木瓜妮子多媒体开发教程---第四天---Android下图像空间滤波

最新推荐文章于 2015-06-02 11:00:22 发布
最新推荐文章于 2015-06-02 11:00:22 发布
阅读量948 收藏
点赞数
分类专栏： 妮子的Android多媒体开发 文章标签： 美图秀秀 平滑 锐化 Android 滤波
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shuai78744080/article/details/46324403
版权

Android下图像空间滤波

今天要完成的项目是关于图像的滤波，也就是均值滤波、中值滤波和锐化滤波，先上图看效果：



均值滤波采用了盒滤波器，也是最简单的均值滤波器；锐化滤波做的略粗糙，是因为在做完计算之后直接判断大于255的为255，小于0的为0，颜色的变化太生硬，就会看到很多颗粒状的噪点。后文中会有优化。

再多吐一句槽，Java写出来的东西运行起来就是慢，怪不得对图像处理速度有要求的都要通过JNI调用C++的代码进行编译运行。看来学习Android的同时，C++也是个得力的助手啊。快哭了

1．线性空间滤波器

线性空间滤波器的响应是包含在滤波模板邻域内像素的平均值，因此这种滤波器也称为均值滤波器。它用滤波模板确定的邻域内像素的平均灰度值去代替原始图像中每个像素点的值，这样就可以减小图像灰度的“尖锐”变化。掌握了这些，你也应该就知道美图秀秀这一类的自动美图软件的磨皮的基本原理了。比如脸上的痘，灰度级会有尖锐变化，因此，一键磨皮的平滑处理应用就是减噪。至于美图用的算法一定不会只有这么粗暴简单，但是作为基础，我就从最简单的盒滤波器开始。


       1      

      1     

       1      

 1

1

1

1

1

1

图 4-1 模板1

         在图4-1 模板1中，其模板系数都相等，且全为1。所有系数都相等的空间均值滤波器也被称为盒滤波器。上述模板一虽然考虑了邻域点的作用，但并没有考虑各点位置的影响，对于邻域内的所有点都一视同仁，所以平滑的效果并不理想，有可能出现伪轮廓。一般来说，距离待处理像素点越近的点对该点的影响应该越大，为此，我们引入了加权系数，处于模板中心位置的像索比其他任何像素的权值都要大，如图 4-2 中模板2系数确定了权值，有效的提升了平滑效果。

 

        1        

       2        

       1       

2

4

2

1

2

1

图 4-2模板2

         在均值计算中给定的这一像素显得更为重要，而距离模板中心较远的其他像素就显得不太重要。由于对角项与中心之间的距离比正交方向相邻的像素更远，所以，它的重要性要比与中心直接相邻的四个像素低。把中心点设置为最高，并随着到中心点距离的增加而减小系数值，是为了减小平滑处理中的模糊。这种模板也是一个常用的平滑模板，称为高斯(Gauss)模板。

         对于一幅M x N的图像经过一个m x n （令模板的m和n都是奇数）的均值滤波

器，其处理结果为：

                                                          

         公式4-1中，a=(m-1)/2，b=(n-1)/2，分母为模板系数之和，分子为模板系数与邻域内像素值的加权和。

 

实现盒滤波器做平滑滤波的代码如下：

int[] newpix = new int[width*height];
int[] oldpix = new int[width*height];
bmp.getPixels(oldpix, 0, width, 0, 0, width, height);
bmp.getPixels(newpix, 0, width, 0, 0, width, height);

for(int i=halffilter;i<height-halffilter;i++){
	for(int j=halffilter;j<width-halffilter;j++){
		int red=0,green=0,blue = 0;
		for(int x=i-halffilter; x <=i+halffilter; x ++){
			for(int y = j-halffilter;y<=j+halffilter; y++ ){
				int index=x*width+y;
				red += (oldpix[index] >> 16) & 0xff;  
              <span style="white-space:pre">			</span>green += (oldpix[index] >> 8) & 0xff;  
                <span style="white-space:pre">		</span>blue += oldpix[index] & 0xff;  
			}
		}
		red /= areafilter;
		green /= areafilter;
		blue /= areafilter;
		int index = i*width+j;
		newpix[index]=0xff000000|red<<16|green<<8|blue;


