<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[agm89261的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/agm89261</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; agm89261]]></copyright><item><title><![CDATA[最小二乘法]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136946</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136946</guid><author>agm89261</author><pubDate>Tue, 17 Sep 2019 10:49:00 +0800</pubDate><description><![CDATA[一 常规最小二乘法拟合直线
  已知数据点为，欲拟合直线，则有最小化：。
       
  使用矩阵表示，令，则有：,
  X, Y已知，要使E最小化，则向量B求导等于零：，整理得：。

二 使用垂直距离改写E
  常规最小二乘法有如下问题：
  1）数据点旋转后，求解得直线是变化的；
  2）垂直直线无法求解；
 ...]]></description><category></category></item><item><title><![CDATA[字符集及编码]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136932</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136932</guid><author>agm89261</author><pubDate>Fri, 06 Sep 2019 15:07:00 +0800</pubDate><description><![CDATA[一 ASCII字符集及本地化
 ASCII(American Standard Code for Information Interchange)使用一个字节表示英语世界内的常用符号。其中，0到32状态表示一些控制字符，33到127状态表示标点，数字，字母等。
      （来自 www.asciitable.com）

  后来，ASCII扩展了12...]]></description><category></category></item><item><title><![CDATA[数学小知识点]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136931</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136931</guid><author>agm89261</author><pubDate>Mon, 26 Aug 2019 13:57:00 +0800</pubDate><description><![CDATA[超平面
  超平面定义为：，对向量W归一化得：，其中，，归一化处理可简化后续一些计算。
  超平面单位法向量为w，证明如下：
  设 为超平面上得点，则有：，
 ，向量w与超平面上任意方向线段垂直，则w为超平面单位法向量。
  原点到超平面距离为b，证明如下：
  过原点O作到超平面距离垂线，设OM=-kw，代入超平面得：，
  则原点O到超...]]></description><category></category></item><item><title><![CDATA[Blob检测]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136944</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136944</guid><author>agm89261</author><pubDate>Tue, 20 Aug 2019 17:26:00 +0800</pubDate><description><![CDATA[使用二阶微分可以检测函数过零点，以一维图像为例，如下图：
 
  对不同尺寸Blob块使用二阶微分，可得如下结果：
 
  由上图可知，对于不同尺寸Blob块，二阶微分响应不同。当Gaussian函数尺度与Blob块直径基本一致时，产生最大响应。
  对于一个固定尺寸Blob块，使用不同尺度Gaussian函数时，响应如下：
 
 ...]]></description><category></category></item><item><title><![CDATA[梯度，方向梯度，拉格朗日乘数法]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136942</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136942</guid><author>agm89261</author><pubDate>Fri, 02 Aug 2019 16:16:00 +0800</pubDate><description><![CDATA[一 梯度
  函数 z = f(x, y) 梯度表示为，其梯度方向始终指向函数较大值处。函数 z = f(x, y) 几何图形需要三维空间表示，为了更方便观察函数，可以使用二维平面上等高线表示函数。例如：函数等高线可表示为XY平面上的同心圆。同理，函数 f(x, y, z) 梯度表示为，可以使用三为空间等值面表示函数。
  函数梯度与等高线（或等值面）关系：任意点函数梯...]]></description><category></category></item><item><title><![CDATA[光流跟踪]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136902</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136902</guid><author>agm89261</author><pubDate>Sat, 13 Jul 2019 17:54:00 +0800</pubDate><description><![CDATA[一 简介
  在视频序列中，物体帧间移动可表示为物体的运动速度 ，该运动速度即为光流。通过数学建模，光流可表示为图像空域差分（XY平面梯度）与图像帧间差分（相邻两帧图像差）的函数。理想情况下，我们可以计算出图像上每一个点的运动速度，但存在两点问题：
  1）光滑平面上图像空域差分与图像帧间差分均为0，故计算出光流速度为0；
  2）在图像边缘上，由于光流计算观察一个较小...]]></description><category></category></item><item><title><![CDATA[特征值与特征向量]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136901</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136901</guid><author>agm89261</author><pubDate>Sat, 22 Jun 2019 16:44:00 +0800</pubDate><description><![CDATA[一 定义
  假设矩阵A为n*n方阵，x为n*1向量，则y=Ax表示矩阵A对向量x的线性变换结果，由于A为n*n方阵，则y为n*1向量。对大多数x进行线性变换，得到向量y与原向量x一般都不共线，只有少数向量x满足，其中 被称为矩阵A的特征值，x 被称为矩阵A的特征向量。
  为了求解特征值 与特征向量 x, 对上式改写为 ，则特征向量在  零空间中，通过选取一定特征值...]]></description><category></category></item><item><title><![CDATA[线性变换]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136900</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136900</guid><author>agm89261</author><pubDate>Sun, 02 Jun 2019 17:56:00 +0800</pubDate><description><![CDATA[一 概述
 在分析中，函数y=f(x)将输入值x变换到输出值y，同样对向量左乘矩阵A，矩阵A将向量X变换为向量Y。使用矩阵A对向量进行变换称为线性变换。向量X可以分解为n个基向量的和，如果已知矩阵A对n个基向量的变换结果，则可以得到矩阵A对任意向量变换结果，公式如下：
 。通过该公式，可以得到求解变换矩阵A的简单方法：
 1）在向量空间中选择简单单位基向量，如；
...]]></description><category></category></item><item><title><![CDATA[色彩理论]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136898</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136898</guid><author>agm89261</author><pubDate>Fri, 24 May 2019 18:37:00 +0800</pubDate><description><![CDATA[一 光的物理特性
 光本质上是一种电磁波（electromagnetic wave），其基本特征可表示为：
，c为电磁波传播速度，v为电磁波频率，为电磁波波长，T为电磁波周期。
可见光谱仅占电磁波很小一部分，其波长范围为400-760（真空或者空气中）。电磁波在不同介质下传播时，频率保持不变，波长发生改变。因在不同介质中传播速度不同，因而产生折射现象，基本关系为:
，n1为...]]></description><category></category></item><item><title><![CDATA[排序算法]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136899</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136899</guid><author>agm89261</author><pubDate>Tue, 19 Feb 2019 16:59:00 +0800</pubDate><description><![CDATA[一 插入排序（Insertion sort) 该算法比较直接，类比扑克牌排序，具体如下：1 桌面上的扑克牌始终是乱序的，手上的扑克牌始终是有序的；2 当从桌面上拿到一张扑克牌后，比较该张扑克牌与手中扑克牌的大小，并在合理的位置插入扑克牌；3 当桌面上所有扑克牌均在手上时，排序完成。

