注:正则表达式:b*[^:b#/]+.*$
笔记起草背景:看过很多人开发的代码,身边的人最近吐槽别人的代码风格。良好的风格对于自己开发过程中并无多大帮助,很大程度上是愉悦别人,注重团队合作。 开发规范 1.变量名称命名规范:ab_c 全小写,单词之间以``分隔。 2.函数命名规范:oneTwoThree 首单词小写,其它单词首字母大写。如遇到
为什么红外可以被中医所用? 中医的辨证总纲为八纲辨证:寒热表里虚实阴阳。 中医属于哲学,寒热在现实的解析:寒热的表现(物理界的体现)可以用温度替代,通过红外可以测到人体的温度。 实例验证: 小儿咳嗽: 红外图片可以直观看到腹部高温,肺与大肠相表里,所以中医采用消食的办法,把腹部的高温降下去也就不咳嗽
注册表(regedit): 计算机\HKEY_LOCAL_MACHINE\SYSTEM\ControlSet001\Services\Tcpip\Parameters\Interfaces\
一、名词解释: CBTC:Communication-Based Train Control,基于通信的列车控制系统 I-CBTC:Interoperability Communications-Base Train Control,基于互联互通的CBTC系统 FAO:Fully Automatic
1.应用场景示例: 在红外图像上去背景就可以采用这个原理。 动作捕捉也可以依靠这个原理。 2.两帧图像对应的值(例如红外图像对应温度值)相减。 3.继续探究与“差分法”的关联。
1.算数平均滤波: 1.对连续N个采样值进行算数平均 2.步长N可调试进行查看效果。 2.低通滤波: 1.Y(n)=αX(n)+(1-α)Y(n-1) α:滤波系数 X(n):本次采样值 Y(n-1):上次滤波输出值 2.代码编写过程中,α由0至1循环调试 和 由1至0循环调试,视情况而定。
注: 1.本例子是红外图像做差得到的人体图像,非人体图像温度数值都为0. 2.myGaussFilter123含边界点(未全包含:整幅图像的边界未包含,仅涵盖了图像(不不包括图像边界)中的人体边缘点)。 3.myGaussFilter不含边界点,经测试发现,对边界去毛边并未有区别(也许与自己扩充边界
1.通俗讲,对整幅图像进行加权平均的过程。 2.十分有效的低通滤波器。 3.两种实现:1.离散化窗口滑窗卷积;2.傅里叶变换。 4.高斯函数: (e:自然对数,≈2.71828) 5.高斯函数积分: 6.高斯分布: 7.高斯滤波性质(5个): (1)二维高斯函数具有旋转对称性,即滤波器在各个方向上的
1.直接上代码: 注:此代码有点简单,可深究图像增强算法。
接上一篇高斯滤波,后来测试发现,与其扩充边界(费力气)处理,不如直接把之设为0(效果好):
1.看了诸多博客,初步得到结论是:KNN不适合做图像分类。 2.如果偏要用此方法进行图像分类,距离计算为:对应的每个像素代表的像素值进行绝对差值计算,最后求和。这就是“图像的距离”
1. 软件层解析网络包出现问题。 排查一下网络连接上的设备是否异常,更换或不用试下。常见的有usb转网口模块、交换机等。虽然别的数据可以正常收到,也要排查下,最简单就是用一根好的网线直连。
KNN: 1.数据挖掘分类技术中最简单的方法之一。 2.也称为邻近算法,K最近邻分类算法 3.每个样本都可以用它最接近的k个邻居来代表 4.一般,距离使用欧式距离或曼哈顿距离(通常,k≤20) python代码实现 例子: 已有的分类数据: A:(1.0,2.0) A:(1.2,0.1) B:(0.
