理解直方图均衡化(强度分布均等化)

几种直方图均衡方法汇总 一、直方图均衡 直方图均衡化的基本思想是使输入图像的直方图分布变的均匀, 这样就会使图像的灰度级增加,从而可达到图像对比度整体增强的效果。 对于直方图均衡化而言, 图像灰度改变的是通过累积函数来实现的,以此达到增强对比度的效果。 其基本的操作步骤的核心思路即, 对原始图像的非均质化拉伸处理,使其像素值间距扩张,均匀化各灰度范围的像素量。 这种方法也存在一些缺点: (1) 增强后图像的灰... 阅读详情

直方图均衡量化(均等化)

(Histogram equalization)

目录

1.  概述

2.  背景

3.  直方图之反向投影(Back projection)

4.  实现过程

5.  关于彩色图像的直方图均衡化

6.  直方图均衡化例子


    直方图均衡化是图像处理中利用图像直方图调整对比度的一种方法。

    直方图均衡化是更通用的直方图重映射方法(remapping)的一个特例。这类方法旨在调整图像,使其更易于分析或提升视觉质量(例如 Retinex 算法)。

1.  概述

    这种方法通常可以提高许多图像的整体对比度,尤其是在图像强度值范围较窄的情况下。通过这种调整,强度可以更好地分布在直方图上,均匀地利用整个强度范围。这使得局部对比度较低的区域能够获得更高的对比度。直方图均衡化通过有效地分散那些密集的强度值来实现这一点,而这些强度值往往会降低图像的对比度。

    该方法适用于背景和前景同亮或同暗的图像。特别是,该方法可以更好地显示 X 射线图像中的骨骼结构,并在曝光过度或曝光不足的照片中显示更好的细节。该方法的一个主要优点是它是一种相当简单的技术,可以自适应输入图像和可逆运算。因此,在理论上,如果已知直方图均衡函数,则可以恢复原始直方图。计算量并不大。该方法的一个缺点是它不具区分性。它可能会增加背景噪声的对比度,同时降低可用信号。在科学成像中,空间相关性比信号强度更重要(例如分离量化长度的 DNA 片段),较小的信噪比通常会妨碍视觉检测。

    直方图均衡化通常会在照片中产生不真实的效果;然而,它对于热成像、卫星图像或X射线图像等科学图像非常有用,这些图像通常与伪彩色处理属于同一类。此外,当应用于色深较低的图像时,直方图均衡化也会产生不良效果(例如可见的图像渐变)。例如,如果将直方图均衡化应用于使用8位灰度调色板显示的8位图像,它会进一步降低图像的色深(即不同灰度等级的数量)。直方图均衡化在应用于色深远高于调色板大小的图像(例如连续数据或16位灰度图像)时效果最佳。

直方图均衡的实现有两种方式:一是图像变换,二是调色板变换。该操作可以表示为 P(M(I)),其中 I 为原始图像,M 为直方图均衡映射操作,P 为调色板。如果我们将新调色板定义为 P^{'}=P(M) ,并保持图像 I 不变,则直方图均衡的实现方式为调色板变换或映射变换。另一方面,如果调色板 P 保持不变,并将图像修改为 P^{'}=P(M) ,则该实现方式为图像变换。在大多数情况下,调色板变换是首选,因为它可以保留原始数据。

该方法的改进版本使用多个直方图(称为子直方图)来强调局部对比度,而非整体全局对比度。此类方法的示例包括自适应直方图均衡化及其变体,例如对比度受限自适应直方图均衡化、多峰直方图均衡化以及多用途β优化双直方图均衡化 (MBOBHE)。这些方法(尤其是 MBOBHE)的目标是修改算法,以提高对比度,同时避免亮度均值漂移和细节损失伪影(artifacts)。

    类似于直方图均衡化的信号变换似乎也发生在生物神经网络中,目的是最大化神经元作为输入统计数据函数的输出发放率。这在苍蝇视网膜中得到了证实。

2.  背景

    要理解直方图均衡化,首先必须理解图像中对比度的概念。对比度定义为图像中两个物体之间的颜色或强度差。如果对比度太低,则视觉无法区分两个物体,它们会被看作一个物体。在图 1 中,对比度很高,黑色和灰色很容易区分。在图 2 中,灰色和较深的灰色很难区分。这是因为颜色非常接近,人眼会将这两种颜色视为一种颜色。

