图像处理
关注
分享
扫一扫
文章平均质量分 67
三眼二郎
三只眼睛的二郎神很厉害，在某时某刻我会完成一个伟大的视觉工程，以致万物在我的视线里将无处遁形。
展开
-
卡尔曼滤波（最易懂解答，从图像角度，欢迎讨论）
近期打算做一个简单的，工业上能用的追踪算法，想起了以前做的卡尔曼滤波多目标跟踪算法。虽然算法摆在那个，但是非常费解的是，二郎忘了卡尔曼滤波的理论了，于是网上找资料。感觉整体上乱糟糟的。1.想讲公式的，没有讲清楚具体的原理，结果导致大家无法理解整体框架。2.想讲科普的，没有一些应该有的细节，导致大家一看：“嗯，是这么一回事，可是……好像又啥都没学会。”二郎在这里说下自己的理解方式，不求给大家全弄明白，大家有所领悟就好。1.卡尔曼滤波用途X1状态方程+X2’观测方程→预测X2①状态方程：这里网上的例原创 2020-07-22 22:36:51 · 1844 阅读 · 0 评论 -
角点、特征点的区别（检测子，描述子）
在机器视觉中，经常听到两个名字：角点、特征点。出现频率比较高的：角点检测、特征点匹配。那么问题来了，角点和特征点到底什么关系？**图像的特征点（feature point）**是指图像中具有鲜明特性并能够有效反映图像本质特征能够标识图像中目标物体的点。（反应图像特征的点）**图像的角点（corner point）**作为图像关键的局部结构特征，通常被描述成灰度强度变化不连续的点，被称为灰度图像上的奇异特征点。角点属于特征点，而特征点包括了角点以及其他点。因此可以把角点叫做特征点，但是不能认为特征点就原创 2020-06-02 15:25:54 · 8428 阅读 · 0 评论 -
（最通俗易懂的）目标跟踪MOSSE、KCF
引言我们在研究目标跟踪前先要了解它分为哪几类，以及大体思路是什么？分类：①目标建模；②前景背景识别。思路：①目标建模的思路是首先我们用一些手段把我们想要跟踪的目标“框出来”。例如：我们要跟踪视频中的一个人，我们可以在电脑端用鼠标画框把视频第一帧的人框出来（这个看算法怎么设置的），然后算法就会根据我们框出的目标建立一个模型。在之后的视频帧，算法会根据我们之前建立的人的模型，找视频帧中与其最相似的图像块，然后输出这个图像块的位置，每个帧的位置信息都有了，组成视频后，我们就会发现那个框框在跟着人在运动，这样原创 2020-05-20 22:40:23 · 4864 阅读 · 10 评论 -
Automatic Red-Channel Underwater Image Restoration红通道（RDCP）中的评价指标
至于红通道算法，这里不做赘述，原文比较简单它里面涉及几个评价指标这里总结一下1.对比度和可视化恢复对比原文这里好像有写错，nr应该是恢复图的可见边，n0是原图可见边。这里的可见边定义在论文《BLIND CONTRAST ENHANCEMENT ASSESSMENT BY GRADIENT RATIOING AT VISIBLE EDGES》中。ri为可见边像素集中，恢复图像和原图像的...原创 2019-01-11 17:04:14 · 2965 阅读 · 17 评论 -
水下图像融合增强Enhancing Underwater Images and Videos by Fusion
这篇文章可以说结果好到令人拍案叫绝，处理后细节也好了，色偏也好了，更主要是那些评价指标仿佛都是为它设计的，一个比一个好，本文就详细地介绍一下水下图像融合算法。1.首先先分别进行两次处理①对原图进行白平衡处理——详细地可以看它的代码，代码是改良的灰度世界，个人觉得是一个灰度世界+一个直方图均衡。处理结果作为输入一。②对白平衡后的图进行亮通道自适应直方图均衡化（亮通道：CIElab颜色模型的l...原创 2019-01-11 14:48:21 · 10629 阅读 · 21 评论 -
一些图像处理领域的会议和期刊，不是太多，只是重点写一下，慢慢整理
