dayenglish的专栏

基于Boolean Map进行显著性检测，关键的公式如下所示： 公式可以看做是一个贝叶斯推导模型，p表示在给定图像的情况下，得到Boolean Map为B的概率，而A则表示B所能够提供的注意力映射图，而注意力映射图最终体现的是显著性映射图。在文中，作者提出利用均匀的阈值分割的方式来得到Boolean Map，也就是说，大于阈值的像素点赋值255，反之则赋值0；从阈值增长的步长固定。在实现

上图是图像直方图均衡化的伪代码，下面根据伪代码解释均衡化的运算过程。一幅图像中每一个像素级所占的比例各不相同，因此导致视觉上不是很均衡。因此需要有一种方法将不同的像素级调整为所占比例大致一致，最好是每一个像素级占比例是一样的。而所占比例是一个概率问题，也就是说希望变化之后得到的每一个新的像素级别概率是一样的，或者说概率密度函数一样。按照数字图像处理中的老套路，先从连续变化进行推导，对于连续变化的像

clear all; close all; clc; addpath('../data'); addpath('../util'); load mnist_uint8; train_x = double(reshape(train_x',28,28,60000))/255; test_x = double(reshape(test_x',28,28,10000))/255; train_y = d

k-means聚类算法主要思想源自于EM，通俗