<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[一直小蜗牛，学得慢爬得慢]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_44820108</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_44820108]]></copyright><item><title><![CDATA[膨胀与腐蚀]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/121660785</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/121660785</guid><author>qq_44820108</author><pubDate>Thu, 13 Apr 2023 17:41:29 +0800</pubDate><description><![CDATA[膨胀与腐蚀的理解
腐蚀（Erosoin）




图中的黄色像素点就是被腐蚀掉的像素点（removed），用这个结构体（SE）在这个original pixels里面进行移动，注意这里的original pixels是一个二值图像，然后将二值图像中的pixel与结构体（SE）进行与运算，如果与运算的结果等于这个结构体的结果，那么就保留这个像素点，否则舍去这个像素点。具体操作这一用以下思路：
定义一个结构体，使用这个结构体与原二值图像所对应的邻域进行卷积操作，如果卷积的结果等于结构体中的元素求和(Fit)，那]]></description><category></category></item><item><title><![CDATA[MOSFET NPN三极管寄生电容、寄生电感产生反向电压冲击的一些思考]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/130112699</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/130112699</guid><author>qq_44820108</author><pubDate>Thu, 13 Apr 2023 17:36:26 +0800</pubDate><description><![CDATA[在基极处，由于存在基极发射结，基极发射结的反向耐压是有限的，而负载电感产生的反向电压冲击是非常高的，因此会导致基极发射结瞬间击穿，产生一个反向电流，即所谓的反向电压冲击。这个过程非常短暂，一般只有纳秒级别的时间，但是由于反向电流的瞬间高峰值和短脉冲宽度，会给三极管的基极和发射极带来一定的热量和压力，从而会对三极管的可靠性和寿命造成影响。需要注意的是，这个反向电流的大小非常小，通常在几微安左右，因为三极管的寄生电容和负载电感都是很小的电容和电感，而且在切断瞬间只会产生非常短暂的反向电压峰值。]]></description><category></category></item><item><title><![CDATA[MATLAB中使用ocr（）函数roi报错问题]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/127235689</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/127235689</guid><author>qq_44820108</author><pubDate>Sun, 09 Oct 2022 22:59:53 +0800</pubDate><description><![CDATA[MATLAB中ocr()函数识别报错expected roi to be fully contained in image I ，这种报错很少人能遇到，但是一旦遇到了，就很难解决。百度了一下，没有百度到解决方案，确实卡住我了。]]></description><category></category></item><item><title><![CDATA[python中动态的创建类]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/123830146</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/123830146</guid><author>qq_44820108</author><pubDate>Tue, 29 Mar 2022 19:52:39 +0800</pubDate><description><![CDATA[python中我们会遇到动态创建一个类的需求，这里给出一种动态创建类的一种实现方法：
第一种，生成实例时，不需要传入参数的创建一个动态类：
# 所有的类都是 type（）产生的
# 可以使用 type（）动态的创建一个类
# 类本身也是一个对象
# 动态生成一个类


class Person(object):

    def __init__(self, name, age):
        self.name = name
        self.age = age


p = Person('H]]></description><category></category></item><item><title><![CDATA[采用new方法，实现多任务实现单个实例对象]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/123825260</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/123825260</guid><author>qq_44820108</author><pubDate>Tue, 29 Mar 2022 16:51:16 +0800</pubDate><description><![CDATA[有时候我们会遇到这样的需求：
当有多个任务触发时，我们往往只需要生成同一个实例对象，例如打印机，不同程序再调用打印机的时候，只生成了一个打印机实例对象。
这样的需求可以使用__new__(cls, *args, **kwargs)方法来实现，具体实现方式看下面的示例代码：

class Printer(object):
    """
    采用new方法，实现多任务实现单个实例对象
    """
    tasks = []
    instance = None

    def __init__(]]></description><category></category></item><item><title><![CDATA[最好理解的python中的列表推导式]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/123361085</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/123361085</guid><author>qq_44820108</author><pubDate>Tue, 08 Mar 2022 19:57:22 +0800</pubDate><description><![CDATA[为了我帮助理解，菜鸟教程中的python推导式，是我看过最容易理解的方法了。这里就记录一下。
列表推导式（又称列表解析式）提供了一种简明扼要的方法来创建列表。
它的结构是在一个中括号里包含一个表达式，然后是一个for语句，然后是 0 个或多个 for 或者 if 语句。那个表达式可以是任意的，意思是你可以在列表中放入任意类型的对象。返回结果将是一个新的列表，在这个以 if 和 for 语句为上下文的表达式运行完成之后产生。
列表推导式的执行顺序：各语句之间是嵌套关系，左边第二个语句是最外层，依次往右进一层，]]></description><category></category></item><item><title><![CDATA[这些鲜为人知的 Python操作]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/122348602</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/122348602</guid><author>qq_44820108</author><pubDate>Thu, 13 Jan 2022 21:45:34 +0800</pubDate><description><![CDATA[进制转换
平时的编码过程中，进制转换是非常常用的一个功能，尤其是涉及到一些算法的时候更是频繁。事实上 Python 已经内置了各个进制转换的 Api，咱们直接调用即可。
int('1100', 2)
&gt;&gt;&gt;12
int('30', 8)
&gt;&gt;&gt;24
int('ac9', 16)
&gt;&gt;&gt;2761


