码(即设置中文显示)RMySQL的初级入门一、简介MySQL是一款最常用到开源数据库软件,安装简单,运行稳定,非常适用于中小型的数据存储。R作为数据分析的工具,当然要支持数据...

2019-09-23 14:50:52 456

原创 PyQt5学习笔记05——自定义输入代码快捷方式(叫PyCharm活动模板“Live Templates”)

文章目录自定义输入代码快捷方式(叫活动模板“Live Templates”)1、什么是活动模板“Live Templates”?2、如何创建“活动模板”?2.1 首先构建自己的代码框架2.2 复制所有代码——>打开File——>Settings——>Editor——>Live Templates2.3 选择Python选项,点击>符号,然后点击右边的“+”号创建新的“...

2019-09-22 22:46:57 618 1

原创 PyQt5学习笔记04——顶层窗口(也叫父控件/独立控件)的创建及理解

文章目录【标题】顶层窗口(也叫父控件/独立控件)的创建及理解1、什么是顶层窗口?2、主窗口与顶层窗口的区别3、什么是父控件?4、通过一个简单例子理解顶层窗口和顶层控件1. 首先,在应用程序中创建一个空白窗口(使用QWidget控件创建);2. 再创建一个“按钮QPushButton”控件,同样没有父控件,它会以一个独立窗口显示。3. 再创建一个“标签QLabel”控件,并设置控件属性和显示;5、创...

2019-09-21 22:14:11 2165 1

原创 R+MySQL数据库学习笔记(002)——数据库IDE软件Navicat的下载及安装

文章目录数据库IDE软件Navicat的下载及安装一、上面的软件和激活文件下载二、Navicat的安装步骤2.1 首先安装Microsoft Visual C++ 2017 Redistributable (x86 & x64)2.2 安装Navicat Premium 12.0.18简体中文64位【根据自己电脑系统选择64位还是32位】2.3 激活:Navicat Premium 12....

2019-09-18 00:10:46 303

原创 R+MySQL数据库学习笔记(001)——MySQL数据库软件的下载及安装

文章目录MySQL数据库软件的下载及安装一、下载MySQL软件二、MySQL的安装第一步:选择一个目录,并创建一个空的文件用于存放MySQL安装文件包;第二步:将下载的mysql-8.0.17-winx64压缩文件解压,到第1步创建的文件夹MySQL中;第三步:打开mysql-8.0.17-winx64文件夹,在其中创建一个my.ini配置设置文件;第四步:配置MySQL的系统环境变量的路径;第五...

2019-09-17 23:54:26 243

原创 R+MySQL数据库学习笔记(3)——第二种连接方法:R+DBI+RMySQL

文章目录第二种:R+DBI+RMySQL一、DBI和RMySQL下载及安装的具体操作过程s1. DBI下载s2. RMySQL下载s3. 将DBI和RMySQL压缩文件复制粘贴到R语言安装目录下(此步可有可无)s4. 安装DBI和RMySQL二、测试R+DBI+RMySQL数据库是否连接成功第二种:R+DBI+RMySQL必备软件和工具:1)DBI2)RMySQL一、DBI和RMySQ...

2019-09-17 23:26:20 1311

原创 R+MySQL数据库学习笔记(2)——第一种连接方法:R+RODBC

文章目录标题: 第一种R连接数据库的方法:R+RODBC3.1 安装 RTools并配置环境变量 283.2 mySQL ODBC包下载及安装 303.2 RODBC包下载及安装 35标题: 第一种R连接数据库的方法:R+RODBC第一种方法需要安装的必备工具:1、R平台: RGui(即R软件自带IDE)、RStudio2、数据库必备软件和工具:1)Rtools2)mysql-co...

2019-09-17 23:03:00 532

原创 R+MySQL数据库学习笔记(1)——R软件与RStudio下载及安装过程

R软件下载及安装过程一、R软件下载下载地址:https://cran.r-project.org/图 1 R软件下载页面下载之后是.exe执行文件,不是zip压缩格式文件,可以直接点击安装。二、R软件安装过程一直向下执行,直到安装完毕。最后一步是设置系统环境变量:三、Rstudio下载及安装过程下载地址:https://www.rstudio.com/product...

2019-09-17 21:35:45 880

原创 R+MySQL数据库的学习笔记(4)——odbcConnect的使用

1、odbcConnect的使用在加载RODBC包之前,首先得设置数据源,设置过程如下:(1)打开控制面板——选择系统和安全(2)选择管理工具(3)选择ODBC数据源(64位)(4)打开之后,选择“用户DSN”项,然后点击“添加”按钮。(5)点击添加之后,弹出如下界面(6)选择安装数据源的驱动程序,选择“MySQL ODBC 8.0 Unicode Driver”;【这必须是...