以下只是整理顺序，不是排名国际会议①European Conference on Computer Vision ECCV 欧洲计算机视觉会议，两年一次 ，欧洲，收录率一般在20%多，由springer和一些商业媒体承办。②IEEE Conference on Computer Vision and Pattern Recognition CVPR 国际计算机机器视觉和模式识别会议。一年...原创 2018-12-28 14:48:16 · 1821 阅读 · 0 评论 -
matlab最优化问题的函数(fminbnd),fmincon,globalsearch,multistart（全局局部最优）
在讨论优化问题时我们先来讨论全局最优和局部最优全局最优：问题所有的可能解中效果最好的解。局部最优：问题的部分可能解中效果最好的解。一个针对的全局，一个针对的部分。就像我们设初值一样，设置了以后函数开始迭代变化。这时可能出现两种现象①迭代到一个解，该解距离初值较近，此处该值很有可能是局部最优。②迭代到一个解，该解距离初值相对较远，此处该值很大可能是全局最优，当然也可能是局部最优。上...原创 2018-12-04 13:10:35 · 55618 阅读 · 4 评论 -
信息熵，图像熵，自适应直方图均衡化
首先先给出两个公式1.像素点信息量（熵）图像有n个灰度级，也就是I有n种可能取值，其中i代表第i级，Pi代表第i级灰度出现的概率。2.图像的熵只是像素点的信息量的总和。定义为当图像的熵最大时，图像具有高对比度，并且灰度变化也较为明显，整体图像质量较好。P1=P2=……=Pn-1=1/n图像的熵最大，也就是图像点在0-255灰度均匀分布时，图像的质量最好。这也是直方图均衡化的依据。...原创 2018-11-19 22:53:36 · 7161 阅读 · 0 评论 -
相机响应曲线、ISO详解
相机响应曲线：外界光对应到拍摄的图像的像素值，中间的转化过程用曲线表示。ISO：感光度，衡量底片对光的灵敏程度。上面这幅图就是相机的响应曲线横坐标为真实亮度的对数纵坐标为像素亮度/底片密度——在这里我们一般使用8bit的图，也就是（0,255），因此当灰度级别在50时，我们图像的值为0.5X255=78；灰度级别在100时，我们的图像的值为1X255=255我们可以看出，响应是一条s曲...原创 2018-11-16 17:14:17 · 11010 阅读 · 1 评论 -
matlab滤波函数imfilter、生成掩模函数fspecial
out = imfilter(img, filt, ‘replicate’, ‘conv’);out：滤波后的函数img：输入待滤波图像filt：滤波掩模filt滤波掩模的由来①自己设定h = 1/16* [1, 4, 6, 4, 1];②matlab生成h=fspecial(‘gaussian’,7,8);表示产生77的gaussian矩阵，其标准差为8;h=fspecial...原创 2018-11-20 16:05:46 · 3234 阅读 · 0 评论 -
几句话理解双边滤波
什么是滤波（图像）：去除噪声，一般采用的方法是中心像素点和周围像素点相加取平均值，特殊情况是不是简单的相加和平均，而是有权重，每个点对中心点的影响不同。什么是双边：距离权和颜色权，即在普通的高斯滤波的基础上加上欧式距离和颜色对权重的影响。（欧式距离：坐标求差，后做平方和，再求根号）为什么要双边？因为普通滤波单纯的平均很容易造成边缘模糊点边缘主要特征有什么呢？和周围的颜色不同，和周围的距离不同...原创 2019-02-20 21:29:30 · 526 阅读 · 0 评论 -
窗操作中的，为什么扩展图像
用窗函数（类比卷积核）在对图像进行操作时，会遇到尴尬的问题，图像的边处操作很容易就程序错误了，没有值……那我们怎么办呢?莫非不处理边上无法操作的点？当然也可以，不过少处理一圈边也挺难受的。那么，我们就补上一圈吧，补上一圈就可以。怎么补？补上一圈白的？还是一圈黑的？都会影响我们的图，我们来个镜像吧，向下面这样，影响就没那么大了。当然真的扩展边不会扩这么大，下图只是为了说明这个问题。那么怎么...原创 2019-03-06 13:33:43 · 842 阅读 · 0 评论 -
双目立体视觉：一（坐标系变换、左乘右乘、旋转矩阵）
