- 博客(19)
- 收藏
- 关注
RSS订阅原创 哈希散列查找（线性探测）最简单求解方式
在复习数据结构的散列查找这一部分时，我发现王道对哈希表构造的说明过于笼统，在解答后面的真题时，王道也没有对解答过程进行详细地描述。因此，我在仔细钻研了数据结构等教材后，总结出了下面的求解方法。
2024-05-21 00:22:48
469
1
原创 折半查找判定二叉树最简单构造方式
中点值：（10+10）/2=10，向上取距离中点最近的值：10。中点值：（1+4）/2=2.5，向下取距离中点最近的值：2。中点值：（1+2）/2=1.5，向上取距离中点最近的值：2。中点值：（6+10）/2=8，向下取距离中点最近的值：8。中点值：（1+5）/2=3，向上取距离中点最近的值：3。中点值：（1+1）/2=1，向下取距离中点最近的值：1。中点值：（1+10）/2=5.5，向下取距离中点最近的值：5。中点值：（1+10）/2=5.5，向上取距离中点最近的值：6。中点值=（Min+Max）/2。
2024-05-19 18:03:24
994
原创 next数组最简单求解方式和KMP算法匹配
KMP算法（Knuth-Morris-Pratt算法）是一种在文本字符串中高效查找子串（模式串）出现位置的算法。它避免了最简单的暴力匹配方法中的大量回溯，通过构建一个next数组（或者称为“部分匹配表”）来指导匹配过程。看了网上很多人的方法，都没有把next数组该如何求解的问题说明白。因此，我在仔细钻研了王道还有数据结构等教材后，总结出了下面的求解方法。公式：next[j]=前后缀最长公共子序列长度+1规定：第一个和第二个元素的next值分别为0、1。
2024-05-15 20:56:59
5174
7
原创 SSMS中出现两个相同的服务器名称，问题解决办法
在将SQL Server 2019更新为SQL Server 2022后，或者是在更新安装SQL Server Management Studio工具后，在SSMS的【连接到服务器】页面，有时候可能会出现多个相同的服务器名称，如下图所示。如果你的计算机在网络上，并且网络上有多个具有相同名称的SQL Server实例（你只要没创建过，改过相同的名称，一般情况下不会发生），那么这也可能导致我们看到重复的服务器名称。在右侧，这里显示的是所有已安装的SQL Server实例的服务状态。
2024-04-05 19:48:12
760
1
原创 Brandes算法计算无向图节点最短路径之和-Java代码实现
Brandes算法是一种经典的计算中介中心性的算法，它通过计算节点对之间的最短路径数量来评估节点的中介中心性。其中一种方式，衡量某个节点到其他节点的最短路径之和，值越小，说明该节点越接近于其他节点，就越靠近图的中心位置，它可以帮助我们了解节点在网络中的重要性程度。对于特定类型或者特别构造的图结构，可能存在更优的算法，但在一般情况下的无向图上计算中介中心性时，相对于以下几种主流的算法，Brandes算法是一个实用且被广泛接受的方法。同理，我们可以计算出其他节点的相应的最短路径之和。
2024-03-25 23:16:10
1030
1
原创 小程序button文字水平居中、垂直居中有效设置办法
是因为在微信小程序中，元素默认的内边距是上下10px，左右15px，我们只需要将botton按键内边距改为零就行了，如图。最近我在开发自己的小程序，如图，为页面添加“发送”按键，显而易见，我们需要更改一下“发送”按键的大小，以便美观。botton按键在wxss里更改样式无效，需要在wxml里改，改完后发现文字没有居中。按照网上的方法，为按键添加样式，如图，还是没有居中。
2023-10-11 14:26:36
9240
原创 Warning 26003.Microsoft SQL Server Setup Support Files cannot be uninstalled 错误解决办法