2019-09-17 21:18:39 1625

原创 R软件下载及安装过程

一、R软件下载下载地址:https://cran.r-project.org/图 1 R软件下载页面下载之后是.exe执行文件,不是zip压缩格式文件,可以直接点击安装。二、R软件安装过程一直向下执行,直到安装完毕。最后一步是设置系统环境变量:三、Rstudio下载及安装过程下载地址:https://www.rstudio.com/products/rstudio/downl...

2019-09-14 20:57:42 30791

原创 PyQt5学习笔记03——GUI程序的基本结构

GUI程序的基本结构基本结构如下:# 导入需要的包from PyQt5.Qt import *import sysapp = QApplication(sys.argv) #创建一个应用程序(比不可少的)=============代码主功能模块区=================#控件操作 #窗口显示=================================...

2019-08-20 16:32:41 392

原创 PyQt5学习笔记02——sys、sys.argv和sys.exit的解释说明

sys、sys.argv和sys.exit的解释说明如下代码中有3处使用了sys,那它到底有何用呢?# 导入需要的包from PyQt5.Qt import *import sysapp = QApplication(sys.argv) #创建一个应用程序(比不可少的)#控件操作window =QWidget() #创建一个窗体window.setWindowTitle(...

2019-08-19 20:59:25 3235

原创 PyQt5学习笔记01——显示一个窗口

使用PyQt5编程显示一个窗口UI设计要求:1)设计一个界面,有标题、有最小号、最大化和关闭按钮、界面上有一个标签,具体如下图所示:2)窗口大小为(500,500);3)窗口标题名为:第一个PyQt5窗口设计实例;4)标签的名称为:Hello Word!5)方式:纯手动编写代码。【具体代码如下:】# -*- coding: utf-8 -*-"""-----"""# 导入需...

2019-08-19 16:30:29 1072

原创 PyQt5学习笔记00——GUI编程+PyQt5库

1、GUI编程需要学习那些知识?1) 了解GUI库(如PyQt5)2)了解基本程序结构可通过一个简单的GUI程序,了解GUI的界面设计、代码实现、编译、执行和最后界面的实现(即可看到自己设计的界面)。可参考PyQt5的安装过程1908。3)掌握各种控件的特性、样式和使用方法;4)资源的加载;5)控件的布局;6)事件和信号;7)动画特效;8)界面跳转;9)设计工具使用(辅助界...

2019-08-19 12:16:43 428

原创 PyQt5学习笔记00——PyQt5的安装过程1908

PyQt5的安装过程1、PyQt5的下载及安装方式一》在网上下载exe安装文件,直接安装Qt designer软件。网址: PyQt5的设计器下载地址网址页面如下:下载完成之后直接安装,安装路径选择:其中有一步需要选择你电脑上对应的python文件路径,如下所示D:\ProgramFiles2019(64)\Python3.7.3\Lib\site-packages选择此目录是...

2019-08-18 18:00:59 751 1

原创 PyQt5学习笔记00——pip使用简介

pip使用简介【转载】安装pip环境以及pip常用命令使用【转载】安装pip环境以及pip常用命令使用1、去到Python的官网下载pip包,下载地址是:https://pypi.python.org/pypi/pip#downloads2、下载完成之后,解压到一个文件夹,用CMD控制台进入解压目录,输入:python setup.py install3、安装好之后,我们直接在命令行输入...

2019-08-17 22:41:03 463

转载 使用Excel统计计算成绩方法

1、使用Excel统计班级成绩分布原文出自此处:ExtendOffice频率分布是统计值在一定范围内出现的频率的总结,例如,B列包含分数,D2:E6是您自己指定的分数频带,频率列获得值是基于频带而发生的。 本文将介绍如何根据您定义的特定波段来计算频率分布。用Excel中的Frequency函数计算频率分布实际上,Excel中有一个内置的频率函数,可以帮助您计算在指定值的范围内发生值的频率...

2019-01-06 15:57:44 4904 2

原创 Python学习笔记01—Python的Web开发简介

Python学习笔记01—Python的Web开发简介文章目录Python学习笔记01—Python的Web开发简介一、Web开发简介二、Python开发网页==========一、Web开发简介Web即网站,分为:网页部分逻辑部分前台后台负责与用户交互、显示数据、用HTML显示数据、Css控制格式、JS复杂交互可用Python或PHP语言编写后台代码C...

