<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[壮志未酬]]></title><description><![CDATA[忘记昨日所有过的烦恼，今天依然是快乐的壮士]]></description><link>https://blog.youkuaiyun.com/abcd_3344_abcd</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; abcd_3344_abcd]]></copyright><item><title><![CDATA[IOS-通过StortBoard设置Button点击效果]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/78675209</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/78675209</guid><author>abcd_3344_abcd</author><pubDate>Thu, 30 Nov 2017 13:41:28 +0800</pubDate><description><![CDATA[来自：http://leopard168.blog.163.com/blog/static/16847184420144714612802/




在 iOS 中，为了让按钮看上去美一些，通常给按钮添加一个 背景图片。

关于按钮的状态，最常用的是 2个状态：  默认状态，  按钮被触摸的状态。 为了给用户一个清晰的指示， 当按钮被按下时，按钮将显示另外一个颜色。 这样一来，就需要]]></description><category></category></item><item><title><![CDATA[以字节码通信时的乱码]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76684919</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76684919</guid><author>abcd_3344_abcd</author><pubDate>Fri, 04 Aug 2017 16:11:36 +0800</pubDate><description><![CDATA[我们在做Android或IOS移动端的时候，传输的Model用JSON解析，然后用HTTP通信传输到服务端，服务端再用JSON解析，中间没有涉及到编码的问题，那是因为HTTP默认编码是UTF-8（也就是我们的Model是转换成UTF-8字节流通信的，如果我们不直接使用现成的HTTP通信函数，而是使用Socket，我们就会发现，无论是否经过JSON解析，最后都是转换成byte字节流传输，而将本文转换]]></description><category></category></item><item><title><![CDATA[Python学习19_骨架提取与分水岭算法]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76100427</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76100427</guid><author>abcd_3344_abcd</author><pubDate>Wed, 26 Jul 2017 15:42:21 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5167414.html


骨架提取与分水岭算法也属于形态学处理范畴，都放在morphology子模块内。
1、骨架提取
骨架提取，也叫二值图像细化。这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。
morphology子模块提供了两个函数用于骨架提取，分别是Skeletonize（）]]></description><category></category></item><item><title><![CDATA[Python学习18_高级形态学处理]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76100406</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76100406</guid><author>abcd_3344_abcd</author><pubDate>Wed, 26 Jul 2017 15:42:00 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5166258.html


形态学处理，除了最基本的膨胀、腐蚀、开/闭运算、黑/白帽处理外，还有一些更高级的运用，如凸包，连通区域标记，删除小块区域等。
1、凸包
凸包是指一个凸多边形，这个凸多边形将图片中所有的白色像素点都包含在内。
函数为：
skimage.morphology.convex_hull_i]]></description><category></category></item><item><title><![CDATA[Python学习17_边缘与轮廓]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76100368</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76100368</guid><author>abcd_3344_abcd</author><pubDate>Wed, 26 Jul 2017 15:41:39 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5160955.html


在前面的python数字图像处理（10）：图像简单滤波 中，我们已经讲解了很多算子用来检测边缘，其中用得最多的canny算子边缘检测。
本篇我们讲解一些其它方法来检测轮廓。
1、查找轮廓（find_contours)
measure模块中的find_contours()函数，可用来检]]></description><category></category></item><item><title><![CDATA[Python学习16_霍夫圆和椭圆变换]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76080144</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76080144</guid><author>abcd_3344_abcd</author><pubDate>Wed, 26 Jul 2017 15:41:14 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5160061.html


在极坐标中，圆的表示方式为：
x=x0+rcosθ
y=y0+rsinθ
圆心为(x0,y0),r为半径，θ为旋转度数，值范围为0-359
如果给定圆心点和半径，则其它点是否在圆上，我们就能检测出来了。在图像中，我们将每个非0像素点作为圆心点，以一定的半径进行检测，如果有一个点在圆]]></description><category></category></item><item><title><![CDATA[Python学习15_霍夫线变换]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76079846</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76079846</guid><author>abcd_3344_abcd</author><pubDate>Wed, 26 Jul 2017 15:40:48 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5158707.html


在图片处理中，霍夫变换主要是用来检测图片中的几何形状，包括直线、圆、椭圆等。
在skimage中，霍夫变换是放在tranform模块内，本篇主要讲解霍夫线变换。
对于平面中的一条直线，在笛卡尔坐标系中，可用y=mx+b来表示，其中m为斜率，b为截距。但是如果直线是一条垂直线，则m为无穷]]></description><category></category></item><item><title><![CDATA[Python学习14_高级滤波]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066930</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066930</guid><author>abcd_3344_abcd</author><pubDate>Wed, 26 Jul 2017 15:40:20 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5133086.html


本文提供更多更强大的滤波方法，这些方法放在filters.rank子模块内。
这些方法需要用户自己设定滤波器的形状和大小，因此需要导入morphology模块来设定。
1、autolevel
这个词在photoshop里面翻译成自动色阶，用局部直方图来对图片进行滤波分级。
该滤波器]]></description><category></category></item><item><title><![CDATA[Python学习13_基本形态学滤波]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76078886</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76078886</guid><author>abcd_3344_abcd</author><pubDate>Wed, 26 Jul 2017 15:30:38 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5132677.html


