<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[大齐zkd的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/single1314</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; single1314]]></copyright><item><title><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chapter 3 Spatial Processing(2)]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/108190527</link><guid>https://blog.youkuaiyun.com/single1314/article/details/108190527</guid><author>single1314</author><pubDate>Sun, 23 Aug 2020 23:18:45 +0800</pubDate><description><![CDATA[一、非局部平均（non-loacal means）
正如上节看到的，局部平均有着某种非常有趣的数学特性，但是我们同时也看到这会导致图像中的内容变模糊，边缘变模糊。所以，我们该怎么解决这个问题呢？
我们有几种思路，一种是用不同的局部运算来代替局部平均，而另外一种是这样的，我们可以先问问自己，我们只局限于对局部邻域求平均吗？ 或许我们可以选择一个更好的求平均的方法 。记住平均就像热量的流动，那么我们应该是在最大和最小的像素值之间取平均 ，还是只对相似的像素点求平均，并且不对相差很大的像素点求平均，

现在我们来]]></description><category></category></item><item><title><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chapter 3 Spatial Processing(1)]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/108190402</link><guid>https://blog.youkuaiyun.com/single1314/article/details/108190402</guid><author>single1314</author><pubDate>Sun, 23 Aug 2020 23:07:00 +0800</pubDate><description><![CDATA[一、逐点运算

我们从非常简单的操作开始，都是一些直方图修正或者说是逐点运算，上图表明了它的基本思想，图像中的每一个像素的灰度，都会根据一个特定的方程改变它的值，但它不会被图像中其它任何部分的像素影响到。 这里输入值是一个特定的像素值，输出值也是一个特定的像素值。例如这个运算中，所有小于 k 的像素值都会变成 0 而大于k 的像素值会变成 1 或者是图像中的最大值，这种变换称为阈值处理。为了方便表示这种逐点运算，所以现在要确立一个一维函数，来将输入值转化为输出值。

上图是变换的几个例子，这里有一些图示。首]]></description><category></category></item><item><title><![CDATA[机器学习 (吴恩达+西瓜书) 学习笔记 - Octave使用 ( 实时更新 )]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/107973084</link><guid>https://blog.youkuaiyun.com/single1314/article/details/107973084</guid><author>single1314</author><pubDate>Thu, 13 Aug 2020 10:05:00 +0800</pubDate><description><![CDATA[一、基本运算
1、基本计算
1+1、1-1、1*1、1/1、2^3、1 == 2、1 ~= 2（不等于）、1 &amp;&amp; 0、1 || 0、xor(1，0)
[0:0.01:0.98] //取从0到0.98的所有值，精度0.01
2、矩阵和向量
定义矩阵： A = [1 2；3 4；5 6]  索引第三行第二列：A(3,2)
给矩阵A增广一列：A = [A ,[1 ;2 ;3 ] ]
把A中的所有元素组成一个列向量：A( : )
定义行/列向量：a=[1 2 3]  / a = [1 ;2 ;3 ]]></description><category></category></item><item><title><![CDATA[机器学习（吴恩达+西瓜书）学习笔记 - Neural Network]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/107945828</link><guid>https://blog.youkuaiyun.com/single1314/article/details/107945828</guid><author>single1314</author><pubDate>Tue, 11 Aug 2020 22:14:23 +0800</pubDate><description><![CDATA[一、为什么要学习神经网络
神经网络实际上是一个相对古老的算法，并且后来沉寂了一段时间，不过到了现在，它又成为许多机器学习问题的首选技术。我们已经有线性回归和逻辑回归算法了，为什么还要研究神经网络？
我们首先来看几个机器学习问题作为例子，这几个问题的解决，都依赖于研究复杂的非线性分类器考虑这个监督学习分类的问题。 我们已经有了对应的训练集，如果利用逻辑回归算法来解决这个问题。 首先需要构造一个包含很多非线性项的，逻辑回归函数这里g仍是s型函数 (即f(x)=1/(1+e^-x) ) 。我们能让函数包含很多像这]]></description><category></category></item><item><title><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chapter 2 Image Compression（4）]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/107892879</link><guid>https://blog.youkuaiyun.com/single1314/article/details/107892879</guid><author>single1314</author><pubDate>Sun, 09 Aug 2020 13:19:18 +0800</pubDate><description><![CDATA[我们讲过 JPEG (静止图像压缩标准) 是最重要的图像压缩算法。总体上说，还有其他一些非常重要的图像和视频压缩技术，其中一个是JPEG-LS (无损图像压缩标准)，另外一个是MPEG (动态图像压缩标准) 。JPEG-LS允许我们进行无损压缩，也就是说不会有任何信息损失，图像中的每一个像素值都会被保留。而MPEG则是我们用来压缩视频的标准，大家的手机中大概都有MPEG，并且大家在网络上都看过用MPEG压缩的视频。那么下面就来讲解，这两个非常重要的图像和视频压缩技术。
一、无损预测压缩

