一，原图二，腐蚀和膨胀# coding=utf-8
import cv2
import numpy as np
# opencv里所说的腐蚀，膨胀是针对白色区域，腐蚀是缩小白色区域，膨胀是扩大白色区域
img = cv2.imread('D:/2.jpg', 0)
# OpenCV定义的结构元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT
转载
2024-09-28 19:03:36
85阅读
我们经常会在Excel表格中进行数据的核对修改，如果要在第一时间知道哪些数据被修改过，通过对修改过的数据做出标记是快速识别这类数据的好方法。利用Excel的有关组件，我们就可以实现被修改数据的标记功能。下面，我们以在Excel 2019中操作为例来说明。 1. 用好突出显示修订 修改数据轻松标记
转载
2023-11-11 23:39:31
99阅读
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录引言方法1方法2总结参考文献 引言语音的实际应用场景中，经常是给定一段包含多句句子的长语音，这就产生了语音端点检测的需求，从而实现对句子的分割。端点检测可以是只检测长语音的开始和结束，也可以细化到每一句句子的开始和结束，以下示例为句子级的端点检测。方法1使用短时能量和谱质心特征进行端点检测，在matlab上有封装好的函数，以
转载
2023-11-20 10:41:28
151阅读
# Python 变点检测入门指南
变点检测（Change Point Detection）是数据分析中的一个重要领域，特别是在时间序列分析中。本文将带领刚入行的开发者实现Python中的变点检测。我们将分步进行，最终完成一个简单的变点检测模型。
## 整体流程
为了更清晰地理解整个过程，下面是我们要进行的步骤表：
| 步骤 | 描述
iamlaosong文我们经常需要监督Excel工作表中单元格的值是否变化，例如我们客服有一个报表要通报，报表的内容来自很多地方，需要将这些数据复制到这个表中，由于数据较多，为了防止有遗漏，希望更新后的数据有个标志，这样没有更新的就一目了然了。为此，很自然就会想起利用Worksheet_Change事件完成。当工作表任何单元格发生变化时就会激活这个事件。另一个事件函数Worksheet_Selec
转载
2024-03-18 09:02:16
112阅读
文章源码在 https://github.com/wangshub/python-vad引言语音端点检测最早应用于电话传输和检测系统当中,用于通信信道的时间分配,提高传输线路的利用效率.端点检测属于语音处理系统的前端操作,在语音检测领域意义重大. 但是目前的语音端点检测,尤其是检测 人声 开始和结束的端点始终是属于技术难点,各家公司始终处于 能判断,但是不敢保证 判别准确性 的阶段. 现在基于
转载
2024-02-19 14:28:32
171阅读
"""Reference:https://techrando.com/2019/08/14/a-brief-introduction-to-change-point-detection-using-python/https://github.com/kperry2215/change_point_detection"""import numpy as npimport pandas as pdim
原创
2022-07-18 11:09:07
1085阅读
异常点检测算法（二）矩阵分解 前面一篇文章《异常点检测算法（一）》简要的介绍了如何使用概率统计的方法来计算异常点，本文将会介绍一种基于矩阵分解的异常点检测方法。在介绍这种方法之前，先回顾一下主成分分析（Principle Component Analysis）这一基本的降维方法。（一）主成分分析（Principle Component Analysis）对高维数据集合的简化有各种各样的原因，例如：
时间序列变点检测https://zhuanlan.zhihu.com/p/354342827
原创
2021-06-29 14:15:10
2606阅读
您请细品!!!处理过程可能较为繁琐,但是精度指标很具有代表性!!! 对多时相影像进行精度评估，通常都是使用混淆矩阵求其精确率、漏检率和虚警率；但是要想使用混淆矩阵求上述指标一般都需要知道参考图，也就是在变化检测前知道变化
转载
2024-07-21 09:20:06
76阅读
