`
luoweifu
  • 浏览: 60968 次
  • 性别: Icon_minigender_1
  • 来自: 北京
文章分类
社区版块
存档分类
最新评论
文章列表
本人安装的是32位的WIN7操作系统,SATA串口在IDE模式下能正常运行,,但是在BIOS 中把IDE模式改为AHCI模式时,发现启动不了电脑,出现蓝屏,显示SOPT:0X0000007B.... 后来在网上查了一下解决方案。 网上有各种解决方案,下面列出几种我觉得比较可行的吧: 方法一: 1.先把BIOS的高级SATA选项的AHCI模式设为IDE,并设U盘启动, 2.重启电脑进入PE系统,这里在PE系统中可查到硬盘,点击:自动安装系统到C盘,开始复制文件,当复制结束时,提示几秒电脑重新启动时,注意当电脑关机后重启时,听到"滴"声响时,按"F8" ...
假如你的电脑出了问题,在线向各路高手请教时,免不了要被问一些CPU是什么、BIOS版本是什么、操作系统是什么、内存多大、安装过什么补丁之类的问题,如果你是新手,可能一下子还真回答不上来。没关系,这里教你一招, ...
傅丽叶变换(二) ——(java)算法实现 离散傅里叶变换 离散傅里叶变换使得数学方法与计算机技术建立了联系,这就为傅里叶变换这样一个数学工具在实用中开辟了一条宽阔的道路。因此,它不仅仅有理论价值,而且在某种意义上说它也有了更重要的实用价值。 离散傅里叶变换的定义 如果x(n)为一数字序列,则其离散傅里叶正变换定义由下式来表示 傅里叶反变换定义由下式来表示 由(1)和(2)式可见,离散傅里叶变换是直接处理离散时间信号的傅里叶变换。如果要对一个连续信号进行计算机数字处理,那么就必须经过离散化处理。这样,对连续信号进行的傅里叶变换的积分过程就会自然地蜕变为求和过程。 ...
因为这些都是从《数字图像处理基础 . 阮秋琦》(注:这本书确实写的不错,虽然没有具体的算法实现,并且有些小错误,但是通俗易懂)里搬过来的,但又是进行图像傅丽叶变换之前需要了解的一些知识,所以不敢写原创,只能算是转载吧!如果想直接了解“图像傅丽叶变换”的算法实现请看下一章《傅丽叶变换(二)》 数字图像处理的方法主要分为两大类: 一个是空间域处理法(或称空域法), 一个是频域法(或称变换域法)。 在频域法处理中最为关键的预处理便是变换处理。 目前,在图像处理技术中正交变换被广泛地运用于图像特征提取、图像增强、图像复原、图像识别以及图像编码等处理中。 傅里叶变换是大家所熟知的正交变换 ...
--------------------转自“iihero”博客----------------- 1. 内存及虚存基本布局 提起虚存,大都能说出几条来。 对于32位系统,大多数操作系统都会将4GB的内存空间的一部分挪给内核使用,应用程序无法直接访问这一段内存,这部分内存空间称为内核空间。Windows默认情况下会将高地址的2GB分配给内核(也可配置为1GB),而Linux默认情况下将高地址的1GB空间分配给内核。参考阅读:《程序员的自我修养—链接、装载与库》第10章--内存 Linux进程地址空间分布图]:
复数 数集拓展到实数范围内,仍有些运算无法进行。比如判别式小于0的一元二次方程仍无解,因此将数集再次扩充,达到复数范围。 形如z=a+bi的数称为复数(complexnumber),其中规定i为虚数单位,且i^2=i×i=-1(a,b是任意实数)。我们将复数z=a+bi中的实数a称为复数z的实部(realpart)记作Rez=a,实数b称为复数z的虚部(imaginarypart)记作Imz=b。 已知:当b=0时,z=a
这是我第一次翻译外文文章,如果翻译的不好,还望大家多包含!以下黑色部分是作者原文的翻译,红色部分是我本人自己的理解和对其的补充。 原文:Looks Like It 在google里对的搜索结果是 下面是我用pHash算法(java)实现的结果: 十张比较的图如下: source:f0a0000030400000 1-5 2-5 3-0 4-5
这是我第一次翻译外文文章,如果翻译的不好,还望大家多包含!以下黑色部分是作者原文的翻译,红色部分是我本人自己的理解和对其的补充。 原文:Looks Like It 在google里对的搜索结果是 下面是我用pHash算法(java)实现的结果: 十张比较的图如下: source:f0a0000030400000 1-5 2-5 3-0 4-5
图像处理中常用的正交变换除了傅里叶变换外,还有其他一些有用的正交变换,其中离散余弦就是一种。离散余弦变换表示为DCT(DiscreteCosineTransformation),常用于图像处理和图像识别等。 一维离散余弦变换 正变换 (1) (2) 式中F(u)是第u个余弦变换系数,u是广义频率变量,u=1,2,3......N-1;f(x)是时域N点序列,x=0,1,2......N-1 反变换 (3) 显然,式(1)式(2)和式(3)构成了一维离散余弦变换对。 二维离散余弦变换 正变换 ( ...
