2. 程式人生 > >MATLAB學習筆記 學習總結歸納（第一週）

MATLAB學習筆記 學習總結歸納（第一週）

阿新 • • 發佈：2019-01-08

此學習總結歸納為自己在這一週學習知識的總結，進行歸納整理，如有錯誤，請批評指正

本文進度-第1章~第3章

效能測試

時間

tic toc 用於記錄所包含的語句的執行時間

tic; function(); toc % 返回函式執行時間

timeit(function) 用於記錄傳入的函式控制代碼的執行時間

f = @() function(x); % 函式控制代碼
timeit(f) % 返回函式執行時間（不是很準確，此函式中有一些檢測函式執行情況的函式，佔用一部分時間，不過用起來很方便）

物件操作

矩陣

eye(n, m) 產生單位矩陣（生成n*m的單位矩陣）

f = eye(2)
f = eye(1, 2)

zeros(x, y, z) 生成x*y*z的三維矩陣（個數無限制）每個元素都為0

f = zeros(1, 2, 3);
f = zeros(1);

ones(x, y, z) 生成x*y*z的三維矩陣（個數無限制）每個元素都為1

f = ones(1, 2, 3);

linspace(a, b, numel(T)) 線性插值（相當於建立一個行向量，其每個元素的值為a~b的線性值-斜率為1）

linspace(1, 0, 25)

meshgrid(x, y, z) 用於生成二維、三維陣列（速度快，我的電腦的話，比正常的forforfor快5-10倍）

以二維為例，C返回一個二維陣列，一共有numel(x)列，numel(y)行，每行數字相同，每列對應為x[id]，R 則與之相反。

[C, R] = meshgrid(1:2:10, 1:3:30);

prod(A, n) 返回傳入引數的乘積 (預設n為1[不寫即為1])

此函式有3種常用情況
* 當傳入引數為一維陣列（只有一行/一列）時，傳出為元素的乘積

prod([1 2 3 4 5]) % 返回 120

當傳入引數為二維陣列時，傳出為每列的乘積

prod([1 2;3 4]) % 返回3 8

當傳入引數為一個二維陣列和一個數（代表維度），則會返回以這個維度為基準的每維的乘積

prod([1 2; 3 4], 2) % 返回 2 12

padarray(A, [x, y], method, direction) 填充陣列，第一個引數為要填充的陣列，x表示在x軸，要填充幾個，y表示在y軸要填充幾個，method(方法)有四種情況(書上有三種- -)，direction(方向)也有三種情況

方法: P ‘replicate’ ‘symmetric’ ‘circular’
方向: ‘pre’ ‘post’ ‘both’

padarray([1 2; 3 4], [3 2], 'post')
padarray([1 2; 3 4], [3 2], 'pre')
padarray([1 2; 3 4], [3 2], 'both')
padarray([1 2; 3 4], [3 2], 5, 'post')
padarray([1 2; 3 4], [3 2], 5, 'pre')
padarray([1 2; 3 4], [3 2], 5, 'both')
padarray([1 2; 3 4], [3 2], 'replicate', 'post')
padarray([1 2; 3 4], [3 2], 'replicate', 'pre')
padarray([1 2; 3 4], [3 2], 'replicate', 'both')
padarray([1 2; 3 4], [3 2], 'symmetric', 'post')
padarray([1 2; 3 4], [3 2], 'symmetric', 'pre')
padarray([1 2; 3 4], [3 2], 'symmetric', 'both')
padarray([1 2; 3 4], [3 2], 'circular', 'post')
padarray([1 2; 3 4], [3 2], 'circular', 'pre')
padarray([1 2; 3 4], [3 2], 'circular', 'both')

symmetric 就是映象複製, replicate就是直接複製邊界, circular就是週期複製，post就是在每個維度後面填充， pre就是在前面， both就是post+pre。

size(A, n) 返回A矩陣的第n維有幾個，預設為全部(三維則返回三個)

f = zeros(1, 2, 3);
size(f)
size(f, 1)
% size(f, 0) % 會報錯，因為維度從1開始(不像程式語言)

numel(A) 返回A矩陣的元素個數(全部元素,跨維度計數)

f = zeros(1, 2, 3);
numel(f)

ndims(A) 返回矩陣是幾維.

A = ones(1, 2, 3);
ndims(A) % 返回3

影象

imread(fileName) 讀取名為fileName的圖片，範圍型別根據圖片不同而不同

f = imread('coins.png');

imwrite(image, fileName) 將圖片image， 儲存為fileName

fileName可以包含路徑（相對、絕對都可以）,格式根據給定格式，函式會自動轉換

f = imread('coins.png');
imwrite(f, '1.jpg');
imwrite(f, 'c:\1.png');

imfinfo(fileName) 將fileName的圖片資訊讀出來

f = imfinfo('conins.png')

顯示圖片 imshow(image) 將圖片顯示（在上一個視窗顯示，如果沒有則新建一個）

% 普通圖
f = imread('onion.png');
imshow(f);
% 索引圖
[X, map] = rgb2ind(f, 256);
imshow(X, map);
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