-------------------------------------图1:高对比底-------------------------------------------

----------------------------------图2:低对比底---------------------------- 

 这两幅图像可视为具有 1×2 像素的分辨率。为简单起见,本文仅讨论 8 位灰度图像,其强度值在 0 到 255 之间变化。这意味着每个像素只有一个强度值,没有颜色值。通过查看图 1,可以看到右侧像素完全为黑色,强度为 0;左侧像素非常亮,强度为238。在图 2 中,这两个像素的强度值分别为 238 和 228。对比度的计算公式有很多,但关键在于,强度差异越大,对比度就越大。为了以不同于直接观察图像的方式来直观地显示图像中的对比度,可以使用强度直方图。强度直方图是包含所有可能强度分布的直方图。8 位图像有 256 个不同的强度值,因此 x 轴包含 256 个不同的值,y 轴显示每个强度值的数量。8 位灰度图像的典型强度直方图可能类似于图 3 中的直方图。

  ----------------------------------图3:强度直方图----------------------------

这个强度直方图是一个典型的“好”直方图示例,这意味着几乎所有像素都得到了利用。这很好,因为整个可用的强度范围都对图像有贡献。用直方图表示彩色图像可能稍微困难一些,最简单的方法可能是创建三个直方图,一个用于红色,一个用于绿色,一个用于蓝色,但这超出了本文的讨论范围。图4是另一个示例直方图。与此直方图对应的图像看起来与上一个示例中的图像略有不同。在这个直方图中,像素更集中于光谱中间的强度。所有像素都在95到180之间。此范围之外的可用强度值未被使用。可以得出结论,这幅图像的对比度较低(译注:强度差越大,对比度越大),因为只使用了一部分可用像素值。如果只使用了一小部分,那么拥有较大的范围是没有意义的。

----------------------------------图4:强度直方图---------------------------- 

如果图像的直方图类似于图 4 所示的直方图,人眼可能难以观看。这是因为人眼对强度的敏感度是非线性的,而负责捕捉光线的传感器则以更线性的方式工作。为了给人眼提供尽可能最佳的视觉条件,可以对图像进行调整,以便使用所有可用的像素强度。这被称为直方图均衡化。(译注:也就是说,让一些像素的强度降低,让另一些像素的像素增强,使其强度值在直方图上看起来比较均匀地分布,以达到增强对比度的目的。)

3.  直方图之反向投影(Back projection)

    直方图图像之反向投影(或“投影(projection)”)是将修改后的直方图重新应用于原始图像,其功能相当于像素亮度值的查找表(译注:即根据修改后的直方图形成一个像素表,根据这个像素表生成新的图像,即根据直方图均衡化结果生成新的图像)。

    对于从所有输入单通道图像的相同位置获取的每一组像素,该函数将直方图桶值放入目标图像,其中桶的坐标由该输入组中的像素值决定。从统计学角度来看,每个输出图像像素的值表征了相应输入像素组属于所用直方图对象的概率。

4.  实现过程

将图像像素映射到新的像素值以增加图像整体对比度的数学过程非常简单。像素的强度用 i 表示,可用的强度为 0 ≤ i ≤ L - 1,其中 8 位图像的 L (译注:强度等级总数)为 256,因此可用的强度为 0 到 255。强度 (i ) 值为 L - 1 时被视为白色,强度 (i ) 值为 0 时被视为黑色。最好有一个函数,根据像素的强度值以及该强度值出现的次数,为该像素分配一个新的强度值,这个函数定义为 T(i )。

(1)             s = T(i) \quad (0 \leq i \leq L - 1) 。

值 s 是基于旧像素值的新像素值。现在很清楚,对图像执行直方图均衡化会对数据进行处理,如果对一幅像素值表示某种温度的灰度图像执行直方图均衡化,新的像素值将具有不同的温度。虽然整体对比度更高,但新的温度并不代表真实温度,而是由软件指定的温度。函数 T(i ) 应该在区间 0 ≤ i ≤ L - 1 内单调递增。要求它单调递增是为了确保像素强度不会发生反转。例如,T(10) = 5 和 T(11) = 4 是不可能的。另一个限制是 0 ≤ T(i) ≤ L – 1 ,这样原始图像和输出图像的强度范围相同。