其中width是原图宽，height是原图高。

halffilter是滤波模板的宽或者高的一半，如果模板宽高为5，则halffilter = 2，因为模板元素从0计数，所以保证了图像中的第三行第三列的那个元素是第一个能够被计算的元素。areafilter 为模板的面积。如果采用高斯模板，就需要指定具体的阶数，再加一些判断条件，改变权重。如果阶数定位3，则模板就如图4-2所示，那么代码如下：


for (int i = halffilter; i < height - halffilter; i++) {
	for (int j = halffilter; j < width - halffilter; j++) {
		int red = 0, green = 0, blue = 0, k = 0;
		for (int x = i - halffilter; x <= i + halffilter; x++) {
			for (int y = j - halffilter; y <= j + halffilter; y++) {
				int index = x * width + y;
				if(x == i-1 && y == j-1 ||x == i-1 && y == j+1 ||x == i+1 && y == j-1||x == i+1 && y == j+1 )k = 1;
				else if(x == i-1 && y == j||x == i && y == j-1 ||x == i+1 && y == j||x == i && y == j+1)k = 2;
				else if(x == i && y == j)k = 4;
//				red += (oldpix[index] >> 16) & 0xff;
//				green += (oldpix[index] >> 8) & 0xff;
//				blue += oldpix[index] & 0xff;
				red += k*((oldpix[index] >> 16) & 0xff);
				green += k*((oldpix[index] >> 8) & 0xff);
				blue += k*(oldpix[index] & 0xff);
			}
		}
			red /= areafilter;
			green /= areafilter;
			blue /= areafilter;
			int index = i * width + j;
			newpix[index] = 0xff000000 | red << 16 | green << 8 | blue;

		}
	}

2．非线性滤波

    统计滤波器是一种常用的非线性空间滤波器，它的输出响应是基于滤波模板所包围的像区域中像素值的排序，然后由统计排序的结果替代中心像素点的值。统计滤波器中最常见的例子就是中值滤波器，正如其名，它是将像素邻域内灰度的中值代替该像素的值。中值滤波器的使用非常普遍，这是因为对于一定类型的随机噪声，它提供了一种优秀的去噪能力，且它比小尺寸的线性平滑滤波器的模糊程度明显要低。中值滤波器对处理脉冲噪声(也称为椒盐噪声)非常有效，因为这种噪声是以黑白点叠加在图像上的。 一个数值集合的中值x是这样的数值，即数值集合中，有一半小于或等于x，还有一半大于或等于x。为了对一幅图像上的某个点做中值滤波处理，必须先将滤波模板内的像素值进行排序，确定出中值，并将中值赋予该像素点。由此可以看出，中值滤波器的主要功能是使拥有不同灰度的像素点看起来更接近于它的邻近值。事实上，是用n x n的中值滤波器去除那些相对于其邻域像素更亮或更暗，并且其区域小于n2/2（滤波器区域的一半）的孤立像素集，而对较大的像素集的影响很小。尽管在图像处理领域，中值滤波器是使用最广泛的统计滤彼器，但这并不等于它是唯一的。所谓中值就是一系列像素值的第50%个值，但是排序也适用于其他不同的情况。例如，我们可以取第100%个值，即我们所说的最大值滤波器；或者取第0%个值，此时就是最小值滤波器。


