摘要：
导包： 图像的平滑处理： 高斯模糊： 中值模糊： 阅读全文
摘要：
导包： 开运算代码： 闭运算代码：#下面开始闭运算,膨胀之后再腐蚀，用于去除黑点 阅读全文
摘要：
图像的腐蚀和膨胀实际上是利用卷积进行计算，首先导包： 然后生成一个正方形的核： 输出： 当然我们作运算的时候都是使用的正方形的核，这里也展示下生成椭圆核的方法： 生成十字形的核： 利用卷积进行图像的腐蚀：可以使黑色的点变大 循环进行多次腐蚀： 图像的膨胀，使白色的点变大，用于去除图像当中的黑点： 循 阅读全文
摘要：
这个报错一般是因为你图像的路径写错了，找不到图像而导致的。 解决问题的朋友麻烦点个推荐呗！嘿嘿 阅读全文
摘要：
输出： 输出：60000 下面开始构造神经网络： 预编译： 开始训练模型： 输出： 因此可得识别准确度为98% 进行测试集的验证： 输出准确度： 识别准确度为：0.9807 阅读全文
摘要：
导包： 打开图像： 输出： 阅读全文
摘要：
首先导包： 阅读全文
摘要：
首先导包： 开始干正事儿，看能够显示图片不： 图像加法的简单例子，从数值上进行理解： 减法的例子，也是从数值上进行理解： 图像加法实战，让之前我们读入的图片亮度增加： 得解 阅读全文
摘要：
import numpy as np image=np.zeros((300,300,3),dtype='uint8') (cx,cy)=image.shape[1]//2,image.shape[0]//2#其中的cx和cy就是我们图像中点的坐标 阅读全文
摘要：
下面开始裁剪： 得解，上面主要把推图像看成了一个二维的数组来表示的，中括号里的裁剪的距离分别表示x轴和y轴的距离 阅读全文