    图像中的强度值可以视为随机变量,其值介于 0 到 L – 1 之间。此类随机事件具有与其自身关联的累积分布函数 (CDF- cumulative distribution function)。该函数描述了随机变量被赋予小于或等于特定值的可能性。例如,掷骰子时,骰子最终显示 2 或小于 2 的概率为 1/6 + 1/6 = 2/6。这意味着 CDF(骰子 ≤ 2 ) = 概率(骰子 = 1) + 概率(骰子 = 2)。

(2)                 \displaystyle \text{CDF}( i \leq t ) = \sum_{k=0}^{t}p_{k}   。

公式 (2) 描述了像素强度等于或低于 t 的概率的累积分布函数 (CDF)。随机像素强度值为 k 的概率等于强度值为 k 的像素数除以像素总数,参见公式 (3)。

(3)      

这些值通常是标准化的,因此  p_{0} + p_{1} + ... + p_{L-1} = 1  。任何像素的强度值在可接受范围 (0 ≤ i ≤ L - 1) 内的总概率当然是 1。目标是创建某种变换 s = T(i ),以创建一个新图像,其直方图更类似于图 3 而不是图 4。这意味着 CDF 应该更像一个线性函数,而不是像公式 (2) 那样的严格增函数。图 5 和图 6 中显示了具有灰度值和相应直方图的图像。该图像的范围从 0 到 9,这意味着 0 ≤ i ≤ 9 。 

---------------------------------图 5--------------------------------------

 ----------------------------------图 6----------------------------------------

 图像的直方图告诉用户大多数像素的值都在 5 左右。可以创建一个表,其中包含每一个强度值以及包含该值的像素数,如表 1 所示。强度值可以被视为热像仪产生的温度。

------------------------------------表1------------------------------------

表1显示的信息与直方图相同,但如果查看表格,可能会更容易理解。使用公式(3),可以创建以下值:

(4)

可以通过将所有概率值相加并确认其和等于 1 来检查计数误差,结果确实如此。现在进入变换部分,变换 T(i ) 由公式 (5) 给出。

(5)

\displaystyle s = T(i) = floor((L - 1)*\sum_{k=0}^{i}p_{k} ) = floor(9*\sum_{k=0}^{i}p_{k} )   。

其中 floor 是向下最接近的整数,7.3 将是 7,4.7 将是 4,依此类推。此变换使用每一个强度值的概率值和可用范围为每个旧像素值 (i ) 创建一个新像素值 (s)。使用公式 4 和公式 5,可以创建表 2 。

-----------------------------------表2-------------------------------------

表 2 是从输入图像到输出图像的理想映射,新图像如图所示。请注意,强度值 0、1 和 9 在输入图像中不存在,但无论如何都会包含在内。生成的图像及其直方图如图 7 和图 8 所示。

-----------------------------------图7-------------------------------------

 

-----------------------------------图8------------------------------------- 

生成的图像直方图在整个范围内分布得更好,这将使所有像素的整体对比度更高。如果将灰度调色板应用于图 5 和图 7,结果将如图 9 和图 10 所示。

-----------------------------------图9------------------------------------- 

-----------------------------------图10------------------------------------- 

绘制变换函数图也很有趣,它可以让用户直观地看到像素值的变化。图 11 展示了变换函数。

-----------------------------------图11-------------------------------------

图10所示的变换后图像比原始图像对比度更高,但像素值发生了变化,这意味着信息丢失了。使用直方图均衡化时必须记住这一点。

5.  关于彩色图像的直方图均衡化

以上描述了灰度图像的直方图均衡化。然而,它也适用于彩色图像,只需将相同的方法分别应用于图像 RGB 颜色值的红、绿、蓝分量即可。然而,将相同的方法应用于 RGB 图像的红、绿、蓝分量可能会导致图像色彩平衡发生显著变化,因为应用该算法后,颜色通道的相对分布会发生改变。但是,如果先将图像转换为另一个颜色空间,例如 Lab 颜色空间,或者 HSL/HSV 颜色空间,则可以将该算法应用于亮度或值通道,而不会导致图像的色调和饱和度发生变化。三维空间中有几种直方图均衡化方法。Trahanias 和 Venetsanopoulos 在三维颜色空间中应用了直方图均衡化。然而,它会导致“白化”,即亮像素的概率高于暗像素。Han 等人提出了使用由等亮度平面定义的新的累积分布函数,实现了均匀的灰度分布。