2018-12-12 10:35:45 864

原创 数据库操作系统——Visual FoxPro 6.0安装步骤

数据库操作系统——Visual FoxPro 6.0安装步骤Visual FoxPro数据库操作系统软件有很多版本,但最经典的是VF6.0版本,现在也有许多使用VF9.0,且大多数教材都是使用VF9.0作为实验平台。VF9.0安装大家可以自己下去尝试安装,它的使用和VF6.0差不多,只是部分功能增多了,但对于教学已足够了。下面我们主要介绍VF6.0的安装步骤:视频教程链接:http://o...

2018-09-01 19:29:11 38742 5

原创 基于TensorFlow的K近邻(KNN)分类器实现——以MNIST为例

KNN分类原理TF的KNN代码KNN分类原理请参考相关文章: https://blog.csdn.net/longgb123/article/details/53004621 https://blog.csdn.net/Jake_cai/article/details/70168800 https://www.cnblogs.com/mfmdaoyou/p/6930...

2018-08-26 23:23:58 2095

原创 基于TensorFlow的最近邻(NN)分类器——以MNIST识别为例

一、最近邻分类理论二、TF在CPU上实现NN分类一、最近邻分类理论可以参考:这里写链接内容 https://wenku.baidu.com/view/d0924523a45177232e60a201.html https://www.cnblogs.com/bugsheep/p/7879407.html http://advkwo.blog.163.com/blog...

2018-08-26 09:49:22 1112 1

原创 分布式计算——异步计算

一、基本概念二、多线程三、多进程3.1、子进程(subprocess包)3.2、多进程(multiprocessing包)四、消息队列1.生产消费实例 Queue 单向进行,即生产者只进行发消息,消费者只进行收2.通过Mutiprocess里面的Pipe来实现消息队列:3 Python提供了Queue模块来专门实现消息队列Queue对象5、Te...

2018-08-26 08:57:25 2059

原创 TensorFlow的Saver保存类

一、Saver的介绍 有时可能只需要保存或者加载部分变量。 比如,可能有一个之前训练好的5层神经网络模型,但现在想写一个6层的神经网络,那么可以将之前5层神经网络中的参数直接加载到新的模型,而仅仅将最后一层神经网络重新训练。 为了保存或者加载部分变量,在声明tf.train.Saver类时可以提供一个列表来指定需要保存或者加载的变量。比如在加载模型的代码中使用saver = tf.trai...

2018-08-18 11:06:07 413

原创 基于CNN的MNIST手写数字识别

CNN的具体理论知识可到百度或CSDN的其他博客中查找相关内容,下面主要给出完整的代码(代码源于“莫烦python”视频,https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/5-06-save/):"""使用TF的CNN网络分类MNISTCNN结构:input——Conv1+maxpool——&gt;Conv...

2018-08-18 10:23:50 1771

原创 CIFAR彩色图像分类数据集

一、CIFAR数据集介绍 1.1 CIFAR-10 数据集图像个数:60000张彩色图像;其中Train sets:50000;Test sets:10000,(测试批的数据里,取自10类中的每一类,每一类随机取1000张,抽剩下的就随机排列组成了训练批) Class: 共10类,分别是: 飞机airplane、小汽车automobile、卡车truck、轮船ship、马horse、 猫...

2018-08-17 19:09:40 5189 1

原创 如何使用Dropout去防止过拟合

一、Dropout的介绍 dropout是指在深度学习网络的训练过程中,对于神经网络单元,按照一定的概率将其暂时从网络中丢弃。注意是暂时,对于随机梯度下降来说,由于是随机丢弃,故而每一个mini-batch都在训练不同的网络。dropout是CNN中防止过拟合提高效果的一个大杀器,但对于其为何有效,却众说纷纭。 Dropout的思想是训练整体DNN,并平均整个集...

2018-08-16 21:54:32 3412

原创 基于softmax回归的MNIST分类

MNIST是在机器学习领域中的一个经典问题。为了学习机器学习和TensorFlow库的使用,使用TF构造一个softmax回归网络模型去识别手写数字。以下内容请参考TensorFlow中文社区(http://www.tensorfly.cn/tfdoc/tutorials/mnist_beginners.html) 1)MNIST介绍 2)softmax回归介绍 3)回归模型的训练和评估...

2018-08-16 20:21:29 1335

原创 改善过拟合方法

我们在线性拟合或神经网络学习过程中,都会遇到过拟合或欠拟合问题,那么我们如何解决这个问题呢? 解决过拟合的常用方法有: 1)增加训练样本数据量; 2)使用正则化(正规化)方法(L1,L2)改善过拟合;此方法适用于大多数ML和NN,做法都差不多; 3)在NN中,可使用Dropout正规化方法,就是在NN网络中,我们忽略一些神经元,是这个NN变得不完整,训练一次,到了第2此,在随机忽略一些神经...