问题情境: 一堆点求斜率,不能使用简单的▲Y/▲X 解析思路: 求解:斜率——>线性回归——>最小二乘法——>最优解——>偏导 验证:相关系数r,统计量f,剩余标准差s:r趋近于1好;f越大越好;s趋近于0好。 性质: 一定过点(Avgx,Avgy)。备注:x均值,y均值 代码:
1.2^3bit=1byte 2^10b=1kb 2^10kb=1m 2^23b=1m (Int32::2^32bit=2^29b=2^9m≈500m) 2^10m=1g 2.10^3b≈1kb 10^6kb≈1m 10^9b≈1g 1亿=1^8 10亿字节≈1g (Int32:2^32位=42.9
问题情境: 针对二维不规则图形(人体图像),寻找重心。 思路辨析: 1.注意区分于中心。中心横坐标是最小与最大横坐标的均值,纵坐标亦然。 2.可以参考重心概念公式,例如横坐标X=(x1m1+x2m2+‥+ximi)/M,其他方向坐标亦然。 解决办法: 1.自己做的方法就是简单把图形看做一个点m为1。
问题情境: 1.判断点是否在人体某个部位(不规则多边形)上 思路辨析: 判断方法有好多种,需要考虑到实用性(局限性)和代码化简易程度。 1.面积和判断,内角和判断(转角法)等,或局限于多边形形状(凹、凸),或代码计算有复杂地方(弧长,角度计算),或局限于多边形顶点的顺序问题等。 2.观察及检验之下,
1.很多时候,客户≠最终用户; 例如,对超市销售系统而言,客户是某家连锁超市(的老板),而用户是超市收银员和上货员。 因此,充分考虑客户的业务目标、上线时间的要求、预算限制。以及集成等,还要特别关注客户所在领域的业务规则和业务限制。 2.简单设计示例:(按顺序依次行径)
问题描述: 在节假日的时候,书店一般都会做促销活动。由于《哈利波特》系列相当畅销,店长决定通过促销活动来回馈读者。在
近期阅读《梦断代码》了四、五、六、七章,现在我把我的感想公之于众,在我的感想之前,先要把它的主要思想阐述一番: 第四章
昨天做了什么: 已经简单实现我的后续显示问题。 今天准备做什么: 美观上的东西来不及做了估计,我要整合到项目的实现上去。 遇到的问题: 项目问题大体上和竞赛一致,但也有不一样的地方。
昨天做了什么: 项目问题已经简单实现。 今天准备做什么: 今天是最后一天,但发现自己勉勉强强完成。不够好,从始来看是自己前期的乐观以及任务进度的缓慢造成。 除了主要功能之外:最主要的问题美观,使用者的体验感很差。 遇到的问题: 不知道大体上的app格调要成什么样子,具体到很细的标题栏,不同的字体颜色
软件是软件工程不得不提到的,而软件需求对于软件讲也是不可少的。《构建之法》很好的讲述了软件需求,其中NABCD模型是很令人
1.继续完善我们四人组的成果。 2.编写“买书”的程序,在课上已经明确此问题的规律, 因此也不用花费过多的时间。
时光荏苒,不留情面地要剥夺我的软件工程方面的再造之路。时间又是如此地冷酷的公平,不可能让我永远淋沐着王建民老师的谆谆
1.准备安卓的app程序。 2.重新翻看了一下《构建之法》。
长时间在编写代码,考虑的角度一直都是代码角度。思维难免固化,尤其在碰见难题的时候,更是百般头疼。如果这个时候可以转变一下角度思考这个问题(同时也考验了自己的学科之间的广博)。 摄像头显示问题一直是卡,自己翻开摄像头的SDK亲自编写例子测试发现摄像头的数据竟然是数次中夹杂着垃圾数据(专业角度讲是数据类
1.javaEE的编程与修改; 2.准备《封神榜》app的演讲与展示; 3.重新温读了《构建之法》。
1.在思路通畅情况下, 程序很快就能编写完成。 2.但是经过大家使用,会暴露出诸多问题。bug接二连三的出现,你都会不相信这是自己编写出来的软件。 3.所以
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号