数学与图形学
qiuchangyong
这个作者很懒,什么都没留下…
展开
-
matlab中的fftshift和ifftshift作用
这是因为傅里叶变换后,频谱的能量集中在两端(或四个角)上,为了观看频谱更加直观,使能量集中在中间(或中心),就要用到fftshift。你也许会问:为何matlab中的fft和ifft,fft2和ifft2变换后,要对频谱进行fftshift和ifftshift处理?注:不能通过两次fftshift(或iffshift)复原频谱,而应该通过成对使用fftshift和iffshift达到。而ifftshift所作的事正好相反,将频谱恢复到能量集中在两端(或四个角)上,接着就可以做逆傅里叶变换了。原创 2024-06-13 01:07:29 · 345 阅读 · 0 评论 -
从图像到纹理的GL函数
glTexImage2D这个GL函数可以实现把一幅图像转化为GL的纹理,从而可以在此基础上运用GPU做图像的显示和处理。此外,还有一个GL函数glTexSubImage2D可以实现对纹理中的图像进行局部更新。Android中有一个java工具类GLUtils也实现了同样的功能两个函数,只不过函数名称不一样,分别为texImage2D和texSubImage2D。当然在Android中也可以使用SDK封装的GL函数glTexImage2D和glTexSubImage2D。原创 2023-10-17 11:57:28 · 137 阅读 · 0 评论 -
gl的矩阵模式及其相应的矩阵变换函数
我们操作矩阵的变换函数是要在对应的矩阵模式下才起作用。通过以上的矩阵模式设置函数将当前要操作的矩阵选中。设置正交投影和透视投影的参数。其中gluPerspective的实现是基于。以Android的GL10为例,说明一下矩阵模式及其相应的矩阵变换函数。调用矩阵变换函数之前,通常还要重置当前的矩阵为单位矩阵。分别是平移,旋转,缩放,视图变换。原创 2023-05-01 23:51:42 · 738 阅读 · 0 评论 -
向量的点乘,叉乘的意义及作用
其物理意义为力在位移沿力的方向所作的功,几何意义就是一个向量往另一个向量轴上投影后的长度与另一个向量长度的乘积。其作用是通过点积判断两个向量的夹角大小,这个范围是。经过的角度是否大于180度,这个正是耳切法中用来判断这两个向量作为边的三角形是多边形的凸还是凹的部分。向量叉乘可以用来计算三角形的面积,为上述平行四边形面积的一半。,二者相差一个负号,表示方向相反。向量叉乘可以用来计算平行四边形的面积。如果假定单位向量始终为正面的法线方向,则。向量的叉乘不符合交换律,即。,大拇指所指向的方向即。原创 2023-05-01 02:09:13 · 5289 阅读 · 0 评论 -
罗德里格旋转公式的推导
罗德里格旋转公式是计算三维空间中,一个向量绕旋转轴旋转给定角度以后得到的新向量的计算公式。这个公式使用原向量,旋转轴及它们叉积作为标架表示出旋转以后的向量。需要注意的是,公式中的第二项不是点积,而是张量积,得到的是一个3行3列的矩阵。,把与旋转轴平行的分量与旋转以后的与旋转轴垂直的分量加在一起,即可得到旋转以后的向量。,可以通过正交分解,把被旋转向量转化为与旋转轴平行的分量。在旋转中是不变的,而与旋转轴垂直的分量。得到的向量可以由三个不共面的向量。,其中与旋转轴平行的分量。是旋转轴的单位向量,则。转载 2022-12-11 15:34:33 · 1094 阅读 · 2 评论 -
Equirectangular projection
本文转自Theor,, or, whonoror, such as,, the, and。转载 2022-11-23 23:57:50 · 225 阅读 · 0 评论 -
谈谈黄金分割比例的分数近似
或许美学就是造物设立的一条定律,凡是去遵守它,在别人看来就是美的,而黄金分割的推导本身就符合数学之美。黄金分割是,这是个无理数。也许造物在设立这条定律的时候,就是让对美的定义是无止尽的,永远无法达到极致,就像pi也是无理数,一个⚪要画的多么圆才能达到绝对的完美,现实之中永远不可能达到。自然对数e也是无理数,有理数的世界太小了。造物用无理数定义了的这些东西,它确确实实存在于人的观念之中,但人却不能直观的去把握它,人更习惯于那些用有理数表示的观念。那么如何用一个分数来逼近它呢?比如我们画一个矩形的尺寸,宽和原创 2020-12-26 14:56:37 · 1093 阅读 · 1 评论 -
flat着色、gourand着色、phong着色
逐多边形着色:flat逐顶点着色 : gourand逐像素着色 :phongflat着色和Gourand着色若渲染速度并不重要,我们可以逐像素地计算光照和雾化。(对于光照,这项技术称作Phong着色模型----不要和镜面反射的Phong模型混淆。)然而这样做计算量过于巨大,所以我们折中并减少计算的频率。有两个选择:逐多边形或逐顶点计算,这两项技术分别称作flat着色和Gourand着色。使用flat着色,对整个三角形只计算一次光照值。通常计算光照的位置为三角形中心,表面法向量为三...转载 2020-11-01 11:46:45 · 1464 阅读 · 0 评论 -