2018-08-16 16:41:19 1516

原创 MNIST手写数字数据集读取方法

MNIST是一个非常有名的手写体数字识别数据集,在很多资料中,这个数据集都会被用作深度学习的入门样例。 数据集下载网址:http://yann.lecun.com/exdb/mnist/ 数据集简介: 1、共有4数据集,下载之后并将其解压保存在磁盘中(最好放在你代码执行目录下,方便后期使用。)如新建一个文件夹D:*****\MNIST_data存放数据。 train-images-idx3...

2018-08-16 10:22:37 137364 25

转载 【转载】2018衡水中学高考成绩再次刷爆朋友圈,文末衡水版《凉凉》别有一番滋味!

衡中 http://www.sohu.com/a/240595137_546437来源:中国教育在线衡水中学每年的高考成绩都是能对得起它的名气的,2018,衡水中学再次刷爆人们的眼球!话不多说,我们先来感受下这组数据。12018衡水中学高考喜报小磊哥再为大家汇总一下这个神奇的高考工厂历年的傲人成绩,还有其背后的故事,一起来看看吧。2017年,衡水中学考上清华北大的人数是17...

2018-07-13 21:23:48 1367

原创 在PyQt5设计的GUI界面中显示matplotlib绘制的图形

一、matplotlib如何嵌入PyQt5中?通过matplotlib.backends.backend_qt5agg类连接PyQt5。在实际代码中,我们需要在引用部分加入内容:import matplotlibmatplotlib.use("Qt5Agg") # 声明使用QT5from matplotlib.backends.backend_qt5agg import Figure...

2018-05-03 17:34:18 97806 39

视频截图软件(自己写的)

自己使用VC6.0++写的一个AVI视频截图软件,对于做视频分析和运动目标检测、跟踪的初学者做实验是非常有用的。把视频截成图片之后,就可以使用Matlab来做视频分析了。如有人需要代码的可以使用邮箱与我联系。

2011-12-20

计算机基础上机操作题--Excel和PPT

每一个都是我花时间整理出来的100多道上机操作习题。对初学者、考计算机二级或上这门课的老师都非常有用。

2010-10-24

计算机基础上机操作题--windows和word

全是windows和word的上机操作题,是我花时间整理出来的,每一个都有100多个题目,对初学者和上这门课的老师都非常有用。

2010-10-24

大学一年级计算机信息基础课件

非常好的一个计算机基础学习课件,包括:windows,word,excel和ppt等。

2010-10-24

计算机信息技术基础课件

计算机信息基础与应用基础的PPT课件,任何大学生都要学的基础课程。是非常有用的。

2010-09-08

支持向量机和遗传算法原理与应用

统计学习理论和支持向量机被视为机器学习问题的一个基本框架,传统的方法都可以看作是SVM方法的一种实现 有坚实的理论基础和严格的理论分析

2009-07-10

线性感知器程序设计方法

用MATLAB编写的三种线性感知器程序,相信该资料对你一定有用,比较完整。

2009-07-10

图像处理--插值旋转算法

讲述了在图像旋转中所使用的几种插值算法。有程序源代码,和检测图像等。

2009-07-10

图像处理---图像细化算法

用VC++别写的图像二值化后,再细化的原代码。

2009-07-10

VC++的图像处理--细化程序代码

用VC++别写的图像二值化后,再细化的原代码。

2009-07-10

VC++的图像细化程序代码

用VC++别写的图像二值化后,再细化的原代码。

2009-07-10

基于自适应背景差的运动目标检测、跟踪方法

该资料使用时间差分、背景差、自适应背景更新等方法进行运动目标跟踪。

2009-07-09

中国少数民族统计学数据

主要是对贵州省少数民族地区的数据分析.中国少数民族人口及主要分布地区;医学数据仓库与数据挖掘。

2009-03-23

图象增强中k均值算法程序

灰度最相近的K个邻点平均法: % 该算法的出发点是:在n×n的窗口内,属于同一集合体的像素,它们的灰度值将高度相关。 % 因此,可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。这就是灰度最相近的K个邻点平均法。 % 较小的K值使噪声方差下降较小,但保持细节效果较好;而较大的K值平滑噪声较好,但会使图像边缘模糊。 % 实验证明,对于3×3的窗口,取K=6为宜.