代码如下：

for (int i = halffilter; i < height - halffilter; i++) {
<span style="white-space:pre">	</span>for (int j = halffilter; j < width - halffilter; j++) {
<span style="white-space:pre">		</span>int[] red = new int[areafilter];
<span style="white-space:pre">		</span>int[] green = new int[areafilter];
<span style="white-space:pre">		</span>int[] blue = new int[areafilter];<span style="white-space:pre">	</span>
<span style="white-space:pre">		</span>for (int x = -halffilter; x <= +halffilter; x++) {
<span style="white-space:pre">			</span>for (int y = -halffilter; y <= +halffilter; y++) {
<span style="white-space:pre">				</span>int index = (x + i) * width + (y + j);
<span style="white-space:pre">				</span>int num = (x + halffilter)* halffilter + y+ halffilter;
<span style="white-space:pre">				</span>// System.out.println("num----------------->"+num);
<span style="white-space:pre">				</span>red[num] = (oldpix[index] >> 16) & 0xff;
<span style="white-space:pre">				</span>// System.out.println("red num ----->"+red.toString());
<span style="white-space:pre">				</span>green[num] = (oldpix[index] >> 8) & 0xff;
<span style="white-space:pre">				</span>blue[num] = oldpix[index] & 0xff;
<span style="white-space:pre">			</span>}
<span style="white-space:pre">		</span>}


<span style="white-space:pre">			</span>Arrays.sort(red);
<span style="white-space:pre">			</span>int redmedian = red[4];
<span style="white-space:pre">			</span>Arrays.sort(green);
<span style="white-space:pre">			</span>int greenmedian = green[4];
<span style="white-space:pre">			</span>Arrays.sort(blue);
<span style="white-space:pre">			</span>int bluemedian = blue[4];
<span style="white-space:pre">			</span>// System.out.println("red:---"+redmedian+red.toString()+"-------green:------"+greenmedian+green.toString()+"------blue:-------"+bluemedian+blue.toString());
<span style="white-space:pre">			</span>int index = i * width + j;
<span style="white-space:pre">			</span>newpix[index] = 0xff000000
<span style="white-space:pre">					</span>| redmedian << 16
<span style="white-space:pre">					</span>| greenmedian << 8
<span style="white-space:pre">					</span>| bluemedian;


<span style="white-space:pre">		</span>}
<span style="white-space:pre">	</span>}
<span style="white-space:pre">		</span>    bmp1.setPixels(newpix, 0, width, 0, 0, width, height);
<span style="white-space:pre">			</span>newpix = null;
<span style="white-space:pre">			</span>oldpix = null;
<span style="white-space:pre">			</span>secondphoto.setImageBitmap(bmp1);// 显示新位图
用Array自带的sort方法进行排序，拿到中间值，不用再自己写冗长的排序算法，冒泡快排统统不用，感觉世界都变得清爽了。

3．锐化操作：

         图像锐化处理的主要目的是突出图像中的细节或者增强被模糊了的细节。图像锐化处理的方法多种多样，其应用范围也十分广泛，例如医学成像、工业检测以及军事系统的制导等等。在前述内容中，我们看到空间均值滤波会使得图像变模糊，这是因为均值处理与积分相类似；而锐化处理则可以用空间微分来完成，微分算子的响应强度与图像在该点的突变程度有关，即图像微分增强了边缘和其他突变(如噪声)并削弱了灰度变化缓慢的区域。

         图像锐化滤波器按照微分的阶数，可分为基于一阶微分和基于二阶微分的滤波器。在图像处理领域，我们最感兴趣的微分性质是恒定灰度区域（平坦段）、突变的起始点与结束点（阶梯和斜坡突变）以及沿着灰度级斜坡处的特性，这些类型的突变可以将图像中的噪声点、细线与边界模型化。数学函数的微分可以用不同的术语定义，然而，对于一阶微分的任何定义都必须保证以下几点：（1）在平坦段(灰度不变的区域)微分值为零；（2）在灰度阶梯或斜坡的起始点处微分值非零；（3）沿着斜坡面微分值非零。任何二阶微分的定义也类似：（1）在平坦区微分值必为零；（2）在灰度阶梯或斜坡的起始点处微分值非零；（3）沿着斜坡面微分值非零。对图像增强来说，二阶微分处理比一阶微分好一些，因为其形成增强细节的能力好一些。而一阶微分在图像处理邻域主要用于边缘提取。

