上一页 1 2 3 4 5 6 7 8 9 ··· 20 下一页
  2013年11月6日
摘要: 《编程珠玑》有一题,需要生成0~10^7的不重复随机数。最简单最直接的方法是,每次生成一个,然后和已经生成的进行比较,如果有了,那就重新生成。但一个显然的事实是,如果我要产生很多的数,越到后面所要花费的时间将越多。如何又快又好的产生呢?我们可以换个角度考虑问题,每次随机产生的可以不是具体的数,而是数在数组中的位置。算法的示意图如下:#define MAXINT (10000000)void myswap(int &a,int &b);void getRandoms(int k); void myswap(int &a,int &b){ int tmp=a; a= 阅读全文
posted @ 2013-11-06 19:30 裴银祥的博客园 阅读(337) 评论(0) 推荐(0) 编辑
  2013年10月17日
摘要: opencv中常见的与图像操作有关的数据容器有Mat,cvMat和IplImage,这三种类型都可以代表和显示图像,但是,Mat类型侧重于计算,数学性较高,openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”,opencv对其中的图像操作(缩放、单通道提取、图像阈值操作等)进行了优化。在opencv2.0之前,opencv是完全用C实现的,但是,IplImage类型与CvMat类型的关系类似于面向对象中的继承关系。实际上,CvMat之上还有一个更抽象的基类----CvArr,这在源代码中会常见。1. IplImageopencv中的图像信息头,该结构体 阅读全文
posted @ 2013-10-17 17:27 裴银祥的博客园 阅读(289) 评论(0) 推荐(0) 编辑
  2013年9月22日
摘要: 使用过Matlab的拟合、优化和统计等工具箱的网友,会经常遇到下面几个名词:SSE(和方差、误差平方和):The sum of squares due to errorMSE(均方差、方差):Mean squared errorRMSE(均方根、标准差):Root mean squared errorR-square(确定系数):Coefficient of determinationAdjusted R-square:Degree-of-freedom adjusted coefficient of determination下面我对以上几个名词进行详细的解释下,相信能给大家带来一定的帮助! 阅读全文
posted @ 2013-09-22 20:01 裴银祥的博客园 阅读(1423) 评论(0) 推荐(1) 编辑
  2013年9月17日
摘要: 下面是photoshop cs2中所有混合模式的数学计算公式,另外还介绍了不透明度,这些公式仅适用于RGB图像,对于Lab颜色图像而言,这些公式将不再适用。1.Opacity 不透明度C=d*A+(1-d)*B相对于不透明度而言,其反义就是透明度。这两个术语之间的关系就类似于正负之间的关系:100%的不透明度就是0%的透明度。该混合模式相对来说比较简单,在该混合模式下,如果两个图层的叠放顺序不一样,其结果也是不一样的(当然50%透明除外)。该公式中,A代表了上面图层像素的色彩值(A=像素值/255),d表示该层的透明度,B代表下面图层像素的色彩值(B=像素值/255),C代表了混合像素的色彩值 阅读全文
posted @ 2013-09-17 15:50 裴银祥的博客园 阅读(1170) 评论(0) 推荐(0) 编辑
  2013年9月10日
摘要: 最近有感于部分网友对高斯模糊滤镜的研究,现总结如下。高斯模糊是数字图像模板处理法的一种。其模板是根据二维正态分布(高斯分布)函数计算出来的。 正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。故名高斯模糊。 一维正态分布的函数定义: 型随机变量的分布,第一参数μ是遵从正态分布的随机变量的均值,第二个参数σ2是此随机变量的方差,所以正态分布记作N(μ,σ2 )。 遵从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ,而取离μ越远的值的概率越小;σ越小,分布越集中在μ附近,σ越大,分布越分散。正态分布 阅读全文