2008-10-28

图像直方图均衡化处理程序

重点掌握数字图像处理的基本概念、系统组成、特点及应用。重点掌握数字图像处理的基本概念、系统组成、特点及应用。

2008-10-28

计算机数字图像处理技术课件

要求学生了解数字图像处理的主要内容及相关知识,熟悉数字图像处理与其他学科的关系;

2008-10-28

图象处理中直方图均衡化处理

直方图变换 %一,图像的预处理,读入彩色图像将其灰度化 PS=imread('1.jpg'); %读入JPG彩色图像文件 imshow(PS) %显示出来 title('输入的彩色JPG图像') imwrite(rgb2gray(PS),'PicSampleGray.bmp'); %将彩色图片灰度化并保存 PS=rgb2gray(PS); %灰度化后的数据存入数组

2008-10-28

图象处理二值图象的细化算法

细化算法的分类: 依据是否使用迭代运算可以分为两类:第一类是非迭代算法,一次即产生骨架,如基于距离变换的方法。游程长度编码细化等。第二类是迭代算法,即重复删除图像边缘满足一定条件的像素,最终得到单像素宽带骨架。迭代方法依据其检查像素的方法又可以再分成串行算法和并行算法,在串行算法中,是否删除像素在每次迭代的执行中是固定顺序的,它不仅取决于前次迭代的结果,也取决于本次迭代中已处理过像素点分布情况,而在并行算法中,像素点删除与否与像素值图像中的顺序无关,仅取决于前次迭代的结果。在经典细化算法发展的同时,起源于图像集合运算的形态学细化算法也得到了快速的发展。 Hilditch、Pavlidis、Rosenfeld细化算法:这类算法则是在程序中直接运算,根据运算结果来判定是否可以删除点的算法,差别在于不同算法的判定条件不同。 其中Hilditch算法使用于二值图像,比较普通,是一般的算法; Pavlidis算法通过并行和串行混合处理来实现,用位运算进行特定模式的匹配,所得的骨架是8连接的,使用于0-1二值图像 ;Rosenfeld算法是一种并行细化算法,所得的骨架形态是8-连接的,使用于0-1二值图像 。 后两种算法的效果要更好一些,但是处理某些图像时效果一般,第一种算法使用性强些。 索引表细化算法:经过预处理后得到待细化的图像是0、1二值图像。像素值为1的是需要细化的部分,像素值为0的是背景区域。基于索引表的算法就是依据一定的判断依据,所做出的一张表,然后根据魔鬼要细化的点的八个邻域的情况查询,若表中元素是1,若表中元素是1,则删除该点(改为背景),若是0则保留。因为一个像素的8个邻域共有256中可能情况,因此,索引表的大小一般为256。 图象细化算法代码: 下面是我在网上搜索到的一些细化算法的源码,只是为了自己学习方便,可能有错误。 【来 源】:http://blog.csdn.net/byxdaz/archive/2006/02/27/610835.aspx #include "StdAfx.h" #include <stdlib.h> #include <malloc.h> void beforethin(unsigned char *ip, unsigned char *jp, unsigned long lx, unsigned long ly) { unsigned long i,j; for(i=0; i<ly; i++) { for(j=0; j<lx; j++) { //这里要视前景是白点还是黑点而定,可以改动 //如果前景是白点,就是这样;反之反过来 if(ip[i*lx+j]>0) jp[i*lx+j]=1; else jp[i*lx+j]=0; } } } ///////////////////////////////////////////////////////////////////////// //Hilditch细化算法 //功能:对图象进行细化 //参数:image:代表图象的一维数组 // lx:图象宽度 // ly:图象高度 // 无返回值 void ThinnerHilditch(void *image, unsigned long lx, unsigned long ly) { char *f, *g; char n[10]; unsigned int counter; short k, shori, xx, nrn; unsigned long i, j; long kk, kk11, kk12, kk13, kk21, kk22, kk23, kk31, kk32, kk33, size; size = (long)lx * (long)ly; g = (char *)malloc(size); if(g == NULL) { printf("error in allocating memory!\n"); return; } f = (char *)image; for(i=0; i<lx; i++) { for(j=0; j<ly; j++) { kk="i"*ly+j; if(f[kk]!=0) { f[kk]=1; g[kk]=f[kk]; } } } counter = 1; do { printf("%4d*",counter); counter++; shori = 0; for(i=0; i<lx; i++) { for(j=0; j<ly; j++) { kk = i*ly+j; if(f[kk]<0) f[kk] = 0; g[kk]= f[kk]; } } for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk="i"*ly+j; if(f[kk]!=1) continue; kk11 = (i-1)*ly+j-1; kk12 = kk11 + 1; kk13 = kk12 + 1; kk21 = i*ly+j-1; kk22 = kk21 + 1; kk23 = kk22 + 1; kk31 = (i+1)*ly+j-1; kk32 = kk31 + 1; kk33 = kk32 + 1; if((g[kk12]&&g[kk21]&&g[kk23]&&g[kk32])!=0) continue; nrn = g[kk11] + g[kk12] + g[kk13] + g[kk21] + g[kk23] + g[kk31] + g[kk32] + g[kk33]; if(nrn <= 1) { f[kk22] = 2; continue; } n[4] = f[kk11]; n[3] = f[kk12]; n[2] = f[kk13]; n[5] = f[kk21]; n[1] = f[kk23]; n[6] = f[kk31]; n[7] = f[kk32]; n[8] = f[kk33]; n[9] = n[1]; xx = 0; for(k=1; k<8; k="k"+2) { if((!n[k])&&(n[k+1]||n[k+2])) xx++; } if(xx!