6.  直方图均衡化例子

(1) 小图像示例

上述实现过程中使用的是小图像。

(2) 全尺寸图像

----------------------------------原图像-------------------------------------

-----------------原图像对应的直方图(红色)以及累积直方图(黑色)------------------ 

(译注:可以看出,原图像的亮度范围密集分布在一个很小的范围,亮度差较小,说明原图像的对比度差。)

-------------------------按直方图均衡化生成的新图像----------------------------

 -----------------新图像对应的直方图(红色)以及累积直方图(黑色)------------------

(译注:可以看出,新的图像的亮度范围分很大,亮度差较大,说明原图像的对比度增强了,但同时丢失了原图像的信息(如果原图像是温度生成的图像)。) 

【数字图像处理】直方图均衡化 综上所述,CLAHE 是一种比较优秀的图像增强算法,可以有效地保留图像的局部细节信息,但其计算量较大,对算法的参数设置较为敏感,需要进行合理的参数设置和优化。限制对比度自适应直方图均衡化(CLAHE)是一种改进的直方图均衡化算法,它通过在图像的局部区域内进行直方图均衡化,以保留图像的局部细节信息。直方图均衡化的目的是将一幅图像的直方图变成一个均匀分布的直方图,从而增强图像的对比度。总的来说,直方图均衡化的数学原理就是通过对原始图像的直方图进行变换,将其变成一个均匀分布的直方图,从而增强图像的对比度。 阅读详情

相关推荐

直方图均衡化(Histogram equalization)

综述直方图均衡化(Histogram equalization)常用于增强图片的整体对比度,特别对于那些有用的数据被相似数据所代表的情况。通过直方图均衡化将亮度更好的分布于直方图上,使得低对比度区域有了更高的对比度。该方法对于前景和背景都很暗或都很亮的情况有很好的调节效果。实现假设有一个离散的灰度图像{x}\{ x\},对该图像进行直方图均衡化的具体步骤如下: 原图灰度级概率统计 nin_i代表灰

是谁动了我的西瓜的博客 6088

一文搞懂直方图均衡

直方图均衡 定义 根据维基百科上的定义, 直方图均衡(Histogram Equalization)是图像处理领域中利用直方图对对比度进行调整的方法. 顾名思义, 直方图均衡是将直方图的分布(概率密度)调整为均匀分布. 为什么要做直方图均衡 根据信息论, 信息的熵越大, 包含的信息也就越多, 熵的计算公式如下: H=−∑i=0np(xi)log2(p(xi))(1) H=-\sum_{i=0}^{n}p(x_i)log_2(p(x_i)) \tag{1} H=−i=0∑n​p(xi​)log2​(p(xi​

yfor1008 1万+

利用LATX技术在龙芯安同AOCS OS上部署坚果云:跨架构文件同步实战

本文详细介绍了如何在龙芯安同AOCS OS上,利用LATX指令翻译技术部署坚果云客户端,实现跨架构文件同步。通过安装LATX环境、解压x64安装包、运行安装脚本三步,成功在loongarch64架构上运行仅支持x86_64的软件,解决了国产平台办公协同的痛点,并分享了性能实测与优化建议。

weixin_29305337的博客 458

直方图均衡化的原理及实现

直方图均衡化的原理及实现 一、直方图 1.1 直方图的概念 在图像处理中, 经常用到直方图, 如颜色直方图、 灰度直方图等。 图像的灰度直方图就描述了图像中灰度分布情况, 能够很直观的展示出图像中各个灰度级所占的多少。图像的灰度直方图是灰度级的函数, 描述的是图像中具有该灰度级的像素的个数: 其中, 横坐标是灰度级, 纵坐标是该灰度级出现的率。如下图所示 1.2 直方图的性质 ① 直方图反映了图像中的灰度分布规律。 它描述每个灰度级具有的像素个数, 但不包含这些像素在图像中的位置信息。 图像直方图不关心像

weixin_40163266的博客 7万+

Win10/Win11系统下冒险岛V128单机版一键搭建教程(含MySQL配置避坑指南)

