但是大家只是在用这个算法，很少关注这个算法的实现细节：插值算法是如何工作的。上图效果是最近邻法的计算过程示意图，由上图可见，最近邻法不需要计算只需要寻找原图中对应的点，所以最近邻法速度最快，但是会破坏原图像中像素的渐变关系，原图像中的像素点的值是渐变的，但是在新图像中局部破坏了这种渐变关系。最近邻法实际上是不需要计算新图像矩阵中点的数值的，直接找到原图像中对应的点，将数值赋值给新图像矩阵中的点，根

1、条件概率公式设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：P(A|B)=P(AB)/P(B)分析：一般说到条件概率这一概念的时候，事件A和事件B都是同一实验下的不同的结果集合，事件A和事件B一般是有交集的，若没有交集（互斥），则条件概率为0，例如：① 扔骰子，扔出的点数介于[1,3]称为事件A，扔出的

有以下代码：import matplotlib.pyplot as pltcdict = {'red':( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),'green':( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),'blue' :( (0.0, 1.0, 1.0), (0.02, .

脚本参考cmake_minimum_required(VERSION 3.14)project(myclion C)set(CMAKE_C_STANDARD 99)include_directories(include)link_directories(lib)find_package(Threads REQUIRED)add_executable(myclionsrc/main.c#src/ex

当电脑用久了之后，大多数人都会发现Windows会越来越慢，而且硬盘空间也慢慢地满了。特别是下载控，电影控，软件控，收集控等，往往空间就像是被病毒侵蚀一样不知不觉就被耗尽了，直到有一天…“新出的片片塞不进去啦！！” 但可惜的是，所有的垃圾清理软件也无法判断哪些文件是对你有用或没用，最后还是得自己来一次大清理！可让人苦恼的是，虽然想动手，但却不清楚到底是什么文件或文件夹在占用着你最多的空间。如果一个

像素结构解释上图显示了CMOS的一个像素元电路结构。CG和FW有什么关系呢？首先capacitance的公式为 C=Q/V，其中Q为电荷（charge）单位为库仑（Coulombs），V为势（potential）单位为伏特（Volts）。CG其实就是“反着”表示FD capacitance的一种方式，也就是一个电子能产生多少的电压，CG=V/（Q/q），q表示基本电荷量。通常，像素中允许的电压摆幅

本系列文章尽量以便于理解的方式讲解 Haar 小波的原理和应用。其中应用部分主要关注于 PRT 中使用的 double product integral 和 triple product integral 两部分。主要参考文献为 Stollnitz et al. 的 Wavelets for Computer Graphics: A Primer 和 Ren Ng 的两篇 wavelet reli

参考image sensor。

调试项目时，客户通常都有通过分辨率测试卡，测试图像分辨率客观指标的要求。我们常用到的是ISO12233的分辨率测试卡，但刚开始用时，对图卡肯定会有很多的疑问，比如：a、2000线和4000线的图卡该怎么选择？哪种图卡能满足我相机分辨率的测试要求，该如何计算？b、1x、2x、4x、8x 的测试图卡有什么区别？该如何选择？c、图卡上那么多线，各个区域都是测什么的，该怎样去看？d、该怎么去拍ISO122

比如下图，虽然它们的重合度不高，但是它们的结构是一样的，应当认为它们是很相似的，请问如何量化的判断呢？有什么好的算法？做过一个小研究是关于判断曲线的相似性的，下面正文答案已经基本上解决了该问题。使用归一化后的Fréchet distance即可。另外也可使用Hausdorff distance，但是使用效果不如前者。推荐几篇论文仅供参考：Alt H, Godau M (1995) Computin