打开Windows Install Clean Up，找到上面Microsoft SQL Server 2022 Setup (English)依赖的那几个软件，选中它们并卸载，注意：第一个Select All是选中全部，第二个Clear All是放弃选中，第三个remove 是卸载，第四个是退出，不要误删了软件。最近我在卸载重装Microsoft SQL Server2022时，按照网上给的正常的步骤进行卸载，但当我完成卸载后，偶然间发现还剩下一个软件，如图。下载后得到这么一个文件。
2023-09-25 22:18:46
3415
2
原创 SQL Server附加数据库：无法为该请求检索数据。错误解决办法
Microsoft SQL Server Management Studio ------------------------------ 无法为该请求检索数据。ProdName=Microsoft%20SQL%20Server&LinkId=20476 -----------------------------10.不要急着走，继续选中刚刚的文件，右键属性->安全，检查“组或用户名”中每一项，点击“编辑”，勾选“完全控制”，点击确定并保存。11.如图，确认“组或用户名”中每一项都有权限后，点击保存。
2023-09-16 20:58:29
8590
2
原创 SteamVR（422）错误解决方法
6.newbing给出了其他方法：右键单击桌面并选择“显示设置”，下滑在“多个显示器”部分中，选择“扩展这些显示器”，将VR设备显示图标拖到桌面右上角，重新启动SteamVR。1.我认为是SteamVR版本带来的问题，但此时我的SteamVR版本已经是最新版本1.26.7，所以排除。5.最后检查USB接口时，发现线接错了，VR眼镜视频信号线要与显卡接口直连，如图是正确的连接方式。我在使用PICO的VR设备时，在连接SteamVR时，出现了422错误警告，如图。4.我检查了系统更新，以及驱动程序更新，排除。
2023-08-08 14:02:17
3410
1
原创 T1和T2图像及其计算-《医学图像处理》小作业一-Python代码/Matlab代码
尝试用它们分别计算出一幅大脑切片图的T1和T2分布图出来，并提供脑部区域任意一个点的原始数据与拟合曲线的对比图（类似于如下的图片，用十字叉标出实际测量的点，再用另一条线表示拟合得到的曲线）。（更具体的TE值也存储在了各个文件中，用dicominfo读入图像的后台信息可翻找到TE值。）建议只使用偶数图像甚至是4，6，8三幅图像进行拟合，可以与使用所有图像进行拟合得到的结果做对比。dicominfo可以看到图像的扫描参数等信息（是的你眼尖的话能看到被扫描的就是本人）。值），从而使得对应的像素具备了不同的数值。
2023-06-16 22:18:45
1359
3
原创 图像Sobel算子边缘检测-《医学图像处理》小作业八-Python代码/Matlab代码
的卷积核对原始图像进行卷积运算，得到每个像素点处的梯度值。一般来说，如果梯度值超过了一个阈值，则将该像素点判定为边缘；在之前的作业中，我们已经知道，图像中的振幅（即灰度值曲线）在边缘点或噪声会有急剧变化。因此，我们可以通过计算图像中每个像素点处的梯度值，进而来确定该像素点是否位于边缘。边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。它通过对原始图像进行卷积运算来计算每个像素点处的梯度，并根据梯度大小和方向来确定该点是否为边缘。教师：王翌 学生：邓集亲。
2023-06-12 22:53:49
545
2
原创 图像开、闭、膨胀、腐蚀形态学变换-《医学图像处理》小作业七-Python代码/Matlab代码
其原理是将结构元素与待处理图像进行卷积，如果结构元素中心与待处理图像的某个像素点重合，则判断该像素点周围是否都为白色（或黑色），如果不是，则将该像素点置为黑色（或白色）。其原理是将结构元素与待处理图像进行卷积，如果结构元素中心与待处理图像的某个像素点重合，则将结构元素中的所有像素点都赋值给该像素点。其原理是先对图像进行膨胀，填充物体内部的孔洞和空隙，然后再进行腐蚀，使得物体边缘更加平滑和连续。其原理是先对图像进行腐蚀，去除掉小区域的噪声或毛刺，然后再进行膨胀，使得物体边缘更加清晰和平滑。
