晴有雨阴有时雨-优快云博客

原创 matlab图像灰度调整——imadjust函数的使用

在MATLAB中，通过函数imadjust（）进行图像灰度的调整，该函数调用格式如下： J=imadjust( I ) 对图像I进行灰度调整 J=imadjust( I，[low_in;high_in]，[low_out;high_out]) [low_in;high_in]为原图像中要变换的灰度范围，[low_out;high_out]为变换后的灰度范围 J=imadjust( I，[low_in;high_in]，[low_out;high_out]，gamma) 该gamma参数为映射的方式，默认

2022-04-18 13:30:08 11195

原创图像处理2

灰度变换与空间滤波空间域指的是图像平面本身，这类方法以对图像像素直接处理为基础的。空间域处理方法：灰度变换与空间滤波 g(x,y) = T[f(x,y)] 其中，f(x,y)为输入图像，g(x,y)为输出图像，T是对图像f的算子，作用于点(x,y)定义的邻域。此外，T还可以对一组图像进行处理，例如为了降低噪声而叠加K幅图像。灰度变换函数 s = T® 其中r表示图像f中的灰度，s表示图像g中的灰度。两者在图像中处于相同的坐标(x,y)处。 imadjust函数是针对灰度图像进行灰度变换的基本图像处理

2022-04-18 12:43:37 2612

原创图像处理1

1.一幅图像可以定义为一个二维函数f(x,y)，这里的x和y是空间坐标，而在任意坐标(x,y)处的幅度f被称为这一坐标位置图像的亮度或灰度。当x，y和f的幅值都是有限的离散值时，称为图像为数字图像。数字图像由有限数量的元素组成，每个元素都有特殊的位置和数值。这些元素称为画像元素picture element，图像元素image element和像素pixel。三类计算机处理：低级、中级和高级处理低级处理包括原始操作，如降低噪声的图像预处理、对比度增强和图像锐化。低级处理的特点是输入与输出通常都是图像

2022-04-17 21:07:19 3121

原创机器学习实战基础1

机器学习系统的类型 1.有监督学习和无监督学习有监督学习在有监督学习中，提供给算法的包含所需解决方案的训练集称为标签。分类任务是一个典型的有监督学习任务。垃圾邮件过滤器就是一个很好的示例:通过大量的电子邮件示例及其所属的类别进行训练，然后学习如何对新邮件进行分类。另一个典型的任务是通过给定一组称为预测器的特征(里程、使用年限、品牌等)来预测一个目标数值(如汽车等价格)。这种类型的任务称为回归。要训练这样一个系统，需要提供大量的汽车示例，包括它们的预测器和标签(即价格)。有监督学习算法：k-近邻算

2022-03-21 12:05:54 1603

原创 Tensorflow之变量

变量简介 tensorflow变量用于表示程序处理的共享持久状态的推荐方法。变量通过tf.variable进行创建和跟踪。tf.variable表示张量，对它执行运算可以改变其值。利用特定运算可以读取和修改此张量的值。创建变量要创建变量，请提供一个初始值。tf.variable与初始值的dtype相同。 my_tensor = tf.constant([[1.0,2.0],[3.0,4.0]]) my_variable = tf.Variable(my_tensor) #变量可以是任何类型，就像张量一

2022-03-21 09:16:49 346

原创 tensorflow之张量

1.基础知识张量时具有统一类型(称为dtype)的多维数组。张量与np.arrays有一定的相似性。就像python的数值和字符串一样，所有的张量都是不可变的：永远无法更新张量的内容，只能创建新的张量。标量(0秩张量)：标量包含单个值，但没有轴。向量(1秩张量)：像一个值列表，向量有1个轴。矩阵(2秩张量)：有两个轴。 ...

2022-03-20 20:47:58 2084

原创 tensorflow之即刻执行

Tensorflow之Eager Execution Tensorflow的Eager Execution是一种命令式编程环境，可立即评估运算，无需构建计算图：运算会返回具体的值，而非构建供稍后运行的计算图。一、动态控制流 Eager Excution的一个主要优势是，在执行模型时，主机语言的所有功能均可用。因此，编写fizzbuzz之类的代码很容易。 “FizzBuzz”题目，就是：给你1——100的数字，如果能被3整除就将该数字改为Fizz，如果能被5整除就改为Buzz，如果既能被3又能被5整除就改为

2022-03-20 19:34:19 1921

原创信号与系统matlab实现1

%取样函数 t1=-10:0.5:10; f1=sin(t1)./t1; figure(1) plot(t1,f1); %t的取样间隔越小，曲线越光滑 t2=-10:0.1:10; f2=sin(t2)./t2; figure(2) plot(t2,f2); %使用数学函数 syms t; f=sin(t)/t; ezplot(f,[-10,10]); %单位阶跃函数 %数学函数 heavisi...

2019-11-13 16:14:39 747

weixin_44008782的博客