         本实验主要讨论基于二阶微分的锐化滤波器。对于各种滤波器实现，我们最关注的是一种各向同性滤波器，这种滤波器的响应与滤波器作用的图像的突变方向无关。也就是说，各向同性滤波器是旋转不变的，即将原始图像旋转后进行滤波处理给出的结果与先对图像滤波，然后再旋转的结果相同。最简单的各向同性微分算子是拉普拉斯算子，一个图像函数f (x, y)的拉普拉斯变换可定义为：

                                                            

在处理数字图像时，需要将公式4-2转变成离散形式。考虑到有两个变量，因此在x方向上对二阶偏微分采用以下定义：

                       

类似的，在y方向上为：

                                

因此，公式4-2的二维拉普拉斯变换也可以写作：


这个公式可以用图4-3 模板1来实现，它给出了以90o旋转的各向同性的结果。

 

       0      

        1       

      0      

1

-4

1

0

1

0

图 4-3 模板1

   

         其实，滤波模板的对角线方向也可以加人到离散拉普拉斯变换的定义中，只需在公式4-3中添加两项，即两个对角线方向各加一个。每一个新添加项的形式与式4-3或式4-4类似，只是其坐标轴的方向沿着对角线方向。由于每个对角线方向上的项还包含一个-2f (x, y)，所以需要从不同方向的项中总共应该减去8f (x, y)，其滤波模板如图4-4所示，此模板对45o旋转的结果是各向同性的。

     1     

        1       

     1     

1

-8

1

1

1

1

图 4-4 模板2

 

锐化算法具体如下：

<pre name="code" class="java">
for (int i = halffilter; i < height
		- halffilter; i++) {
	for (int j = halffilter; j < width
			- halffilter; j++) {
		int red = 0, green = 0, blue = 0;
		for (int x = i - halffilter; x <= i
				+ halffilter; x++) {
			for (int y = j - halffilter; y <= j
					+ halffilter; y++) {
				int index = x * width + y;
				int k = -1;
				if (x == i && y == j) {
					k = 9;
				}
				int redadd = ((oldpix[index] >> 16) & 0xff)
						* k;
				int greenadd = ((oldpix[index] >> 8) & 0xff)
						* k;
				int blueadd = (oldpix[index] & 0xff)
						* k;
				red += redadd;
				green += greenadd;
				blue += blueadd;

			}
		}

		if (red > 255) {
			red = 255;
		}
		if (green > 255) {
			green = 255;
		}
		if (blue > 255) {
			blue = 255;
		}
		if (red < 0) {
			red = 0;
		}
		if (green < 0) {
			green = 0;
		}
		if (blue < 0) {
			blue = 0;
		}
		int index = i * width + j;
		newpix[index] = 0xff000000
				| red << 16 | green << 8
				| blue;

	}
}



 

 

 

         在采用拉普拉斯算子对图像作锐化处理时，其运算结果中或许会出现大于255或者小于0的点，这对于8位BMP图片就会造成溢出。在上面程序中，需要进行优化，一种简单的标度方法是，我们以锐化模板一为例，对每个运算结果再加上4 x 255然后除以8。如果希望更高的精确度，可以采用另一种方法：首先，提取最小运算结果min，并在所有运算结果中减去min(这样就可以使得运算结果的最小值为0)，做完减法之后得到所有运算结果的最大值为max。然后，将每一个运算结果乘以255/max，这样就可以使图像中的所有像素值标定到0到255的范围中。
 


 
 

今天的项目就到这里。
 


 

                

        

        

    




    

      

        

            

              
                
                  木瓜妮子
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    0
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
5、Android Studio+JNI+Opencv4.5 调用系统相机，实现图像滤波