=1) { f[kk22] = 2; continue; } if(f[kk12] == -1) { f[kk12] = 0; n[3] = 0; xx = 0; for(k=1; k<8; k="k"+2) { if((!n[k])&&(n[k+1]||n[k+2])) xx++; } if(xx != 1) { f[kk12] = -1; continue; } f[kk12] = -1; n[3] = -1; } if(f[kk21]!=-1) { f[kk22] = -1; shori = 1; continue; } f[kk21] = 0; n[5] = 0; xx = 0; for(k=1; k<8; k="k"+2) { if((!n[k])&&(n[k+1]||n[k+2])) { xx++; } } if(xx == 1) { f[kk21] = -1; f[kk22] = -1; shori =1; } else f[kk21] = -1; } } }while(shori); free(g); } ///////////////////////////////////////////////////////////////////////// //Pavlidis细化算法 //功能:对图象进行细化 //参数:image:代表图象的一维数组 // lx:图象宽度 // ly:图象高度 // 无返回值 void ThinnerPavlidis(void *image, unsigned long lx, unsigned long ly) { char erase, n[8]; char *f; unsigned char bdr1,bdr2,bdr4,bdr5; short c,k,b; unsigned long i,j; long kk,kk1,kk2,kk3; f = (char*)image; for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk = i*ly + j; if(f[kk]) f[kk] = 1; } } for(i=0, kk1=0, kk2=ly-1; i<lx; i++, kk1+=ly, kk2+=ly) { f[kk1]=0; f[kk2]=0; } for(j=0, kk=(lx-1)*ly; j<ly; j++,kk++) { f[j]=0; f[kk]=0; } c="5"; erase =1; while(erase) { c++; for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk="i"*ly+j; if(f[kk]!=1) continue; kk1 = kk-ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[3] = f[kk1]; n[2] = f[kk2]; n[1] = f[kk3]; kk1 = kk - 1; kk3 = kk + 1; n[4] = f[kk1]; n[0] = f[kk3]; kk1 = kk + ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[5] = f[kk1]; n[6] = f[kk2]; n[7] = f[kk3]; bdr1 =0; for(k=0; k<8; k++) { if(n[k]>=1) bdr1|=0x80>>k; } if((bdr1&0252)== 0252) continue; f[kk] = 2; b="0"; for(k=0; k<=7; k++) { b+=bdr1&(0x80>>k); } if(b<=1) f[kk]=3; if((bdr1&0160)!=0&&(bdr1&07)!=0&&(bdr1&0210)==0) f[kk]=3; else if((bdr1&&0301)!=0&&(bdr1&034)!=0&&(bdr1&042)==0) f[kk]=3; else if((bdr1&0202)==0 && (bdr1&01)!=0) f[kk]=3; else if((bdr1&0240)==0 && (bdr1&0100)!=0) f[kk]=3; else if((bdr1&050)==0 && (bdr1&020)!=0) f[kk]=3; else if((bdr1&012)==0 && (bdr1&04)!=0) f[kk]=3; } } for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk = i*ly + j; if(!f[kk]) continue; kk1 = kk - ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[3] = f[kk1]; n[2] = f[kk2]; n[1] = f[kk3]; kk1 = kk - 1; kk2 = kk + 1; n[4] = f[kk1]; n[0] = f[kk3]; kk1 = kk + ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[5] = f[kk1]; n[6] = f[kk2]; n[7] = f[kk3]; bdr1 = bdr2 =0; for(k=0; k<=7; k++) { if(n[k]>=1) bdr1|=0x80>>k; if(n[k]>=2) bdr2|=0x80>>k; } if(bdr1==bdr2) { f[kk] = 4; continue; } if(f[kk]!=2) continue; if((bdr2&0200)!=0 && (bdr1&010)==0 && ((bdr1&0100)!=0 &&(bdr1&001)!=0 || ((bdr1&0100)!=0 ||(bdr1 & 001)!=0) && (bdr1&060)!=0 &&(bdr1&06)!=0)) { f[kk] = 4; } else if((bdr2&040)!=0 && (bdr1&02)==0 && ((bdr1&020)!=0 && (bdr1&0100)!=0 || ((bdr1&020)!=0 || (bdr1&0100)!=0) && (bdr1&014)!