??已經(jīng)是很久以前的代碼了，今天剛好瞎逛上來(lái)（好巧）。運(yùn)行鏈接里的demo.py應(yīng)該是可以直接出文章里的結(jié)果。如果是自己的圖片喘沿，應(yīng)該要自己寫一下讀取圖像的代碼。https://github.com/iwuqing/Digital-Image-Processing/tree/master/image%20segmentation%20based%20on%20k-means
基于K-means聚類算法的圖像分割1 K-means算法 實(shí)際上，無(wú)論是從算法思想舅桩，還是具體實(shí)現(xiàn)上，K-means算法是一種很簡(jiǎn)單的算法凫岖。它屬于無(wú)監(jiān)督分類江咳，通過(guò)按照一定的方式度量樣本之間的相似度，通過(guò)迭代更新...
內(nèi)容同步發(fā)表于 知乎 與 科創(chuàng)論壇 前陣子讀了一篇關(guān)于三維重建的論文哥放，是Facebook團(tuán)隊(duì)聯(lián)合華盛頓大學(xué)發(fā)表在CVPR2019上的歼指。這一論文嘗試用神經(jīng)網(wǎng)絡(luò)去近似SDF函數(shù)（...
Exec = 路徑/matlab -desktop 可以試試把這個(gè)后面的-desktop去掉
Linux下，為應(yīng)用程序添加桌面圖標(biāo)（ubuntu18.4）一甥雕、桌面圖標(biāo)位置 Lniux下桌面圖標(biāo)儲(chǔ)存路徑為：/usr/share/applications 二踩身、桌面圖標(biāo)格式 所有桌面圖標(biāo)格式均為desktop，即名為XXX.desk...
都是當(dāng)是自己的筆記社露，如果能給別人帶來(lái)幫助就更好了:)
譜減法（Spectral Subtraction）本文簡(jiǎn)要探討了語(yǔ)音信號(hào)的基本特性挟阻，并介紹了譜減法的基本原理，同時(shí)基于Matlab實(shí)現(xiàn)了原始譜減法及其一種改進(jìn)版峭弟。最后給出音頻波形附鸽、頻譜，從主觀的人耳和客觀的評(píng)判標(biāo)準(zhǔn)來(lái)量化所達(dá)...
本文簡(jiǎn)要探討了語(yǔ)音信號(hào)的基本特性瞒瘸，并介紹了譜減法的基本原理坷备，同時(shí)基于Matlab實(shí)現(xiàn)了原始譜減法及其一種改進(jìn)版。最后給出音頻波形情臭、頻譜省撑，從主觀的人耳和客觀的評(píng)判標(biāo)準(zhǔn)來(lái)量化所達(dá)...
本文介紹了系統(tǒng)的無(wú)記憶性（memoryless）赌蔑、因果性（causality）、穩(wěn)定性（stability）竟秫、時(shí)不變（time-invariance）及線性（linearit...
本文介紹了單位階躍信號(hào)、單位沖激信號(hào)分別在離散和連續(xù)下的定義及關(guān)系 1 離散時(shí)間 1. 1 單位階躍信號(hào) 數(shù)學(xué)表達(dá)式 1. 2 單位沖激信號(hào) 數(shù)學(xué)表達(dá)式 1.3 兩者關(guān)系 一...
我們知道：對(duì)于任意的連續(xù)時(shí)間正弦信號(hào)肥败，它都具有周期性且其最小正周期都是（是頻率）趾浅；而對(duì)于離散時(shí)間正弦信號(hào)，只有當(dāng)（是頻率）是一個(gè)實(shí)數(shù)時(shí)馒稍，它才具周期性且周期為的正整數(shù)倍潮孽。本文從...
在線性回歸（Linear Regression）問(wèn)題中，我們可以通過(guò)梯度下降（Gradient Descent）來(lái)求解到最優(yōu)參數(shù)筷黔。使用正規(guī)方程（Normal Equation...
也許你寫了無(wú)數(shù)行的代碼往史，也許你能非常溜的使用高級(jí)語(yǔ)言，但是你未必了解那些高級(jí)語(yǔ)言的執(zhí)行過(guò)程佛舱。例如大行其道的Java椎例。 Java號(hào)稱是一門“一次編譯到處運(yùn)行”的語(yǔ)言，但是我們對(duì)...
卷積神經(jīng)網(wǎng)絡(luò)屬于前饋網(wǎng)絡(luò)的一種请祖，同全連接前饋網(wǎng)絡(luò)一樣可以視為一個(gè)函數(shù)订歪。與后者最大的區(qū)別是：卷積神經(jīng)網(wǎng)絡(luò)多了卷積層與池化層，因此卷積神經(jīng)網(wǎng)絡(luò)也具有提取局部特征的優(yōu)越性肆捕。 1 卷...
keywords: 時(shí)間序列處理; 深度學(xué)習(xí); keras 針對(duì)現(xiàn)有時(shí)間序列分類方法的特征提取與分類過(guò)程分離刷晋，且無(wú)法提取存在于不同時(shí)間尺度序列的不同特征的問(wèn)題，作者提出MCN...
1 K-means算法 實(shí)際上慎陵，無(wú)論是從算法思想眼虱，還是具體實(shí)現(xiàn)上，K-means算法是一種很簡(jiǎn)單的算法席纽。它屬于無(wú)監(jiān)督分類捏悬，通過(guò)按照一定的方式度量樣本之間的相似度，通過(guò)迭代更新...
1 神經(jīng)元 神經(jīng)元是構(gòu)成神經(jīng)網(wǎng)絡(luò)的基本單元润梯，接受一組輸入信號(hào)并產(chǎn)生輸出 1.1 基本機(jī)制 接收一個(gè)列向量輸入过牙，通過(guò)下列表達(dá)式產(chǎn)生凈輸出 行向量為權(quán)重向量 為偏置 凈輸入通過(guò)激...
1 邊緣檢測(cè)背景知識(shí) 邊緣即指圖像中連接在一起的像素值發(fā)生突變的像素點(diǎn)的集合，故邊緣檢測(cè)則為檢測(cè)出圖像中所有的邊緣 1.1 處理方法 根據(jù)邊緣像素的像素值突變的特性纺铭，可以想象...
1 最近鄰插值 1.1 基本原理 假定 源圖像的尺寸為 經(jīng)最近鄰插值處理后的圖像的尺寸為 由此可以得到縮放倍數(shù) 現(xiàn)取圖像中的一點(diǎn)寇钉，可以知道對(duì)應(yīng)在圖像中的理論計(jì)算位置為 而上式...
1. 加性高斯白噪聲 1.1 特點(diǎn) 加性高斯白噪聲屬于白噪聲的一種，有如下兩個(gè)特點(diǎn)： 功率譜密度為常數(shù)舶赔，即白 高斯則為其幅度的概率密度函數(shù)服從高斯分布 1.2 高斯分布的一維...
前言 直方圖均衡的核心思想是將圖像中每個(gè)灰度級(jí)的概率均勻化扫倡。從直方圖上，可以明顯觀察到均衡化后的圖像直方圖較處理器的更加平坦顿痪，亦即分布均勻镊辕。下面給出數(shù)學(xué)證明及Python實(shí)現(xiàn)...