摘要： If we list all the natural numbers below 10 that are multiples of 3 or 5, we get 3, 5, 6 and 9. The sum of these multiples is 23.Find the sum of all the multiples of 3 or 5 below 1000.[代码] 阅读全文

摘要： DescriptionCalculate a+b InputTwo integer a,b;(-10^1000<=a,b<=10^1000) OutputOutput a+b Sample Input1 2 Sample Output3 [代码]大数加减法 阅读全文

摘要： DescriptionInputOutputSample InputSample Output好啦，这就是最简单的第一题，加法运算 阅读全文

摘要： 图像的细化主要是针对二值图而言所谓骨架，可以理解为图像的中轴，，一个长方形的骨架，是它的长方向上的中轴线，圆的骨架是它的圆心，直线的骨架是它自身，孤立点的骨架也是自身。骨架的获取主要有两种方法：（1）基于烈火模拟设想在同一时刻，将目标的边缘线都点燃，火的前沿以匀速向内部蔓延，当前沿相交时火焰熄灭，火焰熄灭点的结合就是骨架。（2）基于最大圆盘目标的骨架是由目标内所有内切圆盘的圆心组成我们来看看典型的图形的骨架（用粗线表示）细化的算法有很多种，但比较常用的算法是查表法细化是从原来的图中去掉一些点，但仍要保持原来的形状。实际上是保持原图的骨架。判断一个点是否能去掉是以8个相邻点（八连通）的情况来作为 阅读全文

摘要： 你一定在各种关于图像处理的书籍，教程，课件，网页中看到这张图至少，我学习图像处理的过程中很多次的用的这张图这张标准测试图的名字叫‘Lena.jpg’1973年的夏天，美国南加州大学信号与图像处理研究所里，年轻的助理教授亚历山大（Alexander Sawchuk）和研究员威廉（William Pratt）正为一篇学术论文忙碌，试图从一叠常用的测试图片中找出一张适合测试压缩算法的图片：最好是人脸，表面光滑，内容多层次。不过这些单调陈旧，如同早期电视画面的图片很快就让他们失望了。历史在这里开了个小小的玩笑，正巧有人拿着一本《花花公子》杂志（1972年11月刊）到实验室来“串门”，当期的playbo 阅读全文

摘要： 学过信号处理的都应该知道傅立叶变换把时域上的信号处理为频域上的信号叠加对于在空间域上的数字图像，我们也能通过傅立叶变换转换为频域类的信号在实现某些图像处理的时候，频域类的处理比空间域更简单好啦，我们来看看二维离散信号的傅立叶变换数字图像的二维离散傅立叶变换所得的结果的频域成分如图所示，左上角是直流成分，变换结果四个角周围对应于低频成分，中央部分对应于高频部分。为了便于观察，我们常常使直流成分出现在窗口的中央，可采取换位方法，变换后中心为低频，向外是高频我们来看看具体实例[代码]这里我们直接用了OpenCV的DFT算法来做傅立叶变换我们来看看效果吧中间是没有换位前，后面是换位后在函数FFT中第二 阅读全文

摘要： 在前面，我们讲了二值图的腐蚀和膨胀运算其实我们很容易把腐蚀和膨胀的概念扩展到灰度图上面去在讲二值图时，我们把粗框区域作为黑色区域而对于灰度图，我们把粗框区作为整个图形区域对于图形中的任一点，以其为中心的一个窗口，在窗口与原图的重合部分。若我们把重合区域中所有点灰度值的最大值赋给当前点，就是对灰度图的腐蚀操作若我们把重合区域中所有点灰度值的最小值赋给当前点，就是对灰度图的膨胀操作我们能看到，除了图像边缘的点之外，一般点的重合区域都和所选的窗口一样大如图中，我们把一个圆作为一个窗口。同样，你能把任意形状作为窗口好啦，我们就以方框作为窗口来编程[代码]函数中flag为0表示腐蚀，为其它值是表示膨胀n 阅读全文

摘要： 我们直接看图吧我们把粗框内的区域看作原图像假设有一个圆在图像空间移动，取一个点作为圆的中心，若圆的区域被完全包含在原图像中则我们把它放到腐蚀后的区域中若只有一部分在原图像区域或没有一个点在原图区域中，我们则不会把它放在腐蚀区中显然，粗框区域腐蚀后会变成内部填充框区域而膨胀却恰恰相反把粗框线看作原图的话，取原图上一点为圆的中心，所以在圆的区域都被放在膨胀区显然，膨胀后，原图会变成外边框的区域上面，我们是以圆为窗的，事实上你可以使用任意窗形，不过最好有一个中心点好啦，我们来看看利用腐蚀和膨胀有什么效果吧[代码]看看运行效果吧第一幅图是原图的灰度图，第二幅图是对其做了二值处理对于二值图像来说，对黑色 阅读全文

摘要： 人的生理视觉系统特征对微小的灰度变化感觉不敏感，而对彩色的微小差别极为敏感利用这一特点么就可以把人眼不敏感的灰度信号映射为人眼灵敏的彩色信号，以增强人对图像中细微变换的分辨率在图像处理技术中，彩色增强应用十分广泛且效果显著常见的彩色增强技术主要有假彩色增强和伪彩色增强两大类（1）假彩色增强思路是将灰度分层几级，比如我们这里将灰度分为16级然后每一级灰度对应一种彩色在查看原图中某像素，找出它所属的灰度级，用相应的彩色代替就行了（2）伪彩色处理由灰度值根据一定的映射关系求出R,G,B的值组成该点的彩色值典型的映射关系图为编写程序：[代码]效果如下：中间为假彩色增强右边是伪彩色增强把原本变化不明显的 阅读全文

摘要： 这真是一件悲剧的事，早上，我花了很长时间写了这篇文章当我快要完成时，然后电脑就蓝屏了，重启后，一切都成了浮云好啦，没耐心再写那么多了，尽量简单吧在图像识别中，需要有边缘鲜明的图像，即图像锐化。图象锐化的目的是为了突出图像的边缘信息，加强图像的轮廓特征，以便于人眼的观察和机器的识别。在空间域进行图象锐化主要有以下方法梯度算子其他锐化算子拉普拉斯算子（1）梯度空间算子图像的边缘最直观的表现就是边缘两侧的灰度值相差比较大，在微积分中我们学过梯度的概念梯度是一个列向量，可表示为：而某点处梯度的模很好的反应了该点两侧的变化大小所以，梯度值很大的点也就代表了图像的边缘而在实际计算中，为了降低运算量，一般用 阅读全文