谈谈楔形
楔形的英文叫wedge,这是一个什么样的几何体呢?且看维基百科的解释:In solid geometry, a wedge is a polyhedron defined by two triangles and three trapezoid faces. A wedge has five faces, nine edges, and six vertices.A wedge is a subclass of the prismatoids with the base and opposit原创 2020-09-14 00:30:42 · 2640 阅读 · 0 评论 -
How to use and build autotrace from source in Ubuntu 18.04
AutoTrace is a utility for converting bitmap into vector graphics. AutoTrace can be compiled standalone, then it can import pnm, pbm, pgm, ppm, bmp and tga files. If you have installed libpng you can also read png files and with ImageMagick a very ...转载 2020-06-23 20:08:12 · 269 阅读 · 2 评论 -
弗罗贝尼乌斯范数(Frobenius norm)
向量范数是很常见的,在很多教科书里都能见到。矩阵范数是对向量范数的一种推广。下面转载一篇讲解矩阵范数的文章,里面有对弗罗贝尼乌斯范数的定义,比较适合扫盲。原文如下:矩阵范数(matrix norm)是数学上向量范数对矩阵的一个自然推广。 目录 1矩阵范数的特性 2诱导范数 3矩阵元范数 3.1弗罗贝尼乌斯范数 3.2极大范数 ...转载 2019-09-20 00:43:13 · 42827 阅读 · 0 评论 -
泊松分布和指数分布:通俗易懂
原文转自https://blog.csdn.net/bit452/article/details/80263411传送门 1、泊松分布和指数分布:10分钟教程 如果打不开,请点击10分钟!搞懂泊松分布 and 指数分布 2、泊松分布与指数分布的重新理解泊松分布的简易理解如果某事件以固定强度λ,随机且独立地出现,该事件在单位时间内出现的次数(个数)可以看成是服从...转载 2018-09-16 22:07:53 · 2450 阅读 · 0 评论 -
有关MAP、ML和EM的个人理解
原文转自https://www.cnblogs.com/hrlnw/archive/2012/11/18/2776599.html但原文中有一些地方存在笔误,我对其作了修正,希望可以对学习这方面知识的人,起到一定的帮助。1.贝叶斯学习要了解这三个概念,需要先知道什么是贝叶斯学习。贝叶斯学习就是根据给定数据的先验概率计算每种假设的可能性,它是基于先验和后验概率的乘积的,计算式...转载 2018-02-04 22:38:25 · 1627 阅读 · 0 评论 -
似然函数及最大似然估计及似然比检验
统计学中,似然函数是一种关于统计模型参数的函数。给定输出x时,关于参数θ的似然函数L(θ|x)(在数值上)等于给定参数θ后变量X的概率:L(θ|x)=P(X=x|θ)。似然函数在推断统计学(Statistical inference)中扮演重要角色,尤其是在参数估计方法中。在教科书中,似然常常被用作“概率”的同义词。但是在统计学中,二者有截然不同的用法。概率描述了已知参数时的随机变量的输出结果;似转载 2018-02-04 11:12:56 · 34825 阅读 · 3 评论 -
erf和erfc函数
erf即error function,erfc中的c是complementary的缩写,所以有erfc = 1 - erf.matlab里的定义描述:erf(x) = 2/sqrt(pi) * integral from 0 to x of exp(-t^2) dt.其值域范围为(-1, 1),区间长度为2.原创 2014-12-07 14:51:00 · 32138 阅读 · 4 评论 -
多面体及欧拉公式及广义欧拉公式
像正方体,四棱锥这样的平面多面体属于简单多面体,它们可以与球拓扑同构,即可以连续拓扑变换成一个球。它们满足欧拉公式:v - e + f = 2, 其中v是顶点(vertex)数,e是边(edge)数,f是面(face)数。而对于非简单多面体,指那些在多面体的表面上有环,和洞的多面体。它们满足广义欧拉公式:v - e + f - r = 2(s - h), 其中r是环(ring)数,h是洞(ho原创 2017-01-17 17:45:09 · 8190 阅读 · 3 评论 -