				
			

			

				

					sxj731533730
				

				

					01-16
					
					1053
					
				

			

		

		

			
				
基本思想：使用Android Studio+Opencv4.5 实现字体识别，并打包成apk,待感兴趣的小伙伴体验~

第一步：首先导入opencv4.5 ,参考https://blog.csdn.net/sxj731533730/article/details/108380540

第二步，修改MainActivity内容： 原内容为：


package com.invoke.camera;

import androidx.appcompat.app.AppCompatActivity;

impor

			
		

	



                

              
                



	

		

			

				
					
木瓜妮子多媒体开发教程---第六天---Android下的音频均衡器

				
			

			

				

					木瓜的专栏
				

				

					06-02
					
					1382
					
				

			

		

		

			
				
Android下的音频均衡器


这个项目当时参考了网上的一个demo，但是原文木有收藏，已经找不到了，还希望如果有发现的童鞋能够传给我一个链接，作为引用。
先上图再说话：


最上面的Seekbar控制整体音量，下面五个用于控制不同频段的音量，来实现音频均衡的效果。整个布局采用的是Java代码动态布局UI界面的方法，上面一篇文章中只有控制音量的部分采用了动态布局，今天的项目，所有看

			
		

	



                


  
              

                


	

		

			

				
					
木瓜妮子多媒体开发教程---第二天---Android下对图像的几何操作

				
			

			

				

					木瓜的专栏
				

				

					05-19
					
					1299
					
				

			

		

		

			
				
完成对图像的基本操作：

1、打开一张图片并将图片显示在界面上。
2、采用进度条控制图片的缩放，旋转，亮度和对比度调节。
那么比较重要的技术点在于：

1、掌握从图库中返回图像的操作，学会将图放置在ImageView控件上，学会使用画笔、画布类作图。
2、掌握setScale、setRotate的使用，熟悉亮度和对比度系数矩阵。
3、了解Intent显式的启动相册Activity的操作，并与原Activity进行通信。

			
		

	





	

		

			

				
					
木瓜妮子多媒体开发教程---第三天---Android下图像灰度化和二值化

				
			

			

				

					木瓜的专栏
				

				

					06-01
					
					2112
					
				

			

		

		

			
				
Android下图像灰度化和二值化
中间隔了几天，终于也拿到了暑期实习的offer，撒花庆祝.....
今天的项目主要是对图像的点像素处理，比如在文字识别的过程中，图像的色彩信息其实是毫无用处的，这时候对图像的灰度化和二值化尤其重要。那么，正题开始！
1．什么是灰度化
         在RGB模型中，如果R=G=B时，则像素的颜色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图

			
		

	



		

			
		



	

		

			

				
					
ag-CLI应用程序可对日志文件进行切片和切块-Rust开发

				
			

			

				

					05-27
				

			

		

		

			
				
angle-grinder在命令行上...角磨机的设计目的是出于某种原因，当您没有石墨/蜂窝/木瓜/ sumologic / splunk / etc等数据时。 但仍然希望能够进行复杂的分析。 角磨机每秒可以处理超过1M的行（简单的管线高达5M），因此

			
		

	





	

		

			

				
					
行业分类-设备装置-一种酵素祛斑膏的使用方法.zip

				
			

			

				

					09-03
				

			

		

		

			
				
ZIP是最常见的压缩格式之一，它通过数据压缩算法减少文件的大小，从而节省磁盘空间和网络带宽。  进入主题，酵素祛斑膏的使用方法涉及到生物化学、皮肤科学以及化妆品应用等多个领域。酵素通常指的是生物体内的...

			
		

	





	

		

			

				
					
论文研究 - 承认Krav-Maga为以色列非物质文化遗产的一部分的案例

				
			

			

				

					05-21
				

			

		

		

			
				
Krav-Maga（“接触式战斗”）作为民用战斗学科，武术和以色列国防军（IDF）使用的有效自卫系统，在以色列国内外都引起了越来越多的关注。 本文探讨了Krav-Maga的发展与以色列犹太人口的历史，文化和遗产之间的相互...

