opencv中的分水岭算法非常高效，在一些场景中存在价值很高，可以由创意的调用这个程序，减少重写代码的量。但最近遇到的问题让我发现想用好它不是很简单。今天提到的两个方法，当一个由创造性的调包侠吧。一、用分水岭算法得到斑块的中轴线 上图是斑块，下图是各斑块的分界线上代码：void onWatershed(Mat im)//分水岭，im已被处理成单通道参考(通过split()）
{
Mat i
转载
2024-04-01 09:59:50
200阅读
查找并绘制轮廓寻找轮廓（findContours）函数绘制轮廓（drawContours()函数）基础实例程序：轮廓查找#include <opencv2/opencv.hpp>
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;
using
Vec系列数据结构是Matx的一个派生类，其矩阵的行的大小永远固定为一行，列大小从1到6不等，可以认为类似与C++ vector，但与C++ 的vector又有很大不同,,以下不同来自于一段技术博客，讲的比较清楚: &n
转载
2024-05-16 12:30:45
0阅读
OpenCV 是一个开源的跨平台计算机视觉库，其实就是一堆C 和C++语言的源代码文件，这些源代码文件中实现了许多常用的计算机视觉算法。OpenCV 中源代码文件巨多，根据算法的功能，将这些源文件分到了多个模块中：core、 imgproc、 highgui 等。将每个模块中的源文件编译成一个库文件（如opencv_core.lib、 opencv_imgproc.lib、 opencv_high
转载
2024-04-01 10:58:23
36阅读
实验十二 包络检波及同步检波实验一、实验目的1．进一步了解调幅波的原理,掌握调幅波的解调方法。2．掌握二极管峰值包络检波的原理。3．掌握包络检波器的主要质量指标,检波效率及各种波形失真的现象，分析产生的原因并思考克服的方法。4. 掌握用集成电路实现同步检波的方法。二、实验内容1．完成普通调幅波的解调。2．观察抑制载波的双边带调幅波的解调。3．观察普通调幅波解调中的对角切割失真，底部切割失真以及检波
转载
2024-02-14 13:38:46
80阅读
轮廓最小外接矩形—minAreaRect()函数原型RotatedRect minAreaRect( InputArray points );points: 输入的二维点集, 可以填Mat类型或std::vector 返回值: RotatedRect类矩形对象, 外接旋转矩形主要成员有center、size、 angle、points注意点在opencv中，坐标的原点在左上角，与x轴平行的方向为
转载
2023-12-20 17:07:59
32阅读
# Python 计算包络线
## 介绍
在数据分析和信号处理中，包络线是一个重要的概念。它描述了一个信号或数据集的上下界，可以用于分析信号的特征或去除噪声。在本篇文章中，我们将介绍如何使用Python计算包络线。
## 流程概述
下面是计算包络线的整体流程：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 导入必要的库 |
| 2 | 加载数据 |
| 3 | 计算包
原创
2024-01-02 05:48:29
985阅读
使用迪杰斯特拉算法 对下面的图片进行路径规划 OpenCV的边缘检测将物体边缘标记//灰度化，滤波，Canny边缘检测
cvtColor(srcImage, maskWaterShed, COLOR_RGB2GRAY );//灰度转换
GaussianBlur(maskWaterShed, maskWaterShed, Size(5, 5), 2); //高斯滤波
//i
注：需要以《通信系统原理》相关知识内容为基础才能对话题进行学习。目录一、包络与包络起伏1.1包络 1.2包络与包络起伏二、QPSK与OQPSK2.1QPSK原理 2.2QPSK的调制2.3QPSK的解调2.4OQPSK的原理2.5OQPSK的调制与解调三、-DQPSK四、MATLAB仿真4.1QPSK仿真部分代码 4.2QPSK包络仿真 4.2OQPSK、-
1.信号本质软中断信号（signal，又简称为信号）用来通知进程发生了异步事件。在软件层次上是对中断机制的一种模拟，在原理上，一个进程收到一个信号与处理器收到一个中断请求可以说是一样的。信号是进程间通信机制中唯一的异步通信机制，一个进程不必通过任何操作来等待信号的到达，事实上，进程也不知道信号到底什么时候到达。进程之间可以互相通过系统调用kill发送软中断信号。内核也可以因为内部事件而给进程发送信
转载
2024-10-25 10:13:30
24阅读
