m0_65787507的博客

2张A4纸以内，正反面均可写（不过博主由于墨水浸到背面了，采用了把2张单面通过双面胶粘起来的方法，结果考前半个小时都在用这个难用的双面胶。。。

【1】几何变化：旋转、相似（旋转 + 各向相同的尺度缩放）、仿射（非各向相同的尺度缩放）（4）随几何尺度变化，Harris角点检测的性能下降。（2）窗口向任意方向的移动都导致图像灰度的明显变化。（1）局部窗口沿各方向移动，均产生明显变化的点。（2）对于图像灰度的仿射变化具有部分的不变性。（2）提取R的局部极大值（非极大值抑制）（3）对于图像几何尺度变化不具有不变性。（1）从图像局部的小窗口观察图像特征。（2）图像局部曲率突变的点。（1）Harris角点检测。（2）CSS角点检测。Harris角点检测。

匹配：通过利用某种相似性度量，如相关函数、协方差函数、差平方和、差绝对值和等测度极值，判定两幅图像中的对应关系。”匹配：通过分别提取两个或多个图像的特征（点、线、面等特征），对特征进行参数描述，然后运用所描述的参数来进行匹配。Step 1-确定摄像机的相对几何位置和有关参数，即摄像机的标定（Calibration）Step 3-把左、右两幅图像中的有关特征进行匹配，即解决特征匹配的方法问题。Step 2-寻找在两幅图像中都便于区分的特征，或用于匹配的 基元。外极点：两台摄像机中心的连线与图像平面的交点。

（1）选取 n (n>=6）个标定特征点，得到其关于11个未知数的超定方程。（1）已知像素坐标，将m_ij看作未知数，则共有12个未知数。（3）假设m_34 = 1，则共有11个未知数。（1）求出相机的内、外参数，以及畸变参数。（2）校正镜头畸变影响，生成矫正后的图像。【3】相机标定的方法（线性标定方法为例）相机参数：相机成像的几何模型的参数。（2）每个标定点对应两个方程。（3）载入图像并选择标定模型。相机标定：求解参数的过程。（2）非线性优化标定方法。【1】相机标定的概念。【2】相机标定的作用。

相机的参数：含内参(intrinsics)、外参(extrinsics)、畸变系数(distortion coefficients)相机中四个坐标系：{world}，{camera}，{image}，{pixel}相机在世界坐标系旋转到当前姿态需要的 旋转矩阵 Rc。描述相机中心在世界坐标系中的位置的 向量 C。【4】从{world}到{pixel}四个坐标系的变换过程。成像过程：三维空间坐标到二维图像坐标的变换。【1】从{world}到{camera}【2】从{camera}到{image}

运算过程：在目标图像上方滑动结构元素时，在每一点记录结构元素上的最低点，则由这些最低点构成的集合即为闭运算的结果。运算过程：在目标图像下方滑动结构元素时，在每一点记录结构元素上的最高点，则由这些最高点构成的集合即为开运算的结果。将图像看成是自然地貌中的地形图，每一个像素的灰度值代表其位置的海拔高度，不同的区域称为。（1）开操作：去除较小的明亮细节，保持整体的灰度级和较大的明亮特征相对不变。图像函数f(x,y)和b(x,y) 表示 目标图像A和结构元素B。经腐蚀运算后，图像边缘部分具有较大灰度值的点的。

形态学的基本思想：用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。经过开运算的图像比原始图像更规则化：轮廓被平滑、细长的部分被去除、小的孤岛被去除。像素邻域的背景与背景部分B2匹配，腐蚀原始图像的补集（背景区域）对目标图像的膨胀运算，相当于对图像背景的腐蚀运算操作。对目标图像的腐蚀运算，相当于对图像背景的膨胀运算操作。经过闭运算的图像比原始图像更规则化：小的通道和小孔被填满。结构元素B填入图像A，B的原点组成新的腐蚀图像。(x, y)变成(x+x0, y+y0)