			
		

	





	

		

			

				
					
食品中维生素B2的测定 GB 5009.85-2016 食品安全国家标准

				
			

			

				

					08-07
				

			

		

		

			
				
高效液相色谱法是其中的主要测定方法，采用稀盐酸环境下的恒温水解，通过调整pH值至6.0~6.5，利用木瓜蛋白酶和高峰淀粉酶进行酶解，再通过反相色谱柱分离，最后由高效液相色谱荧光检测器进行定量分析。  标准详细列...

			
		

	





	

		

			

				
					
木瓜的食养食疗-论文.zip

				
			

			

				

					08-18
				

			

		

		

			
				
《木瓜的食养食疗》这篇论文深入探讨了木瓜在食疗和养生方面的独特价值，揭示了这种水果在日常饮食中的重要作用。木瓜，学名番木瓜，是热带地区常见的一种水果，因其丰富的营养价值和独特的药用功效而备受青睐。本文...

			
		

	





	

		

			

				
					
木瓜妮子多媒体开发教程---第五天---Android下音频录制和播放

				
			

			

				

					木瓜的专栏
				

				

					06-02
					
					1014
					
				

			

		

		

			
				
Android下音频录制和播放


今天的项目主要能够掌握MediaRecorder类录制音频的方法，学会指定输入源，输出格式、编码器。掌握使用MediaPlayer类播放音频，学会指定输入源。
主要功能包括：完成音频的录制和播放功能；界面设计按钮控制音频的录制，停止录制、播放和停止播放；通过Handler控制进度条，显示播放进度；音频录制完成后被保存到本地指定路径；音频的播放音量可以被控

			
		

	





	

		

			

				
					
木瓜妮子多媒体开发教程---第一天---Android环境搭建和Helloworld项目测试

				
			

			

				

					木瓜的专栏
				

				

					05-19
					
					820
					
				

			

		

		

			
				
1)    在下述地址中下载合适版本的JDK或者JRE，并安装在本地：http://www.oracle.com/technetwork/java/javase/downloads/index.html
2)    将adt_bundle-windows-x86-20131030.zip 解压到任意盘符的任意目录下，注意目录名称最好为英文。里面包含eclipse、sdk两个文件夹和SDKManager；
3)    配置环境变量（假设jdk解压安装在C:\Java\jdk1.6.0_16和C:\Java\j

			
		

	





	

		

			

				
					
pillow_heif-0.17.0-pp39-pypy39_pp73-macosx_14_0_arm64.whl

				
			

			

				

					07-27
				

			

		

		

			
				
基本介绍
名称与起源：Pillow，原名为PIL（Python Imaging Library），但PIL只支持Python 2版本。随着Python 3的普及，Pillow作为PIL的一个分支出现，兼容Python 3并提供更多的功能和改进。
主要功能：Pillow支持多种图像格式的打开、保存、显示以及基本的图像操作和处理，如裁剪、缩放、旋转、翻转、滤镜应用等。
跨平台性：Pillow库可以在不同的操作系统上运行，包括Windows、Linux和MacOS等。

主要功能模块
Pillow库包含多个功能模块，每个模块都提供了特定的图像处理功能。以下是一些常用的模块：

Image：用于处理图像文件，提供打开、保存、调整大小、旋转、裁剪、滤镜等功能。
ImageDraw：提供在图像上绘制各种形状（如线条、矩形、圆形）和文本的功能。
ImageFont：用于加载和使用TrueType字体文件，以便在图像上绘制文本时设置字体样式、大小和颜色。
ImageFilter：提供各种滤镜效果，如模糊、锐化、边缘增强等，用于图像增强、特效处理和图像识别等应用。
ImageEnhance：用于调整图像的亮度、对比度、颜色饱和度等参数，使图像更加清晰、明亮或具有特定的调色效果。