posted @ 2013-09-10 16:40 裴银祥的博客园 阅读(607) 评论(0) 推荐(0) 编辑
  2013年9月9日
摘要: 一、和rgb之间换算公式的差异yuvrgbY'= 0.299*R' + 0.587*G' + 0.114*B'U'= -0.147*R' - 0.289*G' + 0.436*B' = 0.492*(B'- Y')V'= 0.615*R' - 0.515*G' - 0.100*B' = 0.877*(R'- Y')R' = Y' + 1.140*V'G' = Y' - 0.394*U' - 0.581*V'B&# 阅读全文
posted @ 2013-09-09 14:26 裴银祥的博客园 阅读(344) 评论(0) 推荐(0) 编辑
  2013年9月7日
摘要: 二、photoshop图像滤镜——素描算法 素描的算法,网络上有多种,但是效果并不是特别理想。熟悉photoshop的朋友都知道,把彩色图片打造成素描的效果仅仅需要几步操作:1、去色;2、复制去色图层,并且反色;3、对反色图像进行高斯模糊;4、模糊后的图像叠加模式选择颜色减淡效果。 图像的去色较为简单,就不多解释。假设原图像为X,处理后的图像为Y ,也就是说,对于坐标为(i,j)点,反色为Y(i,j)=255-X(i,j)。高斯模糊相当与一个低通滤波器,朋友们可以找找和高斯模糊有关的资料。颜色减淡的算法是这样的:C =MIN( A +(A×B)/(255-B),255),其中C为混合 阅读全文
posted @ 2013-09-07 17:02 裴银祥的博客园 阅读(2267) 评论(0) 推荐(0) 编辑
摘要: 通常,图像处理软件会提供"模糊"(blur)滤镜,使图片产生模糊的效果。"模糊"的算法有很多种,其中有一种叫做"高斯模糊"(Gaussian Blur)。它将正态分布(又名"高斯分布")用于图像处理。本文介绍"高斯模糊"的算法,你会看到这是一个非常简单易懂的算法。本质上,它是一种数据平滑技术(data smoothing),适用于多个场合,图像处理恰好提供了一个直观的应用实例。一、高斯模糊的原理所谓"模糊",可以理解成每一个像素都取周边像素的平均值。上图中,2是中间点,周边点 阅读全文
posted @ 2013-09-07 17:00 裴银祥的博客园 阅读(275) 评论(0) 推荐(0) 编辑
  2013年9月5日
摘要: ICCV 的全称是 IEEE International Conference on Computer Vision,国际计算机视觉大会,是计算机视觉方向的三大顶级会议之一,通常每两年召开一次,2005 年 10 月曾经在北京召开。会议收录论文的内容包括:底层视觉与感知,颜色、光照与纹理处理,分割与聚合,运动与跟踪,立体视觉与运动结构重构,基于图像的建模,基于物理的建模,视觉中的统计学习,视频监控,物体、事件和场景的识别,基于视觉的图形学,图片和视频的获取,性能评估,具体应用等。ICCV是计算机视觉领域最高级别的会议,会议的论文集代表了计算机视觉领域最新的发展方向和水平。会议的收录率较低,以 阅读全文
posted @ 2013-09-05 15:58 裴银祥的博客园 阅读(5645) 评论(0) 推荐(0) 编辑
摘要: 从原理上来说,进行亮度调整无非两种渠道:转换到HSL或HSV(HSB)颜色空间,直接对L或者V进行调整。再者就是对R,G,B三个通道同时进行调整以达到调整亮度的效果。又可以细分为大约四种方法:1.转换到HSL(HSV)颜色空间调整 这可以说是最直观也是最低效的方法:因为HSL(HSV同理)颜色空间天然有一个L分量表示亮度,直接进行调整即可。但是这种方法有很大的缺陷就是低效:因为计算机屏幕本身的特性决定了绝大多数的图片文件解析完毕后是RGB颜色空间,于是就需要从RGB转换成HSL,调整L,转换回RGB显示。虽然RGB转HSL和HSL转RGB并不复杂(Wiki),一次转换基本等同于10次浮点乘的运 阅读全文
posted @ 2013-09-05 11:18 裴银祥的博客园 阅读(6346) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 ··· 20 下一页