在研究双目之前我们需要先明白几个概念1.坐标系变换（为了理解世界坐标系变化到相机坐标系）坐标系变换涉及两种，一种平移，一种旋转……二郎觉得好复杂，到底啥是坐标系变换？空间中的一个点怎么对应到另一个空间呢？坐标系其实就是一个辅助工具，我们空间中存在一个点，它就存在那里，有无坐标系它都不会消失，所以明确一点，坐标系只是度量的工具，它并不影响我们空间中存在的那个点。所以，很多情况下，考虑坐标系变...原创 2019-03-08 17:39:20 · 29946 阅读 · 17 评论 -
图像偏导数（比较有用的知识）；光流法（看了就懂的程序分析讲解）
我们接触到的很多数学公式涉及到偏导数，那么图像的偏导数怎么求呢？我们可以认为：图像就是一个复杂的曲面，我们要想得到曲面点的梯度，就需要对该点求偏导。求偏导的输入：附近点的灰度值求偏导的输出：一个数这里有人会问了，我们的梯度是一个有方向有大小的值呀。没错，我们这里求导的输出：两个数一个x方向的偏导，一个y方向的偏导，合成就是总的梯度方向和大小。我们需要用的信息是点附近的点，那么如何用呢...原创 2019-05-06 20:39:15 · 5868 阅读 · 5 评论 -
辐射照度、辐射强度、光照度、发光强度（差异以及如何相互转换）（易懂讲解）
这张图就可以解释为什么我们分不清辐照度和亮度之类的概念了。那么我们平时会如何用这些关系呢？例如：我们知道一个光源，而且知道光源发光强度，同时我们需要求空间一处面元接受的光照度...原创 2019-05-09 16:38:37 · 41031 阅读 · 2 评论 -
点云求法线——局部拟合，协方差，PCA
1.协方差在下面讲解之前，先提一下方差。均值反映的样本平均水平，例如我们班平均分90分，证明整个班不错，但是不能反映个人。这时我们就需要用到标准差或者方差，如果其结果较大时，表明班里很有可能有考100的，和考不及格的。那么什么是协方差呢？协方差反映了不同因素的相关程度，比如西瓜屁股小和西瓜甜是否有关，应用协方差就可以解决这个问题。上式为x与y的协方差。咱们不直接分析cov为正或是...原创 2019-05-07 22:57:38 · 6909 阅读 · 1 评论 -
成像系统光照度（相机成像辐射传输）。余弦辐射体、孔径角、光通量
1.余弦辐射体（朗伯辐射体）朗伯辐射体指辐射源各方向上的辐射亮度不变，辐射强度随观察方向与面源法线之间的夹角θ的变化遵守余弦规律的辐射源。（来自360百科）"余弦辐射体"的发光表面可以是本身发光的表面,也可以是本身不发光,而由外来光照明后漫透射或漫反射的表面.绝对黑体就是理想的余弦辐射体。余弦辐射体各个方向的光亮度相同。2.孔径角（来自wiki）一个透镜的孔径角是从焦点朝着透镜望去...原创 2019-05-10 21:31:08 · 7796 阅读 · 2 评论 -
相机外参标定 世界坐标
我们提到标定，很多情况下想到的是用棋盘图，用张正友的方法在matlab或者opencv里进行标定然而，这只是第一步，在工业上应用的相机还有一步操作那就是相机坐标系和世界坐标系的关系在用棋盘图标定时，提及世界坐标系是不太准确的，因为标定方法是假定的相机坐标系和世界坐标系有一定关系，并且假定了x，y的指向，因此这里可以说它是假定世界坐标系，而非我们所需的世界坐标系。因此这里我们只能得到内参，无...原创 2019-07-19 09:01:18 · 5267 阅读 · 1 评论 -
matlab图像uint8和double的关系，除以255乘以255
matlab默认图像的储存和读取方式为uint8但是为了计算和表达方便matlab针对uint8和double都有相应操作有时我们会疑惑一会iMG = double(img);imshow(uint8(IMG)*25)一会imshow(IMG)imwrite同样有如此操作为什么呢？？？？？？？？？？我们在使用时可以分成两个体系在用uint8时，matlab默认图像为[0，2...原创 2019-07-19 10:06:11 · 9905 阅读 · 4 评论 -
网上的立体匹配方法如何使用？（没有相机参数的输入，没有实际深度的输出）