 1 void InsertionSort(std::vector&lt;int&gt;&amp...]]></description><category></category></item><item><title><![CDATA[同态滤波]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136927</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136927</guid><author>agm89261</author><pubDate>Mon, 06 Aug 2018 11:59:00 +0800</pubDate><description><![CDATA[一 图像成像模型
 设图像函数为f(x, y)，该函数可由两个分量表征：，其中：
 1）入射光函数i(x, y)，取值范围为：；
 2）反射系数r(x, y)，取值范围为：。
 一般情况下，光照变化比较缓慢，光照函数一般对应低频部分；而物体反射变化比较剧烈，反射函数一般对应高频部分。如果对图像函数做类似高频强调滤波，则有可能解决光照不均问题。

二 同态滤波...]]></description><category></category></item><item><title><![CDATA[图像边缘检测]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136929</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136929</guid><author>agm89261</author><pubDate>Fri, 13 Jul 2018 16:52:00 +0800</pubDate><description><![CDATA[一 一阶微分
 函数f(x, y)的一阶微分构成梯度grad(f)：，梯度幅度mag：，梯度方向为：，梯度方向垂直于边缘方向。
在离散情况下，需要将一阶微分转换为一阶差分，具体如下：
 考虑一维函数g(x)，其泰勒展开式为：，
 求解一阶导数为：，其误差为：；
 使用与联合求解得：
 ， 其误差为：。
 基于以上分析，函数f(x, y)的梯度可...]]></description><category></category></item><item><title><![CDATA[霍夫变换]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136939</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136939</guid><author>agm89261</author><pubDate>Wed, 04 Jul 2018 11:47:00 +0800</pubDate><description><![CDATA[一 霍夫直线变换
1点斜式
直线方程可表示为：y = kx + b， 当k, b确定时，在xy平面上确定一条唯一直线；考虑同样的变形 b = -xk + y，当x, y确定时，可以看做在kb平面上确定的一条唯一直线；若x, y表示xy平面上一个已知坐标点，则经过该坐标点(x, y)可形成多条直线， 其表达式为：b = -xk + y。
考虑在平面图像上存在一条有效直线段，遍历图像...]]></description><category></category></item><item><title><![CDATA[傅里叶分析]]></title><link>https://blog.youkuaiyun.com/agm89261/article/details/101136937</link><guid>https://blog.youkuaiyun.com/agm89261/article/details/101136937</guid><author>agm89261</author><pubDate>Wed, 31 Jan 2018 16:42:00 +0800</pubDate><description><![CDATA[一 傅里叶级数
1 泰勒级数与欧拉公式
 f(x)在定义域内存在连续N阶导数，则f(x)可以写成泰勒级数，如：
 1）
 2）
 3) 
 观察以上级数，指数函数与三角函数可能存在一定关系，如ex=asin(x)+bcos(x)，设函数为eix（其中i为虚数），其傅里叶级数为：
，则可推出如下关系：eix=cosx + isinx（欧拉公式）。...]]></description><category></category></item></channel></rss>