本文提供Win10/Win11系统下冒险岛V128单机版一键搭建的详细教程,涵盖服务端部署、MySQL配置优化及常见问题解决方案。通过本指南,玩家可轻松实现单机版冒险岛的一键启动,重温经典游戏体验,同时避免常见的技术陷阱。

weixin_29261711的博客 655

go实现MQTT broker(附完整源码)

go实现MQTT broker(附完整源码)

希望我的博客,能帮上你解决学习中工作中所遇到的问题 578

数字图像处理:直方图均衡(Histogram Equalization)的原理及处理介绍

本文介绍了《数字图像处理》第三章直方图均衡的主要知识点,直方图均衡法针对非数字图像以及数字图像都存在通用的公式,只需要数字图像和非数字图像自身的信息,二者虽然由于灰度值连续和离散的不同公式有所不同,但本质是一致的。本文的介绍是完全基于《数字图像处理》的介绍,其中有些内容对于不熟悉数字图像处理的人员理解可能存在困难,请等待老猿后续的系列博文答疑解惑。

老猿Python 1万+

Open3D 体素下采样【2026最新版】

体素滤波,博客长期更新,本文最近更新时间为:2026年4月11日。

点云侠的博客 37万+

直方图均衡化(调节图像亮度、对比度)

一、前言 二、直方图均衡化概念 三、直方图均衡化实例(1)、灰度图像的均衡处理实例 ①、卡通人物灰度图像均衡处理②、卡通猫头鹰灰度图像均衡处理③、弹琴猫灰度图像均衡处理(2)、彩色图像的均衡处理实例 四、总结

逆境清醒的博客 2万+

FCTA/FCTB 前方交通穿行预警/制动系统技术规范

FCTA&FCTB前方交叉路口预警制动系统是针对十字路口和停车场等"鬼探头"场景设计的驾驶辅助系统。系统在自车速度0-40km/h范围内工作,通过角雷达和摄像头检测侧向来车.

未知艺术家的博客 746

手把手教你学simulink实例--基于Simulink的船舶发电柴油机建模与健康状态研究

船舶发电柴油机是现代船舶电力系统的核心设备,为船舶提供稳定的电能供应。然而,由于长期运行在复杂的海洋环境中,船舶发电柴油机容易受到磨损、腐蚀和疲劳等损伤的影响,导致其性能下降甚至发生故障。因此,对船舶发电柴油机进行建模和健康状态监测具有重要意义。本项目旨在使用MATLAB/Simulink平台,建立船舶发电柴油机的动力学模型,并通过仿真分析其健康状态,预测潜在故障,从而提高船舶运行的安全性和经济性。

MHD0815的博客 1327

计算机视觉(二):直方图均衡

一、灰度空间的直方图均衡1.直方图2.变换函数应满足条件3.变换函数4.直方图均衡二、彩色空间的直方图均衡三、代码实现(Python+OpenCV)1.灰度图像2.彩色图像 一、灰度空间的直方图均衡 1.直方图       灰度级范围为[0,L-1]的数字图像的直方图是离散函数 h(rk)=nkh(r_k

tb店铺搜:FUN STORE玩物社,专业买手挑选送礼好物 2528

CKA-CN考试之路----1

后的的任意位置,但-n 和autoscale 必须是相连的.后面不再对命名空间部分做解释了.说明配置正确,如果无法保存退出,再次检查对齐.不用怀疑一定是复制的时候少了字母或者对齐出错.运行以下命令确认红色箭头的值和题目要求是否一致。将文档中的内容复制并粘贴到对应位置.,后续不再提醒yaml的对齐。确认脚本check1.sh。