我们在网上下载到三维重建算法，有很大一部出来的结果看起来非常完美，例如我们会看到一些比较经典的图面具婴儿桌布芦荟等等大家会发现一个问题，，，，我咋输入我的相机参数呢（内参矩阵，畸变参数，外参矩阵等），不输入这些，我们咋求得实际深度呢？？？这里有一个关键在于，这些算法主要强调在数据集上，通过立体匹配计算视差，而并没有涉及将视差转换为实际尺寸的方法，因此大家会看到，算法输入的图像都是立体...原创 2019-09-06 08:54:38 · 682 阅读 · 1 评论 -
同态滤波（光照不均）
同态滤波：在图像的频域对图像进行操作，完成图像的亮度范围压缩、图像对比度增强，去除图像乘性噪声。（乘性噪声：y=uv，y是被噪声污染的图像，u是原始图像，v是乘性噪声）同态滤波借助于Retinex原理，对图像的反射分量R和亮度分量L分别进行处理。I=RL(S为原图像，R为反射分量，L为亮度分量)；为了能够分别对RL进行操作，这里引入求对数，求对数可以让相乘变为相加i=r+l两边求取傅...原创 2018-10-31 23:10:24 · 4176 阅读 · 1 评论 -
In defence of the 8-point algorithm（八点算法的归一化（规则化）详解）基础矩阵
In defence of the 8-point algorithm论文原文大家可以去网上自己下载，很好找的在原论文中提出了归一化（初始化）输入参数，再进行八点法能够得到较好的匹配效果，算出修正的F矩阵。但是原文没有给出代码以及实现方法，这里本博客特地讨论一下这个问题。本文主要解决的问题是图像坐标系的选择对八点法的影响。整体影响的分析步骤：①原图像坐标系设为u，转换成另外的坐标系变为u...原创 2018-10-26 17:13:59 · 9052 阅读 · 4 评论 -
水下图像处理---持续更新博文
1.经典的DCP原程序水下图像恢复效果较差，甚至几乎没有恢复效果 原因：水下图像存在蓝色色偏或者绿色色偏，此时其他通道的值都较小，当使用暗通道直接求景深图时 2.其他经过DCP改进的算法 3.水体光学作用 4.既然色偏，我们的DCP就不太适用了，那么我们用最亮的通道（均值最大的通道）-最暗的通道（均值最小的通道），得到深度图，取反乘以调节因子得到透射图！ 这个的科学依据：...原创 2018-07-10 16:42:28 · 13390 阅读 · 17 评论 -
扰动图像恢复的一些基础
1.复原缺失先验知识的降质图像，采用Spall和Cristion的扰动方法。2.降质图像复原难点：（1）缺原始图像先验信息；（2）不能判别原始图像叠加的噪声类型和统计特征。3.退化过程：在原有图像中增添或者删减成分，使得图像变得与原有图像存在偏移或者差异。例如：在图像中添加白噪声4.恢复图像的方法：建立模型对退化过程给予恰当的描述，进而能够还原图像的本质特征。5.图像的降质退化模型：g(x,y)=...原创 2018-04-24 17:12:04 · 1387 阅读 · 0 评论 -
光学公式(物象位置) 1/u+1/v=1/f
1.透镜成像 由图可以看出 1.物距>2倍焦距：倒立缩小的像 2.物距=2倍焦距：倒立等大的像 3.物距<2倍焦距 且 >1倍焦距：倒立放大的像 4.物距=1倍焦距：不成像 5.物距<1倍焦距：倒立放大虚像 同时也可以看出成像越大，像距越近。成实像时，物体和像在透镜两侧；成虚像时，物体和像在透镜同侧。 2.求物距u，像距v，焦距f...原创 2018-04-30 14:01:27 · 31378 阅读 · 1 评论 -
暗通道去雾法-对算法的理解Dark Channel Prior
暗通道最早是由He提出的，并且也发展得很快，具体的在这里不说，这篇文章，只是谈一下暗通道去雾的实现过程1.该方法最原始的模型是I=Jt+A(1-t)，这个模型在我的其他文章中有详细介绍，这里不详细讲解。可以看出带有雾的图像的I是由没有散射的原图像J和大气光(air light)共同组成的。这里刚好看到t，1-t和为1，实则不然，只是凑巧这样，原作者有详细的推导，这个是推导而来并非为了凑和为1。2....原创 2018-04-18 17:42:01 · 13398 阅读 · 9 评论 -
Lytro光场相机的原理，科普，简单地进行了解