高级功能
除了基本的图像处理功能外，Pillow还支持一些高级功能，如色彩空间转换、直方图均衡化等。这些功能可以帮助用户进行更复杂的图像处理和分析。

			
		

	





	

		

			

				
					
cykooz.resizer-3.0.0-cp310-cp310-macosx_11_0_arm64.whl

				
			

			

				

					07-27
				

			

		

		

			
				
python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！

python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！

python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！

python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！

python库，可以直接安装使用，再也不怕自己pip下载，出现等待超时的现象。欢迎下载使用，使用过程中如有使用问题，请及时与我沟通交流，帮你解决！

			
		

	





	

		

			

				
					
[毕设]Delphi题库管理与试卷自动生成系统.zip

				
			

			

				

					07-27
				

			

		

		

			
				
[毕设]Delphi题库管理与试卷自动生成系统

			
		

	





	

		

			

				
					
131 种水果、蔬菜和坚果的 90380张的高质量图像数据集+图像识别与定位+该数据集相关的研究论文

				
			

			

				

					07-27
				

			

		

		

			
				
<项目介绍>
包含131 种水果、蔬菜和坚果的 90380张的高质量图像数据集+该数据集相关的研究论文。可供深度学习图像识别与定位。
-
训练集大小：67700 个图像
测试集大小：22888 个图像
文件名格式：image_index_100.jpg（例如 32_100.jpg）或 r_image_index_100.jpg（例如 r_32_100.jpg）或 r2_image_index_100.jpg 或 r3_image_index_100.jpg。 “r”代表旋转水果。 “r2”表示水果绕第三轴旋转。 “100”来自图像尺寸（100x100 像素）。
水果是如何拍摄的:
1:使用 C920 摄像机拍摄水果。最好的网络摄像头之一。
2:在水果后面，我们放了一张白纸作为背景。
3:将水果和蔬菜种植在低速电机（3转/分钟）的轴中，并录制一段20秒的短片。
下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。
--------

			
		

	





	

		

			

				
					
Matlab实现斑点鬣狗优化算法SHO-CNN-BiLSTM-Mutilhead-Attention多变量时序预测.rar

				
			

			

				

					07-27
				

			

		

		

			
				
1.版本：matlab2014/2019a/2021a

 2.附赠案例数据可直接运行matlab程序。 

3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 

4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 

5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。 

替换数据可以直接使用，注释清楚，适合新手

			
		

	





	

		

			

				
					
[毕设]HTTP服务器开发与设计.zip

					
最新发布

				
			

			

				

					07-27
				

			

		

		

			
				
[毕设]HTTP服务器开发与设计

			
		

	





	

		

			

				
					
Delphi简介+demo程序

				
			

			

				

					07-27
				

			

		

		

			
				
        Delphi 是一种由 Embarcadero Technologies（原 Borland 公司）开发的编程语言和环境，它基于 Object Pascal 语言，并提供了丰富的类库和可视化的集成开发环境（IDE）。Delphi 特别适合于开发 Windows 桌面应用程序，同时也支持其他操作系统如 macOS、iOS 和 Android（通过 FireMonkey 框架）。
        下面是一个简单的 Delphi Demo 程序，该程序将创建一个窗口，并在窗口中添加一个按钮。点击按钮时，会在窗口底部显示一条消息。

			
		

	





	

		

			

				
					
r * 4 * x * (x ** 2 - n)

				
			

			

				

					07-01
				

			

		

		

			
				
表达式 `r * 4 * x * (x ** 2 - n)` 是一个数学运算，其中 `r`, `x`, 和 `n` 都是变量。这个表达式的计算过程如下：  1. 先执行指数运算 `x ** 2`，这表示 `x` 的平方。 2. 然后从 `x` 的平方中减去 `n`，得到 `x **...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
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