对图像进行形态学变换。变换对象一般为灰度图或二值图，功能函数放在morphology子模块内。
1、膨胀（dilation)
原理：一般对二值图像进行操作。找到像素值为1的点，将它的邻近像素点都设置成这个值。1值表示白，0值表示黑，因此膨胀操作可以扩大白色值范围，压缩黑色值范围。一般用]]></description><category></category></item><item><title><![CDATA[Python学习12_基本图形的绘制]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066791</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066791</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 13:57:37 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5131406.html


图形包括线条、圆形、椭圆形、多边形等。
在skimage包中，绘制图形用的是draw模块，不要和绘制图像搞混了。
1、画线条
函数调用格式为：
skimage.draw.line(r1,c1,r2,c2)
r1,r2: 开始点的行数和结束点的行数
c1,c2: 开始点的列数和结]]></description><category></category></item><item><title><![CDATA[Python学习11_图像自动阈值分割]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066761</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066761</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 13:54:16 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5131004.html


图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标区域与其背景在灰度特性上的差异，把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合，选取一个比较合理的阈值，以确定图像中每个像素点应该属于目标区域还是背景区域，从而产生相应的二值图像。
在skimage库中，阈值分割]]></description><category></category></item><item><title><![CDATA[Python学习10_图像简单滤波]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066728</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066728</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 13:51:18 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5125253.html


对图像进行滤波，可以有两种效果：一种是平滑滤波，用来抑制噪声；另一种是微分算子，可以用来检测边缘和特征提取。
skimage库中通过filters模块进行滤波操作。
1、sobel算子
sobel算子可用来检测边缘
函数格式为：skimage.filters.sobel(image]]></description><category></category></item><item><title><![CDATA[Python学习09_直方图与均衡化]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066679</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066679</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 13:46:42 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5124833.html


在图像处理中，直方图是非常重要，也是非常有用的一个处理要素。
在skimage库中对直方图的处理，是放在exposure这个模块中。
1、计算直方图
函数：skimage.exposure.histogram(image, nbins=256)
在numpy包中，也提供了一个计算直]]></description><category></category></item><item><title><![CDATA[Python学习08_图像的对比度和亮度]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066570</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76066570</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 13:30:54 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5124402.html


图像亮度与对比度的调整，是放在skimage包的exposure模块里面
1、gamma调整
原理：I=Ig
对原图像的像素，进行幂运算，得到新的像素值。公式中的g就是gamma值。
如果gamma>1, 新图像比原图像暗
如果gamma
函数格式为：skimage.expos]]></description><category></category></item><item><title><![CDATA[Python学习07_图像的形变与缩放]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76064104</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76064104</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 11:49:25 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5124152.html

图像的形变与缩放，使用的是skimage的transform模块，函数比较多，功能齐全。
1、改变图片尺寸resize
函数格式为：
skimage.transform.resize(image, output_shape)
image: 需要改变尺寸的图片
output_shape]]></description><category></category></item><item><title><![CDATA[Python学习06_图像的批量处理]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039828</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039828</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 00:58:06 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5123772.html


有些时候，我们不仅要对一张图片进行处理，可能还会对一批图片处理。这时候，我们可以通过循环来执行处理，也可以调用程序自带的图片集合来处理。
图片集合函数为：
skimage.io.ImageCollection(load_pattern,load_func=None)
这个函数是放在i]]></description><category></category></item><item><title><![CDATA[Python学习05_图像的绘制]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039790</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039790</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 00:40:05 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5122594.html
实际上前面我们就已经用到了图像的绘制，如：
io.imshow(img)  
这一行代码的实质是利用matplotlib包对图片进行绘制，绘制成功后，返回一个matplotlib类型的数据。因此，我们也可以这样写：

import matplotlib.pyplot as plt
plt.]]></description><category></category></item><item><title><![CDATA[Python学习04_图像数据类型及颜色空间转换]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039752</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039752</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 00:24:28 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5122328.html
一、图像数据类型及转换
在skimage中，一张图片就是一个简单的numpy数组，数组的数据类型有很多种，相互之间也可以转换。这些数据类型及取值范围如下表所示：




Data type
Range




uint8
0 to 255


uint16
0 t]]></description><category></category></item><item><title><![CDATA[Python学习03_图片像素操作]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039698</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039698</guid><author>abcd_3344_abcd</author><pubDate>Tue, 25 Jul 2017 00:08:20 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5122112.html
图片读入程序中后，是以numpy数组存在的。因此对numpy数组的一切功能，对图片也适用。对数组元素的访问，实际上就是对图片像素点的访问。
彩色图片访问方式为：
img[i,j,c]
i表示图片的行数，j表示图片的列数，c表示图片的通道数（RGB三通道分别对应0，1，2）。坐标是从左上角开始]]></description><category></category></item><item><title><![CDATA[Python学习02_图片操作]]></title><link>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039593</link><guid>https://blog.youkuaiyun.com/abcd_3344_abcd/article/details/76039593</guid><author>abcd_3344_abcd</author><pubDate>Mon, 24 Jul 2017 23:46:12 +0800</pubDate><description><![CDATA[转自：http://www.cnblogs.com/denny402/p/5121897.html


skimage提供了io模块，顾名思义，这个模块是用来图片输入输出操作的。为了方便练习，也提供一个data模块，里面嵌套了一些示例图片，我们可以直接使用。
引入skimage模块可用：



?




1



from 
skimage import]]></description><category></category></item></channel></rss>