【声明】本文没有多高的技术，只是学校的一项作业，故将制作过程写出，以作记录。大神请飘走。 本文所用工具为MachCAD 15 for windows 64。已知：正弦信号的完整公式xt=Asin(ωt+φ)小技巧：若想在MathCAD中打出π，需要同时按下Ctrl+Shift+P。 
转载
2023-12-01 22:06:58
41阅读
目录6-1 振幅解调基本工作原理一．普通调幅波的解调1.大信号检波基本工作原理2.检波失真（1）对角线失真（2）割底失真二．抑制载波调幅波的解调电路6-2 振幅解调实验电路1．二极管包络检波2．同步检波6-3 振幅解调实验目的、内容和步骤一、实验目的二．实验内容三．实验步骤（一）实验准备（二）二极管包络检波1．AM波的解调① AM波的获得② AM波的包络检波器解调③ 观察对角切割失真④观察底部切
“相位”（phase）是描述周期信号中某点在特定时刻位于循环中的相对位置的标度，其是描述信号波形变化的度量，通常以弧度（角度）作为单位，也称作相角。在波动光学中，单色相干光波场由二维复振幅描述，其由幅值（amplitude）与相位构成。其中，光波的幅值部分的平方描述了光波场的强度（intensity），就是我们人眼所能感受的光的“强弱”，因而光波的幅值部分很容易被人们所理解与接受。然而，我们通常对
# Python中的傅里叶变换和逆变换
在信号处理和图像处理领域，傅里叶变换是一种非常重要的数学工具，用于将一个函数在时域（或空域）中的表示转换为频域中的表示。通过傅里叶变换，我们可以将信号分解成不同频率的正弦波和余弦波的叠加，这对于分析信号的频率成分、滤波和压缩等应用非常有用。
在Python中，我们可以使用`numpy`库中的`fft`模块来进行傅里叶变换和逆变换。本文将介绍如何使用Pyt
原创
2024-07-03 03:52:14
98阅读
HOG(Histogram of Oreinted Gradients) 方向梯度直方图是一种常用的图像特征算法，和SVM等机器学习算法一起使用可以实现目标检测等。本文详细介绍HOG并给出python的MNIST实例
HOG(Histogram of Oreinted Gradients) 方向梯度直方图是一种常用的图像特征算法，和SVM等机器学习算法一起使
转载
2024-01-08 19:28:57
128阅读
说到编程语言python，有一个著名的格言"余生太短，只用python"。如果要分析为什么会存在这么一句格言？python的语法并不简单，有复杂难懂的部分，之所以又这样一句格言，是因为python中有很多强大的模块，就像一个武器库。 Python正式由于这些模块的出现，只要引入这个模块，调用这个模块的集成函数，问题迎刃而解；不需要从头开始，节省了大量的时间。Python中有这样一个模块
Seiscomp3系统的代码量比较可观的，用代码统计工具算了一下，大概有49万行代码，主要以C/C++和python为主。如果没有C/C++基础的话，有不小的难度。最近因为工作的需要对Seiscop3的源码进行了部分走读，对系统的架构有一些了解，但对于代码细节还有待研究，此博客的目的主要是记录学习过程，希望给后来的同学一点启示，少走些弯路。当
1. 光流估计1.1 方法介绍光流：空间运动物体在观测成像平面上的像素运动的瞬时速度。根据各个像素点的速度矢量特征，可以对图像进行动态分析，例如目标跟踪。如果下面这辆车正向我们缓缓开来，右图是车辆的光流，它代表车辆在行驶过程中，每一帧图像的瞬时速度和方向。箭头的大小表示移动的瞬时速度，箭头的方向代表前进的目标方向。可以获取车辆每一帧的位置，对它进行跟踪。相关定理：（1）亮度恒定：同一点随着时间的变
转载
2024-01-03 23:31:29
74阅读
一、介绍 磁簧开关(Reed Switch)也称之为干簧管，它是一个通过所施加的磁场操作的电开关。基本型式是将两片磁簧片密封在玻璃管内，两片虽重叠，但中间间隔有一小空隙。当外来磁场时将使两片磁簧片接触，进而导通。 一旦磁体被拉到远离开关，磁簧开关将返回到其原来的位置。可以用来计数或限制位置。二、组件★Raspberry Pi 3主板*1★树莓派电源*1★40P软排线*1★干簧管传感器模块*1★
通常使用scikit-image进行图像读取与存储操作：from skimage import io
img = io.imread('lena.jpg');
io.imshow(img)
io.imsave('lena2.jpg', img)
查看img大小：
img.shape
scikit-image对图像操作与matlab相似，比较适合matlab转python的同学
scikit-ima
转载
2023-06-30 20:03:19
126阅读
