vvickey11的博客

1.有的时候有的matlab运行出来的结果是需要保存的，我们可以直接保存生.mat类型的文件。以便于下次不用再次运行程序save('Dppppdata.mat','dataP')类似酱紫，还有就是我老是忘记要加‘’号，原因未知囧2.类似于a=load('aaa.mat');的文件的a是一个结构体，如果运用里面数据的话就是a.data3.还有就是{}，当原来的数据是cell型size为9

主要思想：1.先对图像傅里叶二维变换2.因为傅里叶而维变换后不是中心对称，要中心对称一下，使中心位于坐标原点3.根据u=rows,h=colums计算D和H，然后用H对中心对称的图像滤波也就是H乘以变换后的图像4.傅里叶逆变换ifft25.中心对称逆变换ifftshift(它与fftshift互逆)6.记得图像要转变uint8我也不知道为什么（让我拖延一下）彩蛋（一段可以改

存储图片不难，但是我走了很多的弯路( ▼-▼ )举几个栗子：1.想要获得图片的句柄，OK，figure后的gcf就是获取当前窗口的句柄，不需要做其他figure('Name','this is figure ^*^ ','NumberTitle','off','visible','off'),showCurvesNotShow(dataP{i}); title(['Th

椒盐噪声用中值滤波比较好原因是：1.椒盐噪声是幅值近似相等但是随机的分布在不同位置，图中既有污染的点，也有干净的点。     2.图中噪声的均值不为零，所以不适合均值滤波。     3.图中有干净的点也有污染的点，所以中值滤波可以用干净的点代替污染的点。中值滤波缺点：对于点、线、尖顶的图像不适用中值滤波因为会出现自适应话。高斯噪声用均值滤波比较好原因是：1.高斯噪声的幅值近

1.直方图均衡化就是计算灰度的累计概率，从灰度为0到2552.对于RGB的图像要先转成灰度图处理（不要问为什么(ˉ▽ˉ；)...因为简单）im2gray( )3.任意路径读取图片的两种方式第一种[fn,pn,fi]=uigetfile('*.png','选择图片');ima=imread([pn fn]);第二种path=cd;impa=fullfile(cd,'1.png

%define the cell name_idname_id=cell(1,lengthfiles-2);for i=1:lengthfiles; filename=filenames(i).name; fprintf('this is names ：%s\n',filenames(i).name); %use{} represent the content if the cell %and t

以切换到D:\test\testForPython为例打开根目录 D:然后cd\接着打开 cd test最后 cd testForPythoncd 命令可以写成change directory这也就意味着cd 命令可以改变目录dir指令可以看到testForPython的子目录i

diff是求导函数std(A,flag,dim)是求标准差的函数flag=0是除以N-1,flag=1是除以N，而dim=1代表按列求标准差，dim=2代表按着行求标准差（默认情况按着列求标准差）setdiff 是集合的运算C=A-B按着升序返回属于A但是不属于B的元素

mean（A）直接返回A的每维平均值，1.A是向量，返回A的平均值2.A是矩阵，返回A的每列的平均值，这里讲A的每列看成一个向量3.A是多位矩阵，返回每维的平均值，举个栗子比如三维时，你有一个吐司，然后你从三个方向去切它的，就是类似。mean（A,dim）dim=1是对列求均值，dim=2是对行求均值repmat函数用于处理矩阵重复时使用repmat(A,m,n)，若A

1.变量命名 eval(['A',num2str(count),'=clear_reform(a(count))']);第一对单引号之内是字符串，num2str(count)是变量，第二对单引号之内是表达式2.字符串数组尝试了str(1,:)=['absbj']是不可以的aname_list{count} = subdir_array(i).name;应该使用{}的形式，