数学基础知识总结 —— 4. 常见函数图像

普通函数图像

y = C y = C y=C

在这里插入图片描述

y = x y = x y=x

在这里插入图片描述

y = 1 x y = \frac{1}{x} y=x1

在这里插入图片描述

y = x 2 y = x^2 y=x2

在这里插入图片描述

y = x y = \sqrt{x} y=x

在这里插入图片描述

y = a x y = a^x y=ax

0 < a < 1 0 < a < 1 0<a<1

在这里插入图片描述

a = 1 a = 1 a=1

在这里插入图片描述

a > 1 a > 1 a>1

在这里插入图片描述

y = x 3 y = x^3 y=x3

在这里插入图片描述

y = x 3 y = \sqrt[3]x y=3x

在这里插入图片描述

y = e x y = e^x y=ex

在这里插入图片描述

y = e 1 x y=e^{\frac{1}{x}} y=ex1

在这里插入图片描述

y = ( 1 e ) x y = (\frac{1}{e})^x y=(e1)x

在这里插入图片描述

y = log ⁡ a x y = \log_a x y=logax

a > 1 a > 1 a>1

在这里插入图片描述

常用对数

  • e 为底的对数 ln ⁡ x = log ⁡ e x \ln x = \log_e x lnx=logex
  • 2为底的对数 log ⁡ 2 x \log_2x log2x
  • 10为底的对数 log ⁡ 10 x \log_{10}x log10x

0 < a < 1 0 < a < 1 0<a<1

在这里插入图片描述

三角函数图像

sin ⁡ x \sin x sinx

在这里插入图片描述

cos ⁡ x \cos x cosx

在这里插入图片描述

tan ⁡ x \tan x tanx

在这里插入图片描述

y = csc ⁡ x y = \csc x y=cscx sin ⁡ − 1 x \sin^{-1} x sin1x

在这里插入图片描述

y = sec ⁡ x y = \sec x y=secx cos ⁡ − 1 x \cos^{-1} x cos1x

在这里插入图片描述

y = cot ⁡ x y = \cot x y=cotx tan ⁡ − 1 x \tan^{-1} x tan1x

在这里插入图片描述

反三角函数

y = arcsin ⁡ x y = \arcsin x y=arcsinx

在这里插入图片描述
红色是 arcsin ⁡ \arcsin arcsin 曲线

y = arccos ⁡ x y = \arccos x y=arccosx

在这里插入图片描述
红色是 arccos ⁡ \arccos arccos 曲线

y = arctan ⁡ x y = \arctan x y=arctanx

在这里插入图片描述
红色是 arctan ⁡ \arctan arctan 曲线

S 曲线

Sigmoid函数得名因其形状像S字母。其形状曲线至少有二个焦点,大概也叫“二焦点曲线函数”。

sigmoid 函数

y = 1 1 + e − x y = \frac{1}{1 + e^{-x}} y=1+ex1

在这里插入图片描述

双曲正切函数

y = tanh ⁡ x = e x − e − x e x + e − x y = \tanh x = \frac{e^x - e^{-x}}{e^x + e^{-x}} y=tanhx=ex+exexex

在这里插入图片描述

反正切函数

y = arctan ⁡ x y = \arctan x y=arctanx

在这里插入图片描述

代数函数

y = x 1 + x 2 y = \frac{x}{\sqrt{1 + x^2}} y=1+x2 x

在这里插入图片描述

`cv2.findContours` 是 OpenCV 库中用于查找图像中轮廓的函数。它的详细用法如下: ```python contours, hierarchy = cv2.findContours(image, mode, method, offset) ``` 参数解释: - `image`:输入图像,通常为二值图像(黑白图像)。 - `mode`:轮廓检索模式,指定轮廓的层次结构。常用的模式有: - `cv2.RETR_EXTERNAL`:只检测最外层的轮廓。 - `cv2.RETR_LIST`:检测所有轮廓,不建立层次结构。 - `cv2.RETR_CCOMP`:检测所有轮廓,并将其组织为两层的层次结构。 - `cv2.RETR_TREE`:检测所有轮廓,并完整地重构它们的层次结构。 - `method`:轮廓的逼近方法。常用的方法有: - `cv2.CHAIN_APPROX_NONE`:保存所有的轮廓点。 - `cv2.CHAIN_APPROX_SIMPLE`:仅保存轮廓的端点。 - `cv2.CHAIN_APPROX_TC89_L1` 和 `cv2.CHAIN_APPROX_TC89_KCOS`:应用 Teh-Chin 链逼近算法中的一种。 - `offset`:可选参数,用于指定轮廓点相对于原始图像中的偏移量。 返回值解释: - `contours`:检测到的轮廓,每个轮廓由一系列点组成的数组表示。 - `hierarchy`:轮廓的层次结构信息,可以用于分析轮廓之间的关系。 关于数学函数方面,`cv2.findContours` 函数主要使用了图像处理和几何学的相关算法,例如边缘检测、二值化、连通组件分析等。这些算法涉及到数学中的图像处理、几何运算、向量计算等概念和方法,但具体的数学细节超出了本回答的范围。
评论 1
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