3. 认为这些点对应实际场景中白色的点，计算出这些点对应的R、G、B分量的均值，确定出白平衡法的调整参数KR、KG、KB。RGB模型：对彩色图像的每一个颜色分量进行平滑或锐化，然后再将处理后的分量进行合成得到处理后的彩色图像。2. 设定一个较大的阈值T，求出图像中亮度值大于 T * Imax 的点的集合。1. 计算出色偏图像的亮度分量，求出图像的最大亮度Imax和平均亮度。彩色图像的图像分割：对彩色图像的R、G、B各个平面分别进行阈值处理。实质：通过对图像R、G、B分量的变换，使得每个像素点的。

2：人眼对颜色非常敏感，可以分辨出来几千种颜色色调和亮度，却只能分别出几十种灰度。1：利用颜色信息，可以简化目标物的区分，以及从场景中提取出目标物。颜色变换的本质是：角度变换改变色调，中心到半径的长度改变饱和度。三基色原理：自然界中的绝大多数的颜色都可以分解成红、绿、篮。提出2种均匀色差彩色模型：L﹡U﹡V﹡和L﹡a﹡b﹡。彩色模型的建立目的：提供一个可接受的指定彩色标准。色调（H）：0°红色，120°绿色，240°蓝色。相加混色：三基色按不同比例相加进行的混色。色度学：研究彩色视觉和光谱特性的学科。

纹理定义：图像纹理由图像强度局部变化重复的模式组成，这种重复模式的基本单元（或基元）按某种规则排列。盒子维：使用相邻的大小固定的盒子去度量，使用最小数量的欧氏结构体在固定的尺度下来覆盖整个集合。纹理分析：通过一定的图像处理技术提取出纹理特征参数，从而获得纹理的定量或定性描述的处理过程。δ(1, 0)中，第1行第1列为4，因为该方向上 1 -> 1 的个数为4，如下图。纹理分割：按照一定的纹理特征和一致性属性准则，区分输入图像中不同纹理的过程。（3）纹理分析应用研究，如纹理分类、纹理合成、纹理检索等。

最小的外接矩形（MER）：将物体在90度范围内等间隔地旋转，每次记录其坐标系方向上的外接矩形参数，取其面积为最小的矩形的参数为主轴意义下的长度和宽度。在研究一个图像连接成分的场合，若1像素的连接成分用4-连接或8-连接，而0像素连接成分不用相反的8-连接或4-连接就会产生矛盾。孔：在0-像素的连接成分中，如果存在和图像外围的1行或1列的0-像素不相连接的成分，则称之为孔。给连接在一起的像素（连接成分）附上相同的标记，不同的连接成分附上不同的标记的处理。

计算高低两个阈值， 凡是大于高阈值的一定是边缘，凡是小于低阈值的一定不是边缘。2、边缘连接：把由边缘检测算法产生的无序边缘集作为输入，输出一个有序边缘集（边缘连接是边缘检测的后续处理）【4】重复（1）~（4）这个过程，直到达到一定迭代次数后，选出那个被支持的最多的模型，作为问题的解。【4】在参数ab平面上相交直线最多的点，对应的xy平面上的直线就是需要的解。【2】过xy平面一个点(x,y)的所有直线，构成参数ab平面上的一条直线。图像的不连续性：灰度值的突变，纹理结构的突变，颜色的变化。

当已知物体占整个图像的比例为p%时，在直方图上从暗灰度一侧起（或者亮灰度一侧起）的累计像素数占总像素数p%的地方作为阈值。区域生长：从满足检测准则的点（或者已知点）开始，在各个方向上把具有相似性质的像素集合起来构成一个区域。由某个阈值 t 将图像阈值化时，能使目标物体和背景两个像素类的类间方差最大的阈值被选为最佳阈值T。把图像分成若干个特定的、具有独特性质的区域，并提出感兴趣目标的技术和过程。图像包含两个以上的不同类型的区域，使用几个阈值来分割图像。2）如果相邻的子区域所有像素的灰度级相同，则将其合并。

【3】在任何经BLPF处理过的图像中都没有明显的振铃效果，是滤波器在低频和高频之间的平滑过渡的结果。【2】以r为半径的圆就包含了百分之β 的能量，u,v是以D0为半径的圆所包括的全部u和v。函数卷积的傅里叶变换是函数傅里叶变换的乘积，即：一个域中的卷积相当于另一个域中的乘积。【1】变换函数中不存在一个不连续点作为一个通过的和被滤波掉的截止频率的明显划分。【1】变换函数中不存在一个不连续点作为一个通过的和被滤波掉的截止频率的明显划分。【2】当从变换的原点移开时，低频对应着图像的慢变化分量，如图像的平滑部分。