自我理解贝叶斯算法也就是通过概率来判断C是属于A类还是B类，下面是具体代码（python3.5 测试通过）文字流程解释一波 1 ） 加载训练数据和训练数据对应的类别 2） 生成词汇集，就是所有训练数据的并集 3） 生成训练数据的向量集，也就是只包含0和1的向量集 4） 计算训练数据的各个概率 5） 加载测试数据
背景1、传统的按键检测使用阻塞式延迟去抖动，容易造成CPU浪费。2、对于输入动作容易造成重复，引发混乱（假设我按住一个按钮，得到了111111111111111111111111111的结果）因此，我们引入通过检测跳变来间接检测输入按键的检测。原理很简单：1、初始化一个flag，给定默认值。2、按下按钮以后，电平发生变化，同时让flag置到某个状态。3、在还没松开按键之前，系统将定期检测（检测间隔
概率论只不过是把常识用数学公式表达了出来。——拉普拉斯0. 前言这是一篇关于贝叶斯方法的科普文，我会尽量少用公式，多用平白的语言叙述，多举实际例子。更严格的公式和计算我会在相应的地方注明参考资料。贝叶斯方法被证明是非常 general 且强大的推理框架，文中你会看到很多有趣的应用。 1. 历史托马斯·贝叶斯（Thomas Bayes）同学的详细生平在这里。以下摘一段 wikipedia 上的简介：
Change Detection Based on Deep Siamese Convolutional Network for Optical Aerial Images该篇论文利用Siamese网络作为特征提取网络，为了利用像素点之间的信息关系添加了KNN算法用来提高变化检测性能。由于本篇论文提出时间较早，很多方法已经不适用，但其思想指的借鉴。 该篇论文提出的损失函数添加了频率用来解决数据不平
转载
2024-01-05 22:36:38
45阅读
特征点又称兴趣点、关键点，它是在图像中突出且具有代表意义的一些点，通过这些点我们可以用来识别图像、进行图像配准、进行3D重建等。本文主要介绍OpenCV中几种定位与表示关键点的函数。 一、Harris角点 角点是图像中最基本的一种关键点，它是由图像中一些几何结构的关节点构成，很多都是线条之间产生的交点。Harris角点是一类比较经典的角点类型，它的基本原理是计算图像中每点与周围点变化率的平均值。
转载
2024-01-09 17:53:04
161阅读
作者，AI天才研究院（AI Genius Institute）的高级研究员，同时也是《禅与计算机程序设计艺术》（Zen And The Art of Comp
文章目录环境准备和数据预处理第一步 探索性分析第二步：基准模型 - 不使用外生变量的单变量预测第三步：改进模型 - 单变量预测与外生变量第四步：评估模型第五步：简约模型 - 有限外生变量的单变量预测第六步：进行未来预测第六步A：使用预测获取未来外生变量的值第六B步：加载模型并对目标变量进行未来预测第七步：自动机器学习第七A步：使用内生变量和外生变量进行单变量自动机器学习 在这组笔记本中，我们将
转载
2024-06-18 10:42:40
88阅读
零之前言这一章的数学我真的有点看不懂，没有认真专研过，所以，这节内容的代码主要搞清楚参数怎么设置，然后参数怎么调会有怎样的结果就可以了。一.图像特征对于图像的特征提取，一个关键的特征就是角点。角点是比较好检测的一种东西。做过软件识图的都知道，如果没有角点的搜寻图，纯色搜寻很容易搜索到其他的东西，那为什么说角点能够作比较好的特征检测的东西呢？尝试移动一下这三个框，就很容易知道结果了。二.Harris
转载
2023-10-24 00:40:02
102阅读
在当今的数字图像处理领域，卡片顶点检测是一个常见的需求，尤其是在 OCR（光学字符识别）系统以及自动化文档处理应用程序中。顶点检测可以帮助我们识别和分离文档中的关键信息区域。通过 Python 来实现卡片的顶点检测功能，这使得自动处理图像变得更加高效。
> 在这篇博文中，我将详细分析如何使用 Python 完成卡片顶点检测的实现，包括技术原理、源码分析、应用场景等方面，以便你能在实际项目中加以应
PCB中的生产工艺、USB布线、特殊部件、蓝牙天线设计PCB生产中Mark点设计1.pcb必须在板长边对角线上有一对应整板定位的Mark点，板上集成电路引脚中心距小于0.65mm的芯片需在集成电路长边对角线上有一对对应芯片定位的Mark点；pcb双面都有贴片件时，则pcb的两面都按此条加Mark点。2.pcb边需留5mm工艺边（机器夹持PCB最小间距要求），同时应保证集成电路引脚中心距小于0.65