最近在研究图像识别的时候遇到进制之间的转换,虽然之前也了解基二进制、八进制、十进制、十六进制之间转换的基本原理,但还没有在java里对其进行实现过。于是就对其进行了一翻研究,现将自己学习的总结与大家分享一下。 基本原理 二进制——>十进制 1101(2)=1*2^0+0*2^1+1*2^2+1*2^3=1+0+4+8=13 八进制——>十进制 1101(8)=1*8^0+0*8^1+1*8^2+1*8^3=1+0+64+512=577 425(8)=5*8^0+2*8^1+4*8^2=5+16+256=277 十六进制——>十进制 1101(16) ...
-----------------转载自yclzh0522的博客-------------------------- 你想凭着一张现有图片找出它的原始图片,或者是凭着一张小的缩略图找出原始大图吗? 下面的十一款搜索引擎可以帮你实现,以图找图,以图搜图,以图片搜索相似的图片。 1.http://tineye.com/ Tineye是典型的以图找图搜索引擎,输入本地硬盘上的图片或者输入图片网址,即可自动帮你搜索相似图片,搜索准确度相对来说还比较令人满意。 TinEye是加拿大Idée公司研发的相似图片搜索引擎,TinEye主要用途有: 发现图片的来源与相关信息; 研究追踪图片信息在 ...
神奇的图像处理算法 作者:阮一峰 日期:2011年8月13日
概述 噪声对图像处理的影响很大,它影响图像处理的输入、采集和处理等各个环节以及输出结果。因此,在进行其它的图像处理前,需要对图像进行去噪处理。 从统计学的观点来看,凡是统计特征不随时间变化的噪声称为平稳噪声,而统计特征随时间变化的噪声称为非平稳噪声。幅值基本相同,但是噪声出现的位置是随机的,称为椒盐噪声;如果噪声的幅值是随机的,根据幅值大小的分布,有高斯型和瑞利型两种,分别称为高斯噪声和瑞利噪声。由于去除噪声处理的原理和方法很多,这里只给出了简单的描述和我自己已实现的几种方法的java源代码。 常见的去噪处理有均值滤波,中值滤波,灰度最小方差均值滤波,K近邻平滑滤波,对称近邻均值滤 ...
———————————转自Heaven13483的博客——————————————————— 边缘提取以及边缘增强是不少图像处理软件都具有的基本功能,它的增强效果很明显,在用于识别的应用中,图像边缘也是非常重要的特征之一。图像边缘保留了原始图像中相当重要的部分信息,而又使得总的数据量减小了很多,这正符合特征提取的要求。在以后要谈到的霍夫变换(检测图像中的几何形状)中,边缘提取就是前提步骤。 这里我们只考虑灰度图像,用于图像识别的边缘提取比起仅仅用于视觉效果增强的边缘提取要复杂一些。要给图像的边缘下一个定义还挺困难的,从人的直观感受来说,边缘对应于物体的边界。图像上灰度变化剧烈的区域比较符合这 ...
Laplacian微分算子 定义 最单间的各项同性微分算子是拉普拉斯算子,一个二维图像f(x,y)的拉普拉斯微分算子的定义如下: 将(2)、(3)式代入(1)式得 写成权系数矩阵模板为 效果如下: 算法源代码(java) /** * 二阶微分算子 laplacian算子方法 * @param srcPath 图片的存储位置 * @param distPath 图像要保存的存储位置 * @param formatName 图像要保存的存储位置 */ public static void laplacian0(St ...
Global site tag (gtag.js) - Google Analytics