我们要想学习JPE]]></description><category></category></item><item><title><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chapter 2 Image Compression（3）]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/107888955</link><guid>https://blog.youkuaiyun.com/single1314/article/details/107888955</guid><author>single1314</author><pubDate>Sun, 09 Aug 2020 01:25:28 +0800</pubDate><description><![CDATA[一、量化的基本思想（Quantization）
我们现在可以开始学习会引起误差的主要步骤，那就是量化。这也是进行很大压缩的一步，没有量化， 我们不可能做到很大压缩。我们先回忆一下之前学过的步骤，首先从一个 8 x 8 图像开始的，然后将它进行DCT变换，变换后我们得到了变换系数T(u，v)。为了方便理解，我们再把变换系数的公式写在下面。
T(u,v)=∑x=0n−1∑y=0n−1f(x,y)r(x,y,u,v)
T(u,v)=\sum^{n-1}_{x=0}\sum^{n-1}_{y=0}{f(x,y)r(]]></description><category></category></item><item><title><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chapter 2 Image Compression（2）]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/107853457</link><guid>https://blog.youkuaiyun.com/single1314/article/details/107853457</guid><author>single1314</author><pubDate>Fri, 07 Aug 2020 00:59:06 +0800</pubDate><description><![CDATA[我们现在要讲解建立图像压缩算法的每一个环节，而且会特别详细讲解静态图像压缩标准 (JPEG)。
一、 霍夫曼编码（Huffman coding）
我们先从符号编码器讲起。在完成所有变换和量化之后，我们希望进一步压缩图像，量化会提供一定程度的压缩，但我们仍希望进一步压缩。我们需要存储量化后的数据 我们需要保证精确无误地存储。
为什么可以压缩呢以及如何压缩呢？如下图这张叫 Lena 的非常著名的图片，右边是此图的直方图，直方图记录每一特定的灰度值在图像中出现的次数。 我们由直方图可以看出，有些灰度值出现很多次，]]></description><category></category></item><item><title><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chapter 2 Image Compression（1）]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/107827969</link><guid>https://blog.youkuaiyun.com/single1314/article/details/107827969</guid><author>single1314</author><pubDate>Wed, 05 Aug 2020 23:28:28 +0800</pubDate><description><![CDATA[本章需要一些关于信号处理和信息论的知识。我们将学习图像压缩、静态图像压缩(JPEG) 、动态图像压缩(MPEG) 等技术是如何工作的。
一、 为什么需要图像压缩？
为什么我们需要图像压缩？如果一张图片不进行压缩，可以容易计算出，一张低分辨率的图像也会占用很大的空间，我们不可能把一大堆这样的照片，存入我们的手机或者电脑中。所以我们需要压缩技术，来帮助我们储存这些图像和视频，而不必在我们的手机或电脑中占据大量的空间。
二、 为什么图像可以被压缩？
为什么我们可以压缩图像和视频？ 其中一个原因通常被称为冗余。这是]]></description><category></category></item><item><title><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chapter 1 Introduction（2）]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/107777612</link><guid>https://blog.youkuaiyun.com/single1314/article/details/107777612</guid><author>single1314</author><pubDate>Tue, 04 Aug 2020 02:12:33 +0800</pubDate><description><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chaper 1 Introduction （2）
一、图像的采样和量化
图像采集的基本思路是这样的，光线被物体反射，并进入照相机。能量进来后，有滤波器，因此，能量被滤波后然后传输。对于相机而言，滤波后应该得到的是可见光频段。然后，在数字相机里面有传感器，它们的功能和我们的眼睛里视网膜上的锥细胞和柱细胞是一样的。通常，相机里的众多传感器会摆成一个二维的传感器矩阵。因此，我们实际上得到了离散值。当我们去购买相机时，我们会听到这是 1,000 x 1,000，这意味着]]></description><category></category></item><item><title><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chapter 1 Introduction（1）]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/107739756</link><guid>https://blog.youkuaiyun.com/single1314/article/details/107739756</guid><author>single1314</author><pubDate>Sun, 02 Aug 2020 01:52:15 +0800</pubDate><description><![CDATA[数字图像处理（冈萨雷斯第三版）学习笔记 - Chaper 1 Introduction
前言： 本人是一名刚刚学习数字图像的小白，目前正在学习数字图像处理这门课程，所使用的教材是冈萨雷斯的经典书籍《数字图像处理》，学习的课程是由Duke大学Guillermo Sapiro教授的课程：《Image and Video Processing: From Mars to Hollywood with a Stop at the Hospital》，个人比较了很多同类的课程，画质清晰而且课程设计也是别出心裁，对于此]]></description><category></category></item><item><title><![CDATA[[原创]恩智浦智能车电机驱动板之BTN系列驱动设计详细讲解（新手帖、附原理图和PCB）]]></title><link>https://blog.youkuaiyun.com/single1314/article/details/84530736</link><guid>https://blog.youkuaiyun.com/single1314/article/details/84530736</guid><author>single1314</author><pubDate>Mon, 17 Dec 2018 21:25:52 +0800</pubDate><description><![CDATA[# [原创]恩智浦智能车电机驱动板之BTN系列驱动设计详细讲解（新手帖、附原理图和PCB）

 首先自我介绍一下，本人是参加的第十三届智能车比赛的大三学生，负责软件部分。在准备比赛的过程中，发现比赛的时候一些队伍用的电机驱动板有一些是网上买的，一些是祖传的，而并不是自己设计的。其实，这可以理解，因为设计一个好的电机驱动板的确不是一个简单的事情，他需要具备驱动能力强，有过流保护，信号稳定性好，体积还...]]></description><category></category></item></channel></rss>