【1】响应灰度范围：对边缘灰度变化梯度、线条等细节有响应，但是对噪声点有抑制或者去除的作用。【2】响应位置：对边缘等能够尽可能的逼近，最好能形成只有一个像素的边缘线条。解决的方法：先对图像进行平滑滤波，消除部分噪声，再进行边缘检测。原因：在将噪声点分摊的同时，将景物的边界点也分摊。一阶微分锐化：对灰度梯度变化具有较强的相应。二阶微分法锐化：对线条等细节有较强的响应。图像微分法：微分计算灰度梯度突变的速率。：人为方法模糊的图像，可用均值滤波计算。锐化滤波：使图像边缘细节增强，噪声放大。C为常数，C > 1。

把 5×5 邻域分割成 9 个小区域，寻找其中最平坦的小区域（即无噪声和无边缘）作为输出，就可以消除噪声。图像噪声：图像在获取或传输的过程中受到随机信号的干扰，在图像上出现的一些随机的、离散的、孤立的像素点。优点：对脉冲干扰和椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。图像平滑的目的：消除或尽量减少噪声的影响，改善图像的质量。（2）图像上的噪声是加性的、均值为零，与图像信号互不相关。一个点的邻域：以该点为中心的矩形内部或边界上点的集合。物体间的边界：现实场景中的存在于物体之间的边界。

2、当一个像素的灰度值的最高比特为1时，灰度值必定大于等于128(10000000)。4、位面6把原始图像的灰度值分成[0, 63]、[128, 191]、[64, 127]、[192, 255]图像增强：对图像中包含的亮度和色彩等信息进行增幅，或者将这些信息变换成其它形式的信息等，通过各种手段来。直方图匹配：修改一幅图像的直方图，使得它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。eg：像素的取值范围为0-255，则该图像为256个灰度级的图像。1、位面0代表最低位面，位面7代表最高位面。

西北NW：north-western，东北NE：north-eastern，西南SW：south-western western，东南SE：south-eastern。5、关系结构：信息集中在语义上重要的图像组成部分上，即物体之间的关系上，适合用于高层次的图像理解工作。ML 是具有原始图像分辨率的图像（原始图像），依次降低1倍分辨率得到该图像序列。依据电磁波谱的分布，对不同波段图像反射、透射等图像的生成，即形成了光谱图像。3、行程编码：常用于图像矩阵中符号串的表示，仅记录图像中属于物体的区域。

在生成彩虹表时，会使用各种可能的字符组合来生成密码，计算它们的 MD5 值，并存储在表中。以下为方便叙述在内网中的各个主机的 ip 地址，定义 1 号主机的 ip 为 10.205.5.11，2号主机的 ip 为 10.205.5.22，3 号主机的 ip 为 10.205.5.33，4 号主机的 ip 为 10.205.5.44。通过openssl ca -in /home/kali/app.csr -out /etc/pki/CA/certs/app.crt -days 365，颁发服务器的证书。

以下为方便叙述在内网中的各个主机的 ip 地址，定义 1 号主机的 ip 为 10.205.5.11，2号主机的 ip 为 10.205.5.22，3 号主机的 ip 为 10.205.5.33，4 号主机的 ip 为 10.205.5.44。因此，在A和B之间的通信，所有数据通过SSH隧道加密，因此无法在主机A或主机B上抓ssh包看到密码。例如在此处，客户端的私钥文件的保存路径为：/root/.ssh/id_ed25519，公钥文件的保存路径为：/root/.ssh/id_ed25519.pub。

以下为方便叙述在内网中的各个主机的ip地址，定义1号主机的ip为10.205.5.11，2号主机的ip为10.205.5.22，3号主机的ip为10.205.5.33，4号主机的ip为10.205.5.44。在3号主机上，通过ettercap -i eth1 -Tp -M arp:remote -P dns_spoof /192.168.0.123// /192.168.0.254//，对1号主机进行外网的dns攻击。如果目标靶机在kali下运行，则在外网条件下，arp攻击都是无效的。

