行远-自迩

导航

< 2025年3月 >
日 一 二 三 四 五 六
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5

统计

07 2020 档案

SQL 附加数据库出错
摘要：我已经多次出现了附加数据库时报5120问题了，每次都网上查阅,现在总结下方法如下： 此时添加computer 失败！ 选择编辑按钮： 在选择添加按钮： 接着点击高级，立即查找按钮： 在搜索结果中选: everyone ， 在这个界面就会有everyone 选项，在允许那列全部勾上，应用，确定就可以了 阅读全文

posted @ 2020-07-23 16:14 行远-自迩 阅读(224) 评论(0) 推荐(0) 编辑

SQL Server 分离数据库方法
摘要：默认情况下新建立数据库保存在安装目录下： 当想把该文件下数据库备份出来，粘贴复制会发生： 此时只需要将所需要备份的数据库分离出去即可： 这样就可以将数据库被分到指定的文件内。 阅读全文

posted @ 2020-07-23 16:02 行远-自迩 阅读(926) 评论(0) 推荐(0) 编辑

9. 仿射变换
摘要：一、仿射变换 仿射变换可以通过一系列的原子变换的复合来实现，包括：平移（Translation）、缩放（Scale）、翻转（Flip）、旋转（Rotation）和剪切（Shear）。 （1）平移 （2）缩放 （3）剪切 shx = tx/h; shy = ty/w; 其中h，w分别原图像高和宽； （ 阅读全文

posted @ 2020-07-16 22:18 行远-自迩 阅读(436) 评论(0) 推荐(0) 编辑

9.gamma 变换提高对比度
摘要：一、gamma 校正原理 二、算法实现 1. 归一化 ：将像素值转换为 0 ～ 1 之间的实数。 2.. 反归一化 ：将经过预补偿的实数值反变换为 0 ～ 255 之间的整数值。具体算法为 : f*256 1 Mat gamma_correction(Mat& img, double gamma_c 阅读全文

posted @ 2020-07-15 22:14 行远-自迩 阅读(926) 评论(0) 推荐(0) 编辑

8.直方图
摘要：一.直方图 简单的说灰度直方图就是：一幅图像中灰度级与出现这种灰度的概率之间关系的图形，灰度直方图是一种统计表达，反映了不同灰度级出现的统计概率（个数），其横坐标是：灰度级，纵坐标是：出现的个数（概率）。 （1）直方图的离散函数 h(rk)=nk。其中rk是第K级的灰度值，nk是图像中灰度为rk的像 阅读全文

posted @ 2020-07-11 12:34 行远-自迩 阅读(362) 评论(0) 推荐(0) 编辑

7.边缘提取
摘要：一、算法原理 滤波器从效果分：平滑和锐化。 二、核函数设计 1. sobel 梯度算子 算法实现： Mat sobel_filter(Mat img, bool horizontal) { int height = img.rows; int width = img.cols; cv::Mat ou 阅读全文

posted @ 2020-07-10 16:50 行远-自迩 阅读(237) 评论(0) 推荐(0) 编辑

6.边缘提取--Max-Min
摘要：一、算法原理 图像的细节属于低频信息，图像的边缘属于高频信息。我们使用一定大小的 Max-Min 滤波器作用于图像，当滤波器作用于图像细节时，输出结果往往趋向于0（黑色）；而滤波器作用于图像边缘时，Max-Min 输出结果往往趋向于255（白色）。 所以 最大-最小滤波器 能有效地用于检测图像的边缘 阅读全文

posted @ 2020-07-09 18:01 行远-自迩 阅读(319) 评论(0) 推荐(0) 编辑

5.均值滤波
摘要：一、均值滤波概念 1 邻域 2.卷积 如上图所示，是通过对目标像素的邻域进行加权得到新的目标像素的值，其中这个加权矩阵我们叫做邻域算子（局部算子）。 其中g(x, y)就是我们滤波后希望得到的函数，h(x, y)就是邻域算子，f(x, y)就是原图。那么有公式可以表示： 3 均值滤波原理 均值滤波其 阅读全文

posted @ 2020-07-09 16:14 行远-自迩 阅读(1913) 评论(0) 推荐(0) 编辑

4. 中值滤波
摘要：一、椒盐噪声 void salt(Mat& img, int num) { if (img.data == NULL) return; srand(time(NULL)); int i, j; for (int k = 0; k < num; k++) { i = rand() % img.rows 阅读全文

posted @ 2020-07-09 11:35 行远-自迩 阅读(399) 评论(0) 推荐(0) 编辑

3.高斯滤波
摘要：一、高斯函数 1. 一维高斯函数 对于任意的实数a,b,c，是以著名数学家Carl Friedrich Gauss的名字命名的。高斯的一维图是特征对称“bell curve”形状，a是曲线尖峰的高度，b是尖峰中心的坐标，c称为标准方差，表征的是bell钟状的宽度。 2. 二维高斯函数 A是幅值，x。 阅读全文

posted @ 2020-07-09 11:22 行远-自迩 阅读(630) 评论(0) 推荐(0) 编辑

2. 二值化
摘要：一、 二值化 二值化就是让图像的像素点矩阵中的每个像素点的灰度值为0（黑色）或者255（白色），也就是让整个图像呈现只有黑和白的效果。在灰度化的图像中灰度值的范围为0~255，在二值化后的图像中的灰度值范围是0或者255。 黑色： 二值化后的R = 0 二值化后的G = 0 二值化后的B = 0 白 阅读全文

posted @ 2020-07-05 17:18 行远-自迩 阅读(1402) 评论(0) 推荐(0) 编辑

1. 灰度化转换
摘要：一、灰度化处理 1. RGB颜色模型 一种加色模型，将红（Red）、绿（Green）、蓝（Blue）三原色的色光以不同的比例相加，以产生多种多样的色光，且三原色的红绿蓝不可能用其他单色光合成。 RGB色彩模式使用RGB模型为图像中每个像素的RGB分量分配一个0~255范围内的强度值。RGB图像仅仅使 阅读全文

posted @ 2020-07-04 13:09 行远-自迩 阅读(721) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示