影象轉換

gray2ind(iamge, n) 將傳入的灰度圖轉化索引圖, n代表要分為幾個索引顏色
f = imread('coins.png');
[X, map] = gray2ind(f, 5); % X為索引座標 map為顏色索引表
imshow(X, map);
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述
rgb2gray(image) 將rgb轉為gray(灰度圖)
f = imread('onion.png');
g = rgb2gray(f);
imshow(g)
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述
im2bw(image, level) 將圖轉換為二值圖，level為閾值(區間為[0, 1])

低於level 都為黑色（0）， 否則為白色（1）

f = imread('coins.png');
g = im2bw(f, 80/ 256);
imshow(g);
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述
ind2gray(X, map) 從索引圖到灰度圖
ind2rgb(X, map) 從索引圖到RGB圖
**mat2gray() 將矩陣轉化為灰度圖
f = ones(100, 100); % 建立一個100*100的矩陣
for i=1:100
    for j=1:100
        f(i, j) = i;
    end
end
subplot(1, 2, 1), imshow(f), title('直接顯示');
g = mat2gray(f);
subplot(1, 2, 2), imshow(g), title('轉換後顯示');
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

影象處理

直方圖

imhist(image, num) 歸一化直方圖

image 表示要處理的圖
num表示將灰度級分為平等的幾份
返回的則是灰度範圍在每份灰度級中的畫素個數

f = imread('onion.png');
g = rgb2gray(f);
h = imhist(g, 25);
subplot(1, 2, 1), imshow(g);
subplot(1, 2, 2), bar(h);
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

bar（horz， z, width） 繪製條形圖

horz 表示 水平增量，需要與z的行數相同。
z 表示要顯示的條形圖的資料
width 表示條形圖的寬度

f = imread('onion.png');
g = rgb2gray(f);
h = imhist(g, 25) / numel(g);
subplot(2, 1, 1), imshow(g);
subplot(2, 1, 2), bar(linspace(0, 255, 25), h, 1);
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

stem(z) 生成一個桿狀圖（也可以省略h）

f = imread('onion.png');
g = rgb2gray(f);
h = imhist(g, 25) / numel(g);
subplot(1, 2, 1), stem(h);
subplot(1, 2, 2), stem(linspace(0, 1, 25), h);
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

stem 還有一個引數，表示桿狀圖以什麼形式顯示

stem(h, 'k:p')

具體如下
‘顏色說明符+線型說明符+標記點說明符’
圖片

plot 生成一個折線圖，用法跟stem一樣

f = imread('onion.png');
g = rgb2gray(f);
h = imhist(g, 25) / numel(g);
subplot(1, 2, 1), plot (h);
subplot(1, 2, 2), plot (linspace(0, 1, 25), h);

axis([xMin xMax yMin yMax]) 設定上面最近顯示的圖表的x軸和y軸的範圍

f = imread('onion.png');
g = rgb2gray(f);
h = imhist(g, 25);
z = linspace(0, 255, 25);
bar(z, h)
axis([0 255 0 10000])
  • 輸入:
    這裡寫圖片描述
  • 輸出
    這裡寫圖片描述

接著下面可以跟著二行
set(gca, ‘xtick’, 0:50:255) % 表示將x軸的以傳入的陣列表示
set(gca, ‘ytick’, 0:2000:10000) % % 表示將y軸的以傳入的陣列表示
* 輸入:
這裡寫圖片描述
* 輸出
這裡寫圖片描述

axis tight 自適應圖示

f = imread('onion.png');
g = rgb2gray(f);
h = imhist(g, 25);
z = linspace(0, 255, 25);
bar(z, h)
axis tight
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

xlabel ylabel 給x和y軸新增標記

xlabel('灰度級')
ylabel('次數')

text(x, y, text) 在x軸的值為x，y軸的值為y處新增text檔案

text(50, 2000, '50,2000')

title(title) 給圖片新增標題

title('我是可愛的標題')
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

hold on, hold off 開啟、關閉保持當前圖示狀態

bar(z, h)
hold on
stem(z, h)
hold off
bar(z, h)

ylim xlim 設定y軸x軸的範圍（預設就是auto狀態）

ylim([0 60000])
xlim([0 255])

灰度級

imadjust(image, [low_in high_in], [low_out high_out], gamma) 用於將影象進行灰度級轉換

f = imread('onion.png');
g = imadjust(f, [], [1, 0]);
imshow(g)

imcomplement(image) 獲得圖片的負片, 可以實現CMY模型與RGB互換

rgb = imcomplement(cmy);
cmy = imcomplement(rgb);