此后的过程是Ip为10.205.5.22的主机不断尝试连接端口22，Ip为10.205.5.33的主机不断终止连接。此后的过程是Ip为10.205.5.22的主机不断尝试连接端口22，Ip为10.205.5.33的主机不断终止连接。第二条为Ip为10.205.5.33的主机向Ip为10.205.5.22的主机，发送SYN的ACK包。表示服务器接受了客户端的连接请求，并等待客户端的确认。第二条为Ip为10.205.5.33的主机向Ip为10.205.5.22的主机，发送SYN的ACK包。

(train_confusion <- table(actual = traindata$流失, predictedclass = train_predict$class))(train_confusion <- table(actual = traindata$流失, predictedclass = train_predict$class))(train_confusion <- table(actual = traindata$流失, predictedclass = train_predict))

2.2.2　RStudio窗口介绍。5.1.7　R语言主要分类与预测算法函数。5.4.5　R语言主要时序模式算法函数。5.3.4　htmlwidgets包。5.5.2　基于模型的离群点检测方法。5.5.3　基于聚类的离群点检测方法。3.3.1　统计特征函数。3.3.2　统计作图函数。3.1.1　缺失值分析。3.1.2　异常值分析。3.1.3　一致性分析。3.2.3　统计量分析。3.2.4　周期性分析。3.2.5　贡献度分析。3.2.6　相关性分析。4.3.3　连续属性离散化。1.4.1　定义挖掘目标。

qplot(Sepal.Length, Sepal.Width, data = iris, geom = c("point", "smooth"), facets = ~Species,colour = Species, main = "绘制分面板的散点图")qplot(Species, Sepal.Length, data = iris, geom = c("violin", "jitter"), fill = Species,main = "依据种类分组的花萼长度小提琴图")

小提琴图（Violin Plot）：结合了箱线图和密度图的特点，展示了数据的分布形状和中位数。适用于比较多个组的分布，并观察它们之间的差异。箱线图（Box Plot）：用于显示连续变量的分布情况，包括中位数、四分位数和异常值。数据标签（Data Labels）：在图形中添加数据点的数值标签，使得读者可以直观地了解数据。坐标轴标签（Axis Labels）：标明 x 轴和 y 轴的含义，提供数据的单位或范围。图例（Legend）：用于解释图形中的颜色或图案代表的含义，特别适用于多组数据的比较。

pie(table(cyl), labels = paste(c("4", "6", "8"), "cylinders:", percent, "%")) # 画饼图。legend("bottomleft", c("wt", "normal"), lty = 1, col = 2:3, bty = "n") # 添加图例。type <- c("p", "l", "b", "o", "c", "h", "s", "S", "n" ) # 图形类型向量。

【练习2：数据变换】PPT-07第24页——通过对一矩阵使用最小-最大规范化、零-均值规范化、小数定标规范化对其处理，对比结果。(i1

此时需要在这段代码之前加上【inputfile$date <- as.Date(inputfile$date, format = "%Y/%m/%d")】，并且重新运行一遍之前的所有代码，再进行之后的操作。inputfile <- data.frame(sales = inputfile$'销量', date = inputfile$'日期')result2 <- rbind(inputfile1, inputfile2) # 并入完成插补的数据。

脏数据主要包括：缺失值、异常值、不一致的值、重复数据和含有特殊符号的数据。space = 0, ylim = c(0, 10000), xlab = "菜品", ylab = "盈利：元")2：缺失值分析包括：（1）统计缺失值的变量个数；colnames(a) <- c("均值", "中位数", "极差", "标准差", "变异系数","1/4分位数", "3/4分位数", "四分位间距")4：数据的不一致性是数据的矛盾性和不相容性，不一致数据的产生主要发生在数据集成的过程中。