2023-06-12 22:46:20
361
1
原创 图像低通滤波器-《医学图像处理》小作业六-Python代码/Matlab代码
低通滤波器的基本原理是在空间域或频率域中将高频分量抑制或消除，从而实现平滑效果。在空间域中，低通滤波器可以通过卷积运算实现。在频率域中，低通滤波器可以通过将图像进行傅里叶变换，然后将高频分量截断或抑制来实现。在频率域中，低通滤波器的效果可以通过掩模函数来可视化。低通滤波是一种常见的图像处理方法，其原理是通过去除高频信号和噪声，保留低频信号来平滑图像。低通滤波器可以应用于多种图像处理任务，如降噪、模糊、平滑等。filter.jpg，再自选其它至少20张图片（包括灰度图片和彩色图片）。
2023-06-12 22:33:00
512
1
原创 傅里叶图像相关性匹配-《医学图像处理》小作业五-Python代码/Matlab代码
因此，可以说边缘和噪声是图像中的高频内容。模板匹配的原理就是利用目标的边缘信息用于搜索目标图像的模板所在位置，然后将模板图像在输入图像上滑动匹配，找到最大匹配度，模板匹配就完成了。更直观地说，对于正弦信号，如果幅度在短时间内变化很快，则可以说它是高频信号。如果变化缓慢，则为低频信号。二维傅里叶变换用于分析图像的频率特性，对采样的离散信号进行傅里叶变换，得到周期性的。学长我是用的python写的，matlab同样可以参考。可以将图像视为在两个方向上采样的信号。方向都进行傅立叶变换，可以得到图像的频率表示。
2023-06-12 22:22:28
597
1
原创 傅里叶变换源代码-《医学图像处理》小作业四-Python代码/Matlab代码
在图像处理中，频域反应了图像在空域灰度变化剧烈程度，也就是图像灰度的变化速度，也就是图像的梯度大小。也就是说，傅立叶变换提供另外一个角度来观察图像， 可以将图像从灰度分布转化到频率分布上来观察图像的特征。因此，可以说边缘和噪声是图像中的高频内容。更直观地说，对于正弦信号，如果幅度在短时间内变化很快，则可以说它是高频信号。傅里叶变换用于分析图像的频率特性，对采样的离散信号进行傅里叶变换，得到周期性的。经过傅里叶变换后的图像，我们可以得到一张频幅图，图像信息只有频率、幅度、方向。教师：王翌 学生：邓集亲。
2023-06-12 22:12:59
494
1
原创 灰度图、彩色图像直方图均衡化（包含RGB和HSI互转）-《医学图像处理》小作业三-Python代码/Matlab代码
如果一幅图像有两个不相连的区域组成， 并且每个区域的直方图已知， 则整幅图像的直方图是该两个区域的直方图之和。直方图均衡化是一种增强图像对比度的方法，其主要思想是将一副图像的直方图分布通过累积分布函数变成近似均匀分布，从而增强图像的对比度。图像的灰度直方图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。再自选其它至少20张图片（包括灰度图片和彩色图片）。
2023-06-12 21:56:32
5463
1
原创 拉普拉斯变换图像增强-《医学图像处理》小作业二-Python代码/Matlab代码
它的基本思想是当邻域的中心像素灰度低于它所在邻域内的其他像素的平均灰度时，此中心像素的灰度应该进一步降低；当高于时进一步提高中心像素的灰度，从而实现图像锐化处理。当中心像素灰度高于邻域内其他像素的平均灰度时，模板的卷积运算结果为正数；当中心像素的灰度低于邻域内其他像素的平均灰度时，模板的卷积的负数。对卷积运算的结果用适当的衰弱因子处理并加在原中心像素上，就可以实现图像的锐化处理。天津中医药大学-20级医学信息工程 教师：王翌 学生：邓集亲。当邻域内像素灰度相同时，模板的卷积运算结果为。
2023-06-12 19:39:37
945
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人