wmz13248的博客

PCA理论，看这个：https://blog.youkuaiyun.com/zouxiaolv/article/details/100590725?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161615945916780261996670%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=161615945916780261996670&

plot一幅图，有两个变量，共用一个自变量，各有各的纵轴标度，想画在一幅图里网上查的有两种思路：1.plotyy2.yyaxis个人推荐第2种：yyaxis（亲测在2016b版本中可以用，据说之前版本可能用不了，没定义呢）原因：第2种，完全就是原来plot单幅图（单自变量——单函数）的重复操作，理解记忆都方便而第1种，是另一种思路，不愿意去记了，而且在改变自变量数值时出现了去不掉原数值的问题，所以不用了不多说，直接上例子，具体的看里面注释里面还有好多画图可以用的句柄操作，包括：***设置字体

摘自 https://blog.youkuaiyun.com/weixin_30352645/article/details/98830852?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_re...

转载地址：https://blog.youkuaiyun.com/kwame211/article/details/80347593   蚁群算法(AG)是一种模拟蚂蚁觅食行为的模拟优化算法，它是由意大利学者Dorigo M等人于1991年首先提出，并首先使用在解决TSP（旅行商问题）上。 之后，又系统研究了蚁群算法的基本原理和数学模型. 蚁群算法的基本思想: 蚁群算法的基本原理: 1、蚂蚁在路径上释放信息...

两个系数矩阵要进行融合，采用绝对值取大的准则，一般采用for循环即可 Coefs=Coefs1; [x,y,z]=find(Coefs2); for m=1:length(x) if(abs(Coefs2(x(m),y(m)))>abs(Coefs1(x(m),y(m)))) Coefs(x(m),y(m))=Coefs2(x(m),y(m)); end end但是遇到一个问题：稀疏矩阵Coefs1、Coefs

语句太长了，一行写下看不全，所以分多行写所用符号为三个点 …语句：str={['OMP计算中：',num2str(floor(k/P*1000)/10),'%'];... % 分开后第1行 ['KSVD迭代次数：',num2str(iterNum),'/',num2str(numIteration),... % 第2行 ' 计算时间：',num2str(hour),':',num2str(min

语句：注意中括号间的分号，分号前是一行，分号后是一行，两部分分别用中括号 [ ] 括着str={['OMP计算中：',num2str(floor(k/P*1000)/10),'%'];['KSVD迭代次数：',num2str(iterNum),'/',num2str(numIteration),' 计算时间：',num2str(hour),':',num2str(minute),':',num2str(second)]}; 例：h=waitbar(0,'OMP计算中'); % 添加进度条

进度条添加方法h=waitbar(0,'OMP计算中');for k=1:P str(['OMP计算中：',num2str(k/P),'%']); waitbar(k/P,h,str);endclose(h);

最近学习稀疏表示和字典学习，了解到了OMP算法和KSVD算法，看了大量资料，理解如下：1. OMP算法： *可以解决的问题：* 已知过完备字典D，和输入图像y，通过公式 y=Dx求出稀疏系数x，其中，y是已经转换为列向量的图像 参考学习资料：https://blog.youkuaiyun.com/u010381985/article/details/60571570?ops_request_misc=%257B%2522request%255Fid%2522%253A%25221597198993197

背景：基于稀疏表示的图像融合时，两幅图像通过比较各自稀疏系数的最大值来得到融合后的稀疏系数，之后再重建融合图像稀疏融合时：a1=[0 1 0; 2 0 1; 1 0 1]a2=[2 0 0; 0 0 3; 0 2 4];aa1=sparse(a1); % 得到稀疏矩阵aa2=sparse(a2);c1=find(aa1); % 得到稀疏矩阵非零的项，包括横纵坐标和对应数值[row,col]=size(aa1);aa3=sparse(row,c

摘自网络程序imageName = 'lena.png';[IMin0,pp]=imread(strcat([pathForImages,imageName])); % 读图片IMin0=im2double(IMin0);size(IMin0)if (length(size(IMin0))>2) % 如果为彩色图像，变为灰度图像 IMin0 = rgb2gray(IMin0); endif (max(IMin0(:))<2) IMin0 = IMin0

从一个图中提取出一部分图像，和原图显示在一个figure中，显示比例可能失调 figure,subplot(1,3,1);imshow(uint8(I));title('图1');subplot(1,3,2);imshow(sub_I);title('图1的子图');subplot(1,3,3);imshow(uint8(I)),title('子图在图1中的位置');hold on;rectangle('position',[j-info_col+y1 i-info_row+x1 wi

text(x,y,num2str(z)); %在坐标(x,y)除添加数值zset(gca,‘XTickLabel’,{number1}); %向图中添加横坐标数值，横坐标不再是 1,2,3…legend(‘曲线1’,‘曲线2’); %右上角标注曲线示例number1=[ 700 1076 947 660 595 1194 265 465 250 830 227 ];time1=[9.64 9.81 7.46 5.75 3.80 4.67 3.65 3.16 2.2

对矩阵a进行排序a = 6 4 8 9 2 5 3 7 6例1：b=sort(a)：每一列都自己排序（升序）>> b=sort(a)b = 3 2 5 6 4 6 9 7 8例2：b=sort(a,DIM,MODE)参数DIM表示对哪一个维数进行排序，例如当X是一个二维矩阵，当DIM=1时表示对X的每一列进行排序，当DI

数据点画圈：实线：plot(time1,'o-'); 结果：虚线：plot(time1,'--o');结果：画线换颜色plot(time1,'o--r');结果：

原数组：data(1,:)=[227,2476,1.99];data(2,:)=[250,3928,2.26];data(3,:)=[265,9431,3.65];data(4,:)=[465,7217,3.16];pixel_num=15169;data_all(1,:)=[227,pixel_num,24.90];data_all(2,:)=[250,pixel_num,24.52];data_all(3,:)=[265,pixel_num,24.58];data_all(4,:)=

数组赋值：pixel=13232；data=zeros(11,3);data(1,:)=[227,2476,1.99];data(2,:)=[250,3928,2.26];data(3,:)=[265,9431,3.65];data(4,:)=[465,7217,3.16];data(5,:)=[595,14155,3.80];data(6,:)=[660,18221,5.75];data(7,:)=[700,45315,9.64];data(8,:)=[830,3166,2.75];

语句1形式：xlswrite('out.xlsx',FrameNum(1:framenum,1),1,'A2:A1819');作用：将FrameNum变量中的第1：framenum行、第1列的数值，写入out.xlsx里的sheet1表单的A2~A1819中语句2形式：xlswrite('out.xlsx',rowName(1,1),'sheet1','A1');作用：将rowName变量中的内容，写入out.xlsx里的sheet1表单的A1中例：framenum = 200;xlsw

直接用mesh函数可输出三维图，例子来自带有偏移量的两幅图片用相位相关法做的位移量计算Image1 = (imread('image1.jpg')); Image2 = (imread('image2.jpg')); // % 带有偏移量的图像Image1=X1;Image2=X2;// %显示subplot(1,2,1);imshow(uint8(Image1)); title('原参考图像');subplot(1,2,2);imshow(uint8(Image2)); title('带

本文内容完全转自：程序员大本营 http://www.pianshen.com/article/374638224/ 为查阅方便而转来，特对原作者及原平台表示感谢！这篇博客主要把SIFT通过MATLAB进行可视化，真正的SIFT算法准备在下一篇博客（如果我能找到并看懂的话）详细说明，也就是下面提到的siftWin32.exe，作者把SIFT给写成.exe了。个别名词解释：key：SIFT算...