
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
顶帽运算是原图像与“开运算“的结果图之差。
形态学梯度根据膨胀或者腐蚀与原图作差组合来实现增强结构元素领域中像素的强度,突出高亮区域的外围。
盒式滤波(方框滤波)是一种线性滤波技术,它的实现借鉴了积分图像的原理思想,在快速积分图像求解中,将计算某个矩阵像素间的和值运算,转化为求矩阵对应边角点的求和差值运算。
中值滤波法是一种非线性平滑技术,将图像的每个像素用邻域 (以当前像素为中心的正方形区域)像素的中值代替 ,常用于消除图像中的椒盐噪声。
图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。【盒式滤波、均值滤波、高斯滤波、中值滤波、双边滤波、导向滤波】
用四种方法访问图像中的每个像素。动态地址计算——配合.at<Vec3b>(i, j)[k]访问像素;用指针来遍历图像——C操作符[];更高效的方法——isContinuous()函数;迭代器——比较安全的方式;
自适应阈值化操作:adaptiveThreshold()函数.自适应阈值则,是根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值
Qt打包发布。Qt 官方开发环境使用的动态链接库方式,在发布生成的exe程序时,需要复制一大堆 dll,如果自己去复制dll,很可能丢三落四,导致exe在别的电脑里无法正常运行。因此 Qt 官方开发环境里自带了一个工具:windeployqt.exe。
根据面临的不同问题,机器学习可以分为如下几类:聚类问题分类问题回归问题强化学习=====================分割线===============1.聚类问题 (无监督学习) 聚类算法属于非监督式学习,通常被用于探索性的分析,是根据“物以类聚”的原理,将本身没有类别的样本聚集成不同的组,这样的一组数据对象的集合叫做簇,并且对每一个这样的簇进行描述的过程。它的目的是使得属于同一簇的样本
在进行机器学习常常需要处理的一个问题是划分测试集和训练集。训练集用于训练模型,测试集则是根据训练集的训练结果来评判最终的训练效果。当我们手中没有未知的样本,那么如何进行可靠地评估呢?这里的关键是:在现有的数据集合中获得可靠的“测试集数据”。这里有一个标准,就是测试集(用于评估)应该与训练集(用于学习)尽可能保持“互斥”。常用的数据集划分方法有一下几种:留出法(hold-out)交叉验证法(k-fo