Q先生 609

直方图均衡化

直方图均衡化 1.计算过程 得到原始图片的灰度直方图 得到各个灰度级对应的概率密度函数 通过概率密度函数得到累积分布函数 累计分布函数乘以255,得到每一个灰度级对应的新的灰度 通过第4步的结果,将旧灰度映射得到新的灰度,即更新整张图片的灰度 (统计一幅图像中不同灰度级下的像素个数); 例如:一副64X64的8个灰度级的图像,(正常情况下一张彩色图像灰度化[R=G=B]以后,灰度级为0~255) rk为灰度级,nk为该灰度级下的像素的数目,pk为该灰度级占整幅图的概率 计算不同灰度级的累积概率分布:

weixin_45930877的博客 1万+

cesium 淹没分析

cesium淹没分析

God's asylum的博客 484

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

【数字图像处理】直方图均衡化详解及编程实现

直方图均衡化的英文名称是Histogram Equalization.   图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整,从而“扩大”前景和背景灰度的差别,以达到增强对比度的目的,这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函...

weixin_34121282的博客 3279

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

【图像处理算法】直方图均衡化

参考文献: Rafael C. Gonzalez, Richard E. Woods,Digital Image Processing (Third Edition) 胡学龙. 数字图像处理(第三版) 左飞. 图像处理中的数学修炼 目录 直方图均衡化的介绍 直方图的概念 直方图均衡化的理论基础 手工实现直方图均衡化 MATLAB上实现直方图均衡化 直方图均衡化的缺点 直方图均衡...

GQ 25万+

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

图像增强---直方图均衡化

一. 基本概念

luran的博客 9825

图像直方图及直方图均衡总结(一)经典方法(附matlab和opencv端算法实现)

直方图的概念理解 图像直方图是反映一个图像像素分布的统计表,其实横坐标代表了图像像素的种类,可以是灰度的,也可以是彩色的。纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的百分比。图像是由像素构成,因为反映像素分布的直方图往往可以作为图像一个很重要的特征。 图像灰度直方图:一副数字图像有[0~255]灰度级,直方图定义如下: h(gk)=nk 其中,gk是第k个灰

满城风絮 3万+

传统图像处理之直方图均衡化

传统图像处理之直方图均衡化

IT菜鸟 1398

day35图像处理OpenCV

今天主要是绘制直方图(图像中不同像素点出现的次数),以及普通直方图均衡化和对比度受限的均衡化(都是,通过调整图像像素值的分布,使得图像的对比度和亮度得到改善)

zhuyixiangyyds的博客 1258

【OpenCV】直方图计算 & 均衡化直方图

最近把一部电视剧《天才基本法》看完了,学了一句话:“一以贯之的努力,不得懈怠的人生”,今天学直方图均衡化的时候,书上只介绍直方图均衡化后的效果,并没有讲解直方图。面向百度之后,也知道为什么书上不介绍了,理解有点困难。不过我还是花费一段时间啃啃了,哈哈~...

qq_44859533的博客 2329

直方图均衡

直方图均衡化通常用来增加图像的全局对比度。这种方法对于背景和前景都太亮或者太暗的图像非常有用。主要优势  :一个相当直观的技术并且是可逆操作,如果已知均衡化函数,那么就可以恢复原始的直方图,并且计算量也不大。 缺点        :对处理的数据不加选择,它可能会增加背景噪声的对比度并且降低有用信号的对比度。直方图均衡化的数学原理https://blog.youkuaiyun.com/superjunenaru...

timeless_2014的博客 1万+

【图像处理】直方图均衡(matlab实现)

具体而言,直方图均衡会对图像的灰度直方图进行变换,使得直方图在整个灰度范围内具有更加均匀的分布。[1]郑方亮,王延年,廉继红等.基于条件先验Swin Transformer的人脸图像超分辨重建[J/OL].电子科技:1-9[2024-03-11].https://doi.org/10.16180/j.cnki.issn1007-7820.2025.02.005.文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

weixin_66436111的博客 1958
上一篇: 直方图详解
下一篇: 理解概率密度函数
ComputerInBook
博客等级 码龄19年 1168粉丝 465原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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