=0 && (bdr1&0201)!=0)) { f[kk] = 4; } else if((bdr2&010)!=0 && (bdr1&0200)==0 && ((bdr1&04)!=0 && (bdr1&020)!=0 || ((bdr1&04)!=0 || (bdr1&020)!=0) && (bdr1&03)!=0 && (bdr1&0140)!=0)) { f[kk] = 4; } else if((bdr2&02)!=0 && (bdr1&040)==0 && ((bdr1&01)!=0 && (bdr1&04)!=0 || ((bdr1&01)!=0 || (bdr1&04)!=0) && (bdr1&0300)!=0 && (bdr1&030)!=0)) { f[kk] = 4; } } } for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk = i*ly + j; if(f[kk]!=2) continue; kk1 = kk - ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[3] = f[kk1]; n[2] = f[kk2]; n[1] = f[kk3]; kk1 = kk - 1; kk2 = kk + 1; n[4] = f[kk1]; n[0] = f[kk3]; kk1 = kk + ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[5] = f[kk1]; n[6] = f[kk2]; n[7] = f[kk3]; bdr4 = bdr5 =0; for(k=0; k<=7; k++) { if(n[k]>=4) bdr4|=0x80>>k; if(n[k]>=5) bdr5|=0x80>>k; } if((bdr4&010) == 0) { f[kk] = 5; continue; } if((bdr4&040) == 0 && bdr5 ==0) { f[kk] = 5; continue; } if(f[kk]==3||f[kk]==4) f[kk] = c; } } erase = 0; for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk = i*ly +j; if(f[kk]==2||f[kk] == 5) { erase = 1; f[kk] = 0; } } } } } ///////////////////////////////////////////////////////////////////////// //Rosenfeld细化算法 //功能:对图象进行细化 //参数:image:代表图象的一维数组 // lx:图象宽度 // ly:图象高度 // 无返回值 void ThinnerRosenfeld(void *image, unsigned long lx, unsigned long ly) { char *f, *g; char n[10]; char a[5] = {0, -1, 1, 0, 0}; char b[5] = {0, 0, 0, 1, -1}; char nrnd, cond, n48, n26, n24, n46, n68, n82, n123, n345, n567, n781; short k, shori; unsigned long i, j; long ii, jj, kk, kk1, kk2, kk3, size; size = (long)lx * (long)ly; g = (char *)malloc(size); if(g==NULL) { printf("error in alocating mmeory!\n"); return; } f = (char *)image; for(kk=0l; kk<size; kk++) { g[kk] = f[kk]; } do { shori = 0; for(k=1; k<=4; k++) { for(i=1; i<lx-1; i++) { ii = i + a[k]; for(j=1; j<ly-1; j++) { kk = i*ly + j; if(!f[kk]) continue; jj = j + b[k]; kk1 = ii*ly + jj; if(f[kk1]) continue; kk1 = kk - ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[3] = f[kk1]; n[2] = f[kk2]; n[1] = f[kk3]; kk1 = kk - 1; kk3 = kk + 1; n[4] = f[kk1]; n[8] = f[kk3]; kk1 = kk + ly - 1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[5] = f[kk1]; n[6] = f[kk2]; n[7] = f[kk3]; nrnd = n[1] + n[2] + n[3] + n[4] +n[5] + n[6] + n[7] + n[8]; if(nrnd<=1) continue; cond = 0; n48 = n[4] + n[8]; n26 = n[2] + n[6]; n24 = n[2] + n[4]; n46 = n[4] + n[6]; n68 = n[6] + n[8]; n82 = n[8] + n[2]; n123 = n[1] + n[2] + n[3]; n345 = n[3] + n[4] + n[5]; n567 = n[5] + n[6] + n[7]; n781 = n[7] + n[8] + n[1]; if(n[2]==1 && n48==0 && n567>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[6]==1 && n48==0 && n123>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[8]==1 && n26==0 && n345>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[4]==1 && n26==0 && n781>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[5]==1 && n46==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[7]==1 && n68==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[1]==1 && n82==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[3]==1 && n24==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } cond = 1; if(!cond) continue; g[kk] = 0; shori = 1; } } for(i=0; i<lx; i++) { for(j=0; j<ly; j++) { kk = i*ly + j; f[kk] = g[kk]; } } } }while(shori); free(g); } ///////////////////////////////////////////////////////////////////////// //基于索引表的细化细化算法 //功能:对图象进行细化 //参数:lpDIBBits:代表图象的一维数组 // lWidth:图象高度 // lHeight:图象宽度 // 无返回值 BOOL WINAPI ThiningDIBSkeleton (LPSTR lpDIBBits, LONG lWidth, LONG lHeight) { //循环变量 long i; long j; long lLength; unsigned char deletemark[256] = { 0,0,0,0,0,0,0,1, 0,0,1,1,0,0,1,1, 0,0,0,0,0,0,0,0, 0,0,1,1,1,0,1,1, 0,0,0,0,0,0,0,0, 1,0,0,0,1,0,1,1, 0,0,0,0,0,0,0,0, 1,0,1,1,1,0,1,1, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 1,0,0,0,1,0,1,1, 1,0,0,0,0,0,0,0, 1,0,1,1,1,0,1,1, 0,0,1,1,0,0,1,1, 0,0,0,1,0,0,1,1, 0,0,0,0,0,0,0,0, 0,0,0,1,0,0,1,1, 1,1,0,1,0,0,0,1, 0,0,0,0,0,0,0,0, 1,1,0,1,0,0,0,1, 1,1,0,0,1,0,0,0, 0,1,1,1,0,0,1,1, 0,0,0,1,0,0,1,1, 0,0,0,0,0,0,0,0, 0,0,0,0,0,1,1,1, 1,1,1,1,0,0,1,1, 1,1,0,0,1,1,0,0, 1,1,1,1,0,0,1,1, 1,1,0,0,1,1,0,0 };//索引表 unsigned char p0, p1, p2, p3, p4, p5, p6, p7; unsigned char *pmid, *pmidtemp; unsigned char sum; int changed; bool bStart = true; lLength = lWidth * lHeight; unsigned char *pTemp = (unsigned char *)malloc(sizeof(unsigned char) * lWidth * lHeight); // P0 P1 P2 // P7 P3 // P6 P5 P4 while(bStart) { bStart = false; changed = 0; //首先求边缘点(并行) pmid = (unsigned char *)lpDIBBits + lWidth + 1; memset(pTemp, (BYTE) 0, lLength); pmidtemp = (unsigned char *)pTemp + lWidth + 1; for(i = 1; i < lHeight -1; i++) { for(j = 1; j < lWidth - 1; j++) { if( *pmid == 0) { pmid++; pmidtemp++; continue; } p3 = *(pmid + 1); p2 = *(pmid + 1 - lWidth); p1 = *(pmid - lWidth); p0 = *(pmid - lWidth -1); p7 = *(pmid - 1); p6 = *(pmid + lWidth - 1); p5 = *(pmid + lWidth); p4 = *(pmid + lWidth + 1); sum = p0 & p1 & p2 & p3 & p4 & p5 & p6 & p7; if(sum == 0) { *pmidtemp = 1; } pmid++; pmidtemp++; } pmid++; pmid++; pmidtemp++; pmidtemp++; } //现在开始串行删除 pmid = (unsigned char *)lpDIBBits + lWidth + 1; pmidtemp = (unsigned char *)pTemp + lWidth + 1; for(i = 1; i < lHeight -1; i++) { for(j = 1; j < lWidth - 1; j++) { if( *pmidtemp == 0) { pmid++; pmidtemp++; continue; } p3 = *(pmid + 1); p2 = *(pmid + 1 - lWidth); p1 = *(pmid - lWidth); p0 = *(pmid - lWidth -1); p7 = *(pmid - 1); p6 = *(pmid + lWidth - 1); p5 = *(pmid + lWidth); p4 = *(pmid + lWidth + 1); p1 *= 2; p2 *= 4; p3 *= 8; p4 *= 16; p5 *= 32; p6 *= 64; p7 *= 128; sum = p0 | p1 | p2 | p3 | p4 | p5 | p6 | p7; if(deletemark[sum] == 1) { *pmid = 0; bStart = true; } pmid++; pmidtemp++; } pmid++; pmid++; pmidtemp++; pmidtemp++; } } return true; }

2008-10-28

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除