Euler Operators
多面体符合广义欧拉公式,而构造多面体的过程可以通过欧拉算子完成。原文地址如下:http://www.cs.mtu.edu/~shene/COURSES/cs3621/NOTES/model/euler-op.htmlEuler OperatorsOnce a polyhedron model is available one might want to edit it by addin转载 2017-01-18 19:52:39 · 906 阅读 · 0 评论 -
推导挠率的关于参数t的表达式
计算机图形学(倪明田等编著)一书里没有给出挠率关于参数t的表达式推导,因本人不习惯只记公式而忽略过程,故通过查阅相关资料,在(http://www2.math.umd.edu/~jmr/241/curves2.htm)上找到的其推导过程如下,供同样有疑惑的人参考:We could also have defined the curvature as the normal component原创 2017-01-19 19:20:25 · 1209 阅读 · 0 评论 -
PCA算法的各种实现
关于PCA算法的步骤,网上相关的资料很多。为了在实际应用中更好地使用PCA算法,一个健壮且高效的PCA算法实现的代码是非常有用的。本人根据一些网络资料综合得出PCA算法的6种实现,旨在给对这方面有需要的人提供帮助。实现一:matlab的princomp函数,具体见http://blog.csdn.net/qiuchangyong/article/details/70654022实现二:原创 2017-04-29 21:59:49 · 646 阅读 · 0 评论 -
矩阵的特征值分解
一个方阵X可以分解为V*D*inv(V)的形式,其中D是对角矩阵(其对角线元素由特征值构成),V是对应特征值的列向量构成的矩阵,inv(V)是矩阵V的逆矩阵。矩阵的分解意义之一是矩阵相乘等同于对一个矩阵施行线性变换,而这种线性变换可以被分解为上面提到的形式,其中D可以看成是缩放矩阵,包含对各个特征向量的缩放的系数,而特征向量才是这个矩阵最本质的东西。X*V=V*D实际上是多个X*v=c·v形式的合原创 2017-04-15 20:03:07 · 3272 阅读 · 0 评论 -
高斯拉普拉斯算子的卷积模板
Laplacian of Gaussian Operator是用于边缘检测的算子,其形状如一个墨西哥草帽。相关的资料很多,本文不赘述,这里谈谈它的卷积模板,常用的卷积模板有这两个模板是怎么得出的呢?经过一番调查,得出一些结论。以下是个人观点,总结为:1. 卷积模板都是由整数元素构成的矩阵。卷积是乘法运算的累积,整数乘法比浮点数效率高。2. 该卷积模板具有最大的对原创 2017-06-20 22:20:16 · 7845 阅读 · 2 评论 -
logf函数和log2f函数之间的转换
log或原创 2017-07-03 16:12:40 · 8199 阅读 · 0 评论 -
三维空间里一个点绕矢量旋转后的新的点的坐标
在三维空间里一个点绕X轴 Y轴 Z轴旋转一定弧度后新的点的坐标是容易计算的,问题是如果它所绕的旋转轴是一个任意矢量(x,y,z)的话,怎么知道旋转angle弧度后新的点的坐标呢?在OPENGL里有一个函数glRotatef(angle,x,y,z)可以实现此功能,它的实现是左乘一个矩阵这里假定坐标轴是右手系的(opengl的坐标轴是右手系的,和大学数学教课书里一样),其中c = co...原创 2010-09-02 19:00:00 · 26928 阅读 · 24 评论 -
关于Hessian matrix的最好理解
Hessian matrix翻译成中文是黑塞矩阵或海森矩阵。这个在高等数学里没有提到,它有点类似于一元变量函数求其二阶导数判断极值问题。下面是转载过来的英文解释,讲的非常清楚了,和大家一起分享。https://www.quora.com/What-is-the-Hessian-matrix-What-is-it-used-for-and-for-what-reasonWhat翻译 2018-01-01 15:16:35 · 7825 阅读 · 1 评论 -
离散余弦变换(FDCT和IDCT)
原文地址:http://hi.baidu.com/alphame/blog/item/2a4e52b7aa50a1f130add1a1.html1.为什么要进行变换? 图像数据一般有较强的相关性,若所选用的正交矢量空间的基矢量与图像本身的主要特征相近,在该正交矢量空间中描述图像数据则会变得更简单。 经过正交变换,会把原来分散在原空间的图像数据在新的坐标空间中转载 2012-03-23 11:53:33 · 14089 阅读 · 0 评论