weixin_61094181的博客

K近邻（K-Nearest Neighbors，KNN）模型是一种非参数的分类和回归算法，它没有显式地构建模型，而是通过计算样本之间的距离来进行预测。6.距离权重：在KNN模型中，可以给距离加权，使得距离较近的样本具有更大的影响力，距离较远的样本具有较小的影响力。以上是一些常用的方法来解决KNN模型的过拟合问题，具体采用哪种方法取决于数据集的特点和实际情况。1.减少k值：k值表示选择最近邻样本的数量，如果k值较大，模型会变得更平滑，容易产生过拟合。通过减小k值，可以降低模型的复杂度，减少过拟合的可能性。

2.读入一幅圆环图像Fig0320(a).tif，设计适当的方法，在Malab中编程实现对二值圆环的边缘与圆心的检测，要求得到完整的圆环边缘和确定的圆心位置坐标；1、读入图像house.tif，用soble、LoG和Canny算子检测边缘，并采用Hough变换给出检测到的直线的参数和端点；结果展示：通过在图像上绘制检测到的圆环边缘和圆心位置，能够直观地展示检测结果，有助于分析和讨论检测的准确性。目标尺寸：较小的目标可能会导致检测精度下降，因为边缘检测和圆环检测需要足够的特征信息来进行准确的识别。

然后，分别提取了RGB空间中的三个通道，并创建了一个15x15的平均滤波器，对每个通道进行了均值滤波，得到了RGB空间的RGB分量均值滤波图像。同时，也将原始图像与滤波后的图像相减，得到了RGB空间滤波边缘图像。接着，使用自己编写的MY_rgb2hsi函数将RGB图像转换为HSI图像，分别提取了HSI空间中的三个通道，并对其中的I通道进行了均值滤波，得到了HSI空间的I分量均值滤波图像。另外，对原始RGB图像进行反色处理后，得到了完全相反的颜色，即红色变成了青色，绿色变成了品红色，蓝色变成了黄色。

不同方向的检测算子对边缘检测的效果主要体现在其对于不同方向边缘的响应上。（1）利用边缘检测函数edge ()对灰度图像(house.tif)进行边缘检测，检测算子分别选择’roberts’、‘sobel’、‘prewitt’、LOG、‘Canny’（其他参数选择：default），比较不同检测算子对边缘检测的效果；（2）利用工具箱函数imfilter()和如图1所示四种不同方向的线检测模板w1/w2/w3/w4对图像(Fig0908(a).tif)进行边缘检测，比较不同方向的检测算子对边缘检测的效果；

频谱图和相位图一起构成了图像的傅里叶变换表示，通过对频谱图进行滤波操作，可以改变图像的频率特征，而相位图则保持不变，通过将滤波后的频谱图与原始相位图进行逆傅里叶变换，可以得到滤波后的图像。2.用MATLAB生成如下的两幅图像（图a：黑白线竖线8条，图b: 黑白线横线32条），图像的大小为，对这两幅图像进行傅里叶变换，并分别进行频移和对数变换，在一个图形窗口显示：原图像、傅里叶变换后的频谱图和相位图、频移后的频谱图及相位图。重构图像是根据原始图像的幅度和另一张图像的相位进行生成的，因此可能会产生一些变化。

PyCharm下载不了Scipy库，运行代码显示"no module Scipy",使用清华源和阿里源都解决不了。原因可能是python包出了问题，所以我选择卸载以前的版本python3.8，然后重新下载新的Python3.9。我的电脑系统是：window 11。重新新建项目就可以用了。

matlab的实验

使用MATLAB软件实现的图像处理的实验

使用MATLAB软件实现的图像处理实验

IDEA如何从gitee上拉取项目