或者通过例如【options(repos = c(CRAN = "https://cloud.r-project.org/"))】的方式更换。1：在变量的重命名中，rename函数可修改数据库和列表（不改变原数据集中的变量名），不能修改矩阵；reshape2和reshape不是一个依赖包，只载入reshape包而不载入reshape2包，无法调用reshape2中的封装功能。data<-c("2016年1月1日","2016年2月1日")strsplit(data,"年")[[1]][1]

by、by.x和by.y指定合并的列；suffixes标明后缀出处。merge(data,pd,by.x = '名称',by.y = '姓名',all=TRUE,sort=TRUE,suffixes = c('.data','.pd'))merge(data,pd,by.x = '名称',by.y = '姓名',all=TRUE,sort=TRUE,suffixes = c('.x','.y'))武功 <- c('降龙十八掌',' 落英神剑掌','全真剑法','九阴白骨爪','蛤蟆功','一阳指')

使用grep()函数，查找出植物名称（Plant）中含有" Qn "的行的位置，并将这些行储存于变量Plant_Qn中。# 应用aggregate()函数，计算不同植物（Plant）、不同的类型（Type）对应的uptake的平均值。# 使用gsub()函数，将CO2中植物名称（Plant）中的字符串" Qn "改为" QN "# 应用tapply()函数，计算不同的植物（Plant）对应的uptake的平均值。# 检验CO2中是否存在缺失值，若有，检测缺失值的位置并删除含有缺失值的行。

练习1代码：创建向量y，y为重复序列：元素为“red”、“orange”、“green”，各元素重复两次，序列长度为5。练习2代码：使用matrix()函数，以向量形式输入矩阵中的全部元素，使用ncol和nrow设置矩阵的行和列数。Eg.1代码：创建3个不同类型的数据，展示3个辨别函数的区别，即mode<class<typeof。（2）返回z的结果；练习1代码：创建一个向量x，内含等差数列：首位为1.7，等差为0.1，长度为5。y <- c("女","男","男","女","女","女","男")

输出函数包括绘图函数（如plot()、points()、lines()等）、统计函数（如hist()、boxplot()等）以及其他常用函数（如title()、legend()等）。载入R包是指在用户的R会话中将某个已经安装的R包加载到内存中，以便在当前会话中使用该包中的函数和数据。分析可知，该向量由（1 2 3 4 5）、（2 3 4 5 6）、（3 4 5 6 7）、（4 5 6 7 8）、（5 6 7 8 9）5个子向量组成，且后面一个子向量在前面一个子向量的基础上进行了+1操作。

在R console中利用【installed.packages()[,c('Package','Version','LibPath')]】查看已经安装的扩展包，结果如下图所示（由于扩展包的数量过多，因此此处仅展示一部分扩展包内容）。同时，采用方法2更新R时，输入【installr::updateR(fast=TRUE,cran_mirror="https://mirrors.ustc.edu.cn/CRAN/")】，将出现以下结果。同时，也可通过【version】命令查看R语言的版本。

（有空更新一下各个章节的复习内容，没空等着裸考了hh）ppt3：语音识别和语音合成技术简介。ppt3：photoshop高级处理。ppt1：多媒体个人计算机系统。ppt1：音频信息获取和处理。ppt2：数字图像处理和压缩。[实验：Photoshop]ppt2：Animate简介。ppt1：视频信息获取和处理。[实验：Audition]ppt1：图像获取和处理。ppt1：动画获取和处理。[实验：Animate][实验：Premier]ppt2：数字音频编码。ppt1：多媒体概述。

【多媒体技术与实践】使用OpenCV处理图像（实验三.上）

根据输入的图像分辨率及深度，计算图像的数据量。例如：输入：输出：17.02MB (保留小数点后2位)【代码块】【解析】公式在【chap4 Review of Image Processing and photoshop instruction】ppt中的46页处如果是采用位映射存储方式，则未经压缩的数字图像数据量(B/幅＝分辨率×(图像深度/8)综上所述，图像数据量=height * width * depth / 8 (bit)同时1MB=1048576bit。

国际电信联盟ITU把媒体分为5种类型，其中，【1】是直接用于人的感官，使人能产生感觉的一类媒体；【2】是为了表达、处理和传输而人为构造的一种媒体，是信息保存和表示的形式；【3】是表示和获取信息的物理设备，如键盘、鼠标和显示器；【4】是指媒体传输中电信号与媒体之间转换所用的一类媒体；【5】是传输数据的物理载体；而内存、磁盘和光盘属于【6】。【1】感觉【2】表示【3】显示【4】显示【5】传输【6】存储。