近期看大家都在利用光场相机来得到图像的深度，进而对图像进行恢复，以及前景背景的分离。之前自己的手机也有一个功能，就是先拍照，后对焦。说白了其实就是拍很多张不同焦距照片，然后算法合成，贴一个帖子，想深入学习的可以看一下。http://blog.sina.com.cn/s/blog_628720210102who8.html想必，大家在找到我文章之前也看了好多了，会有很多模糊的概念1.主镜头和感光元件...原创 2018-03-21 23:02:40 · 7232 阅读 · 0 评论 -
k-means聚类复杂度探讨
k-means聚类一种无监督的学习方法（也就是不需要人为告诉计算机如何处理）一般流程：先随机设定k个聚类中心（此处的k决定了最终的k类）然后计算n个点到k个点的距离，单个图像与图像距离计算的复杂度为d（涉及到sift的可以自己查阅一下复杂度多少，这里不一一赘述。）聚类完成之后，我们需要进一步迭代。首先计算聚的k个类的聚类中心，然后用找到的k个聚类中心进行再次聚类。当聚类中心不再变动...原创 2018-03-22 23:07:27 · 17594 阅读 · 7 评论 -
Attenuation and Airlight 光传播的一系列内容，献给初学者
原文Contrast Restoration of Weather Degraded Images大神的文章，有能力的可以拜读一下。1.Attenuation and Airlight (光的衰减和大气光)-大气中光的反射传播 该公式表示的是直接被物体反射的光传播衰减公式，可以看出该公式和距离有关，这也是正如我们所料的。 d:物体到相机的距离; λ:是光线的波长，当然我们一般...翻译 2018-04-13 23:08:12 · 1103 阅读 · 0 评论 -
Guided Image Filtering导向滤波通俗易懂
本文素材主要来自何凯明的导向滤波，需要更精细的理解可以拜读原文1.优点————————————————————噪声和边缘的区别，噪声一般周围的像素梯度变化较大，并且以其为中心，向四周的梯度大体相似。而边缘出现了梯度的阶跃，并且梯度最大的方向在边缘的法线方向，其他方向远离法线方向逐渐变小。一般的滤波无法区分噪声和边缘，于是对其统一处理，因此很多情况下，滤波的同时，边缘也被处理模糊了。...原创 2018-04-14 11:40:25 · 19533 阅读 · 3 评论 -
熵——进一步学习和理解
1.熵的定义：熵是物体在一个一定的宏观状态下所有微观状态的总和。 来自于热力学第二定律，“熵增定律”。事物从有序趋向无序时，熵增加。例如：雪更易融化成为水，而水确很难反过来形成雪。 熵增，主要针对的宏观上的统计规律，而对于微观状态这种现象的出现完全由概率决定。在微观虽然熵减的概率较小，但是也是有可能发生的。2.模糊熵：定义：模糊不确定性的度量 模糊集：描述无法确定是否属于给定...原创 2018-07-17 21:36:01 · 4285 阅读 · 0 评论 -
朗伯面、朗伯体、立体角----详细解答
在分析光源，以及物体反射时，由于朗伯表面具有规则的物理模型和数学计算公式，并且在不破坏光的原有性质的前提下，能很好地近似光源和物体反射的光学现象。因此在进行光学分析时，朗伯面是一个很好的公式以及分析简化的假设。朗伯体：是指当入射能量在所有方向均匀反射，即入射能量以入射点为中心，在整个半球空间内向四周各向同性的反射能量的现象，称为漫反射，也称各向同性反射，一个完全的漫射体称为朗伯体。理想的漫反射...原创 2018-07-05 16:38:09 · 42145 阅读 · 7 评论 -
图像熵
接触原因：最近在做一个和相机相关的领域，接触到了相机暗角和失光现象，一种修正方法用到了图像熵，因此学习回顾一下这方面的内容。 1.概念 图像熵：是一种图像特征的统计形式，反映了图像中平均信息量的多少。 图像的一维熵：图像中灰度分布的聚集特征所包含的信息量。 这里设Pi表示图像中灰度值为i的像素所占的比例，因此定义一元灰度熵为 图像的二维熵：和一维熵相比，增添了灰度的空间特征，而在...原创 2018-07-12 20:33:02 · 12043 阅读 · 0 评论 -
相机标定（具体过程详解）张正友、单应矩阵、B、R、T