...]]></description><category></category></item><item><title><![CDATA[opencv报错问题]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/122178556</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/122178556</guid><author>qq_44820108</author><pubDate>Mon, 27 Dec 2021 19:06:40 +0800</pubDate><description><![CDATA[问题
在使用opencv库的时候，有时候因为opencv版本问题，导致产生了一下问题：
cv.circle(img, (pts1[0][0], pts1[0][1]), 5, (0,0,255), cv.FILLED)
cv2.error: OpenCV(4.5.2) ???? error: (-5:Bad argument) in function ‘circle’
Overload resolution failed:


Can’t parse ‘center’. Sequence item with]]></description><category></category></item><item><title><![CDATA[python数组周围填充数0,numpy.pad用法]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/121720227</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/121720227</guid><author>qq_44820108</author><pubDate>Sat, 04 Dec 2021 22:16:20 +0800</pubDate><description><![CDATA[数的填充
把数组里面的数填充后可以用来进行图像处理。
左上右下
import numpy as np

a = np.arange(95, 99).reshape(2, 2)
b = np.pad(a, (2, 2), 'constant')    # 左上右下填充
print(b)


填充结果：

左上
import numpy as np

a = np.arange(95, 99).reshape(2, 2)
b = np.pad(a, (2, 0), 'constant')    # 左上右下填充]]></description><category></category></item><item><title><![CDATA[彩色图像转灰度图像原理python]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/121702791</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/121702791</guid><author>qq_44820108</author><pubDate>Fri, 03 Dec 2021 17:21:16 +0800</pubDate><description><![CDATA[现在我们所接触到的图像绝大多数都是数字图像，图像数字化后，每个像素点就可以看作是一个小方格，每个小方格里面存储的就是图像的像素信息。如果把一副数字图像抽象出来，就是一个二维矩阵（灰度图）或者三维矩阵（彩色图）。任何颜色都有红、绿、蓝三原色组成。用红、绿、蓝三元组的二维矩阵来表示（这样构成了三个通道），抽象出来一起构成了一个三维数组。]]></description><category></category></item><item><title><![CDATA[雨课堂同济大学《知识产权法》袁秀挺 章节练习答案]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/121675109</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/121675109</guid><author>qq_44820108</author><pubDate>Thu, 02 Dec 2021 14:16:26 +0800</pubDate><description><![CDATA[雨课堂同济大学《知识产权法》袁秀挺章节练习答案]]></description><category></category></item><item><title><![CDATA[数字图像直方图均衡化python]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/121621253</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/121621253</guid><author>qq_44820108</author><pubDate>Tue, 30 Nov 2021 23:58:13 +0800</pubDate><description><![CDATA[文章目录直方图均衡化数字图像什么图像里面的直方图？归一化
直方图均衡化
数字图像
数字图像这个概念我想大家都应该有些概念，以前的相片都是通过相机使用胶片来曝光，胶片上面的感光物质，当光线照射到上面的时候，就会形成曝光点。一个图像映射进去过后，就在底片中形成了图片，得到了胶片后，我们还需要经过特殊的处理（洗胶片），才能得到我的照片。
但是现在的图像都是通过数字化处理后存放在内存中，里面都是数字图像。就比如二进制图像，1代表黑色，0代表白色，这样以一个二维矩阵形式存放在内存中。而彩色图像就比较复杂一点儿（我们现]]></description><category></category></item><item><title><![CDATA[感知器perception的python代码实现]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/121596636</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/121596636</guid><author>qq_44820108</author><pubDate>Sun, 28 Nov 2021 20:43:37 +0800</pubDate><description><![CDATA[没有使用pytorch、tensorflow等框架的感知器，自己手写的感知器代码。采用上一个博客生成的双月形数据集，把数据集送到感知器模型中进行训练，这里我太懒了，不想写什么是感知器模型了，先填一个坑，以后来补上把。]]></description><category></category></item><item><title><![CDATA[神经网络与机器学习中双半月环数据集python实现]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/121594198</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/121594198</guid><author>qq_44820108</author><pubDate>Sun, 28 Nov 2021 17:33:15 +0800</pubDate><description><![CDATA[分为两个半月行数据，并且给每一个数据做一个标签，这样我们才能进行二分类问题，]]></description><category></category></item><item><title><![CDATA[RGB等图片的图像插值算法python实现]]></title><link>https://blog.youkuaiyun.com/qq_44820108/article/details/121588142</link><guid>https://blog.youkuaiyun.com/qq_44820108/article/details/121588142</guid><author>qq_44820108</author><pubDate>Sun, 28 Nov 2021 13:43:12 +0800</pubDate><description><![CDATA[放大的基本思想：
第一步：
将目标图像进行缩小到原图像的尺寸，虚拟的将二者进行对重叠在一起，这样目标图像上面的像素点就和原图像上面的像素点并不是一一对应的。
第二步：
将目标图像与原图像的像素点进行建立一个映射关系，这个像素点的映射关系不是单一的像素映射，因为我们把图片存放在三维数组里面，所以我们在得到图像的像素点时，我们是通过索引数组的`高和宽`，在坐标系中对应的就是`x坐标、y坐标`.
怎样建立映射关系呢？
本文中用到了前面三种插值算法，并且进行了代码实现，代码仅供参考，大佬随便看一下小菜鸡的就行了。]]></description><category></category></item></channel></rss>