深度之眼
ZXM_SHU
在读研究生 小白入门 机器学习 图像处理 深度学习 自然语言 智能医学
展开
-
机器学习(西瓜书)之一元线性回归公式推导
一元线性回归公式推导1. 求解偏置b的公式推导2.求解权重w的公式推导3.将w向量化1.求解偏置b的公式推导思路:由最小二乘法导出损失函数E(w,b)E( w, b )E(w,b)—>证明损失函数E(w,b)E( w, b )E(w,b) 是关于www和bbb的凸函数—>对损失函数E(w,b)E( w, b)E(w,b)关于bbb求一阶偏导数—>令一阶偏导数等于000解出bbb由最小二乘法导出损失函数E( w, b):...原创 2020-07-03 22:30:19 · 1130 阅读 · 0 评论 -
图像处理之图像直方图
直方图绘制目的:直方图是对图像像素的统计分布,它统计了每个像素(0到255)的数量。函数:cv2.calcHist(images, channels, mask, histSize, ranges)参数说明:参数1:待统计图像,需用中括号括起来; 参数2:待计算的通道; 参数3:Mask,这里没有使用,所以用None。 参数4:histSize,表示直方图分成多少份; 参数5:是表示直方图中各个像素的值,[0.0, 256.0]表 示直方图能表示像素值从0.0到256的像素。直方图是 对图原创 2020-07-03 19:43:48 · 1434 阅读 · 0 评论 -
图像处理之通道分离与合并
通道分离目的:将彩色图像,分成b、g、r 3个单通道图像。方便我们对BGR 三个通道分别进行操作。函数:cv2.split(img)参数说明:参数1:待分离通道的图像Python代码实现#加载opencvimport cv2src=cv2.imread('split.jpg')cv2.imshow('before',src)#调用通道分离b,g,r=cv2.split(src)#三通道分别显示cv2.imshow('blue',b)cv2.imshow('green',g)cv2原创 2020-07-03 19:26:58 · 1714 阅读 · 0 评论 -
图像处理之灰度转化
灰度转化目的:将三通道图像(彩色图)转化为单通道图像(灰度图)公式:3-->1: GRAY = B * 0.114 + G * 0.587 + R * 0.2991-->3: R = G = B = GRAY; A = 0函数:cv2.cvtColor(img,flag)参数说明:参数1:待转化图像;参数2:flag就是转换模式,cv2.COLOR_BGR2GRAY:彩 色转灰度cv2.COLOR_GRAY2BGR:单通道转三通道Python代码实现#导入opencvimpor原创 2020-07-03 18:59:37 · 2952 阅读 · 0 评论 -
奇异值分解极其应用(SVD)
数学知识—线代为了论述矩阵的奇异值分解,需要下面的结论:1.设A∈Crm∗nA \in {{C_r^{m*n}}}A∈Crm∗n (r>0),则AHAA^HAAHA是Hermite矩阵,且其特征值均是非负实数;2.rank(AHA)=rankArank(A^HA)= rankArank(AHA)=rankA3.设A∈Crm∗nA \in {{C_r^{m*n}}}A∈Crm∗n,则A=OA=OA=O的充要条件是AHA=OA^HA=OAHA=O定义:设A∈Crm∗n(r>0)A \i原创 2020-06-27 01:16:52 · 1497 阅读 · 1 评论