本篇 是接上一篇未完的分析而作的，主要是继续深入理解信号包络以及包络的意义。同时，本篇 文章目录一、信号包络产生的回顾二、包络的严格定义三、从三维空间的角度看包络3.1 从包络理解星座图的由来3.2 信号包络分析的意义四、OQPSK调制的引入 一、信号包络产生的回顾还记得我们之前学习到的信号包络吗？我们先简单回顾一下它的产生： 首先是
接下来是和调制载波相乘：（实数运算实现）
转载
2024-09-29 11:29:14
379阅读
普通程序员，不学算法，也可以成为大神吗？对不起，这个，绝对不可以。可是算法好难啊~~看两页书就想睡觉……所以就不学了吗？就一直当普通程序员吗？如果有一本算法书，看着很轻松……又有代码示例……又有讲解……怎么会有那样的书呢？哎呀，最好学了算法人还能变得很萌……这个……要求是不是太高了呀？哈哈，有的书真的能满足所有这些要求哦！来，看看这本书有多可爱—— 二分查找萌一个 1~100，阿喵同学选了个数
第5章 条件与循环赋值魔法5.2.1 序列解包5.2.2 链式赋值5.2.3 增强赋值5.3 代码块：缩进5.4 条件和条件语句5.4.1 条件5.4.2 语句5.4.6 更复杂的条件5.5.4 一些有用的迭代工具5.5.5 调出循环5.6 简单推导5.7 del pass、exec和eval5.8 本章介绍的新函数 赋值魔法5.2.1 序列解包>>> x, y, z = 1,
转载
2024-10-25 18:15:33
44阅读
# 数据包络分析（DEA）在 Python 中的应用
数据包络分析（Data Envelopment Analysis，DEA）是一种用于评估多输入和多输出的决策单元（Decision Making Units, DMUs）相对效率的非参数方法。它广泛应用于各种领域，如医院、教育、银行及生产等行业，帮助决策者识别出最有效的单位，并为其表现不佳的单位提供改进的参考。
## 什么是数据包络分析？
针对大家评论区给出的很多问题，作者一直都有关注，因此在这里又写了一篇文章，而且思路与这篇文章有不同之处，至于具体的不同之处放在下一篇文章了，大家感兴趣的可以移步观看，下一篇文章可以说是作者的呕心力作。(4条消息) 白鲸优化算法优化VMD参数，并提取特征向量，以西储大学数据为例，附MATLAB代码_今天吃饺子的博客好了，废话到此为止！接下来讲正文！同样以西储大学数据集为例，选用105.mat中的X1
转载
2024-04-24 14:16:42
335阅读
个人分类： 机械故障声学诊断数字信号处理最近做项目要提取一个声音信号的包络波形，所以花了点时间研究各种包络提取的算法。所谓包络检测又叫幅度解调，在许多领域都有重要的应用。如果载波信号是确定的，那么通常可以采用同步解调的方式，这种方式的信噪比最好，对信号中混入的噪声的抑制能力最强。所谓同步解调是通讯领域通常的叫法。在信号检测领域，这种方式通常称为“相敏检波”，锁相放大器（Lock-in&n
转载
2024-08-09 11:39:43
69阅读
## 实现Python包络的流程
```mermaid
flowchart TD
A(理解Python包络) --> B(创建项目文件夹)
B --> C(创建setup.py文件)
C --> D(编写setup.py文件)
D --> E(构建包)
E --> F(上传包)
F --> G(安装包)
```
### 1. 理解Python包络
原创
2023-11-07 03:08:52
98阅读
在深度学习领域，PyTorch 是一个广泛使用的框架。然而，在使用 PyTorch 时，我碰到了一个“包络”相关的问题，这影响了我的模型训练效果。为了记录这个过程，我将详细描述问题的各个方面，包括问题背景、错误现象、根因分析、解决方案、验证测试、预防优化以及相应使用的图表和代码示例。
### 问题背景
在我的项目中，我使用的是基于 PyTorch 的卷积神经网络（CNN）进行图像分类，模型的业
Table of Contents01 基本功能的实现方法02使用类实现功能03总结04修改数据目的：在不修改函数内部的前提下修改函数功能01 基本功能的实现方法#问题：初中学过函数（y=kx+b, y=ax^2+bx+c）#以y=kx+b为例，计算一条线上多个点：给x得y#法1 不能重用
k=1
b=2
y=k*x+b
#法2同线多点时，k b不能保存
def line_2(k,b,x):
转载
2024-04-13 19:55:02
53阅读
引言交叉熵(Cross Entropy)是香农信息论中一个非常重要的概念，它在深度学习和机器学习中常常被用作损失函数，给定真实类标签分布，为训练过程中模型的类别预测概率分布，交叉熵损失函数可以用于衡量和的相似性，从而提供了优化神经网络参数的梯度。本文会通过回答以下四个提问更全面更深入地去了解交叉熵。问题1：为什么交叉熵可以用于度量两个概率分布之间的差异性？问题2：两个概率分布交叉熵的最小值是多少？
转载
2023-11-20 06:44:30
480阅读