图像分类是人工智能领域的一个热门话题，通俗来讲，就是根据各自在图像信息中反映的不同特征，把不同类别的目标区分开。图像分类利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，代替人的视觉判读。在实际生活中，我们也会遇到图像分类的应用场景，例如我们常用的通过拍照花朵来识别花朵信息，通过人脸匹对人物信息等。通常，图像识别或分类工具都是在客户端进行数据采集，在服务端进行
转载
2024-03-07 10:31:42
21阅读
今天给大家分享一篇上个月刚刚发布的综述论文，基于深度学习的立体视觉深度估计。英文标题: A Survey on Deep Learning Techniques for Stereo-based Depth Estimation论文地址: https://arxiv.org/abs/2006.025353D视觉工坊为粉丝们整理好了中文翻译pdf文档、英文论文，公众号后台回复：立体视觉综述，即可获取
转载
2024-09-02 17:47:19
35阅读
原标题：matplotlib绘图的核心原理讲解matplotlib是基于Python语言的开源项目，旨在为Python提供一个数据绘图包。相信大家都用过它来数据可视化，之前我还分享过 25个常用Matplotlib图的Python代码 。可是你了解过它绘图的核心原理吗？那不如来看看黄同学的这篇文章吧！01核心原理讲解使用matplotlib绘图的原理，主要就是理解figure(画布)、axes(坐
# 实现求图像斜率 Python
## 操作流程
下面是实现求图像斜率的流程：
步骤 | 操作 | 代码
---|---|---
1 | 读取图像 | `image = cv2.imread('image.jpg')`
2 | 转换图像为灰度图 | `gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)`
3 | 检测边缘 | `edges
原创
2024-06-06 05:02:05
201阅读
# 使用 Python 计算图像的质心
图像处理是计算机视觉中的一个重要领域，其中一个常见的任务是计算图像的质心（或重心）。质心是一个物体的“平均”位置，可以被视为物体的“中心点”。在本文中，我们将使用 Python 中的多个库来实现图像质心的计算，包括 OpenCV 和 NumPy。我们将一步一步地讲解如何加载图像、处理图像以及计算质心。
## 什么是质心？
质心是一个物体的几何中心。当我
# Python求图像积分
在图像处理中，积分是一种常用的操作，可以用来计算图像的光强、颜色分布等特征。Python提供了多种方法来实现图像的积分操作，本文将介绍其中一种常用的方法。
## 什么是图像积分
图像积分是一种离散化的积分操作，用于计算图像中像素值的累积和。通常情况下，对于一个图像矩阵$A$，其积分矩阵$S$的每个元素$S(i,j)$表示从图像的原点$(0,0)$到像素$(i,j)
原创
2023-10-23 10:05:16
112阅读
例1已知函数\(f(x)=x^3-x^2-x+\cfrac{11}{27}\)，求证：函数\(f(x)\)的图像关于点\((\cfrac{1}{3}，0)\)对称。法1：利用思路\(f(\cfrac{2}{3}-x)+f(x)=0\)证明；\(f(\cfrac{2}{3}-x)=(\cfrac{2}{3}-x)^3-(\cfrac{2}{3}-x)^2-(\cfrac{2}{3}-x)+\cfra
# Python求图像均值
在图像处理领域，求图像均值是一项常见的任务。图像均值即对图像中的像素值进行统计，计算出其平均值。这个过程对于图像处理、图像识别等应用非常重要。在本文中，我们将使用Python语言来实现图像均值的计算，并介绍一些相关的概念和知识。
## 图像均值的定义
图像均值是指图像中所有像素值的平均值。在计算过程中，我们将图像转换为一个二维数组，数组中的每个元素表示图像中每个像
原创
2023-11-17 09:46:22
503阅读
共同本征函数1 不确定度关系的严格证明引入当体系处于力学量\(\widehat A\)的本征态时，对其测量，可得一个确定值，而不出现涨落。但在其本征态下，去测量另一个力学量\(\widehat B\)时，却不一定得到一个确定值分析证明设有两个任意的力学量\(\widehat A\)和\(\widehat B\),分析下列积分不等式其中，\(\psi\)为一个体系的任意一个波函数，$\xi $为任意
转载
2024-07-03 21:01:18
75阅读
Au菜单：效果/振幅和压限Amplitude and Compression增幅Amplify可增强或减弱音频信号。由于效果实时起作用，可以将其与效果组中的其他效果合并使用。预设 Presets包括：+10dB、+1dB、+3dB、+6dB 提升 Boost，-10dB、-1dB、-3dB、-6dB 削减 Cut等。增益 Gain增强或减弱各个音频声道。链接滑块 Li
转载
2024-05-09 17:10:50
109阅读