首先先声明一点，本文介绍的方法并非很多文章中介绍的方法只是应用，直接调用matlab或者opencv的内部原有相机标定函数，本文主要介绍求解相机参数的一个大体流程。相机标定分：内参标定、外参标定、c矩阵内参标定：采用棋盘图或者点阵图，将相机固定（焦距、光圈等内部元素）。用相机拍摄多组不同角度的棋盘图，这点和普通的matlab的棋盘图标定类似。matlab利用棋盘图标定，它也给出了标定的外参，但...原创 2018-10-28 22:13:22 · 24242 阅读 · 16 评论 -
辐射强度、辐亮度、辐照度——一文搞定
先写定义上图是从网上看到的并重写的其中我们最容易混淆的就是辐射强度、辐亮度、辐照度的关系如果我们没有接触专业领域，那么我们可能接触最多的就是辐射强度，而这种现象是不对的。因为我们一般考虑的均为这光好强呀，照得屋里特别亮。这里的光亮，我们不能单纯地说是辐射强度，因为我们分析的方向有两个。一个是光源的出射、一个是物体表面的接收光源的出射与两个量的度量有关：辐射强度、辐亮度物体表面的接收...原创 2018-10-09 09:51:00 · 82163 阅读 · 19 评论 -
张正友相机标定全解析
标定为了做什么——我们肯定都或多或少地想过，我们能不能用一张图片就能知道图片中物体的尺寸。下一步我们会想如何得到尺寸呢？我们用勾股定理，只要我们知道距离就行。那么知道了相机到图像的距离和相机自身的焦距后就可以了么？显然这么做是没有精度可言的，因此相机标定就是为了解决这个问题。1.首先明确一个概念，相机标定不是一劳永逸的，每次参数的改变都需要对相机重新标定。改变包括（焦距，定焦环，光圈和世界坐标的...原创 2018-10-18 21:13:25 · 7236 阅读 · 2 评论 -
白平衡（灰度世界、全反射、色温估计）
人在观测物体时，视线和感知会根据场景光源进行自动调节。而机械以及光敏元件则会受到场景光源影响，并且无法判断和处理这种不良影响。先验：白光的RGB分量为(R=G=B=255)；灰色的光(R=G=B)。算法：灰度世界算法GW(自动白平衡广泛应用)假设：一副有足够色彩变化的图像，RGB的均值趋于相等。GB没有写，都是一样的，这里非常简单地做了一个映射，以此来达到灰度世界的假设。该方法较为...原创 2018-09-28 22:57:15 · 17101 阅读 · 4 评论 -
图像二值化分割阈值的算法——OTSU
该算法叫做大津算法，由日本学者大津于1979年提出。该算法的核心在于前景与背景图像的类间方差最大MATLAB代码clear allclcI = imread('1.jpg');I = rgb2gray(I);T_level = graythresh(I);I(I(:,:,:) >= 255*T_level) = 255;I(I(:,:,:) < 255*T_l...原创 2018-09-28 08:30:10 · 6642 阅读 · 2 评论 -
张量以及低秩——入门初级教程
张量之所以重要，在于它可以满足一切物理定律必须与坐标系的选择无关的特性。先从这句话引出，大家能够看到，张量说白了就是与坐标系的选择无关。坐标系我们比较熟知的就是右手坐标系，左手坐标系，以及各种名字的坐标系。这里的坐标系选择，其实更多地是指我们选择在几维中表示我们的量。我们选择几维的空间表示我们的量，我们的量都能应付，这不就是说我们的张量和坐标系选择无关么？？？张量是分阶的：一阶张量，二阶...原创 2018-09-20 21:01:28 · 5915 阅读 · 0 评论 -
滤波、信号、数字与模拟、金字塔不懂才怪教程
写这篇文章的本意是对一直困扰着自己的信号处理问题的一个茅塞顿开的领悟，不过最终还是希望写一个大家都能看懂，并且可以解决看很多次都没有看懂的顽疾的博文，欢迎转载，那么开始吧。1.数字滤波器和模拟滤波器先明确这个观点，你在看数字滤波还是模拟滤波，你打算处理数字信号还是模拟信号。很多书其实会写得比较清楚，我在谈数字还是模拟，然而我们在大学课程中，我们似乎没有在脑袋里形成概念，啥是数字啥是模拟。我是...原创 2018-10-01 13:54:02 · 4230 阅读 · 2 评论