上面二個結果一樣
* 輸入:
這裡寫圖片描述
* 輸出:
這裡寫圖片描述

stretchlim(image, tol) 用於實現對比度拉伸

f = imread('onion.png');
f = rgb2gray(f);
Low_High = stretchlim(f, [0.15 0.99]);
g= imadjust(f, Low_High, []);
subplot(2,2,1), imshow(f), title('原圖');
subplot(2,2,3), bar(imhist(f) / numel(f)), axis tight,title('原圖 灰度圖');
subplot(2,2,2), imshow(g), title('拉伸後');
subplot(2,2,4), bar(imhist(g) / numel(g)), axis tight, title('拉伸後 灰度圖');
  • 輸入:
    這裡寫圖片描述
  • 輸出:
  • 這裡寫圖片描述

graythresh(image) 獲得圖片最優的閾值。

f = imread('rice.png');
g = im2bw(f, graythresh(f));
subplot(1, 2, 1), imshow(f), title('原圖');
subplot(1, 2, 2), imshow(g), title('二值化（最優閾值）');
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

histeq（image, num） 該函式可以將輸入的圖片按灰度級分為num份，使得每份所佔的比例近似相等。

f = imread('rice.png');
g = histeq(f, 5);
t = imhist(g, 5);
subplot(1, 2, 1), bar(t); subplot(1, 2, 2), imshow(g);
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

adapthisteq(image) 將影象對比度增強

f = imread('onion.png');
f = rgb2gray(f);
subplot(1, 2, 1), imshow(f), title('原圖');
g = adapthisteq(f);
subplot(1, 2, 2), imshow(g), title('增強後');
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

imfilter(image, mod) 線性濾波

可選引數為三個，分別是濾波模式、邊界選項、大小選項
濾波模式: ‘corr’ ‘conv’
邊界選項: P ‘replicate’ ‘symmetric’ ‘circular’
大小選項: ‘full’ ‘same’

% 建立測試影象
f = zeros(500);
f(250:500, 1:250)=1;
f(1:250, 250:500)=1;
imwrite(f, 'temp.bmp'); % 儲存測試圖片
g = imfilter(f / 50 / 50, ones(50)); subplot(2, 2, 1), imshow(g);title('none');
g = imfilter(f / 50 / 50, ones(50), 'replicate'); subplot(2, 2, 2), imshow(g);title('replicate');
g = imfilter(f / 50 / 50, ones(50), 'circular'); subplot(2, 2, 3), imshow(g);title('circular');
g = imfilter(f / 50 / 50, ones(50), 'symmetric'); subplot(2, 2, 4), imshow(g);title('symmetric');
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

colfilt(image, [m n], ‘sliding’, fun) 非線性空間濾波， 傳入圖片，濾波區域，和函式控制代碼

t = colfilt(g, [5 5], 'sliding', fun);
t = gscale(t, 'full16'); % 該函式看附錄

fspecial(type, paramters) 線性空間濾波器，type值有9種情況，對應paramters也不同

type : ‘average’ ‘disk’ ‘gaussian’ ‘laplacian’ ‘log’ ‘motion’ ‘prewitt’ ‘sobel’ ‘unsharp’
paramters: [r c] r [r c], sig alpha [r c], sig len, theta null null alpha (與上面的一一對應，null為沒有)

f = imread('moon.tif');
figure, imshow(f);title('none');
g = imfilter(tofloat(f), fspecial('average')); subplot(3, 3, 1), imshow(g); title('arverage 3*3');
g = imfilter(tofloat(f), fspecial('disk')); subplot(3, 3, 2), imshow(g); title('disk 5');
g = imfilter(tofloat(f), fspecial('gaussian')); subplot(3, 3, 3), imshow(g); title('gaussian 3*3 0.5');
g = imfilter(tofloat(f), fspecial('laplacian')); subplot(3, 3, 4), imshow(tofloat(f) - g); title('laplacian 0.2');
g = imfilter(tofloat(f), fspecial('log')); subplot(3, 3, 4), imshow(tofloat(f) - g); title('log 5*5 0.5');
g = imfilter(tofloat(f), fspecial('motion')); subplot(3, 3, 5), imshow(g); title('motion 9 0');
g = imfilter(tofloat(f), fspecial('prewitt')); subplot(3, 3, 6), imshow(tofloat(f) - g); title('prewitt');
g = imfilter(tofloat(f), fspecial('sobel')); subplot(3, 3, 7), imshow(tofloat(f) - g); title('sobel');
g = imfilter(tofloat(f), fspecial('unsharp')); subplot(3, 3, 8), imshow(g); title('unsharp 0.2');

引數的具體定義直接輸入 doc fspecial 即可
* 輸入:
這裡寫圖片描述
* 輸出:
這裡寫圖片描述

medfilt2(image, [x y], padpot) 非線性濾波器 [x y]預設為3*3表示濾波區域， padpot表示濾波方式，分為三種

padpot: ‘zero’ ‘symmetric’ ‘indexed’

f = imread('onion.png');
f = rgb2gray(f);
g = imnoise(f, 'salt & pepper', 0.2);
t = medfilt2(g); subplot(3, 3, 1), imshow(t);title('none 3*3');
t = medfilt2(g, 'zero'); subplot(3, 3, 2), imshow(t);title('zero 3*3');
t = medfilt2(g, 'symmetric'); subplot(3, 3, 3), imshow(t);title('symmetric 3*3');
t = medfilt2(g, 'indexed'); subplot(3, 3, 4), imshow(t);title('indexed 3*3');
t = medfilt2(g, [4 4]); subplot(3, 3, 5), imshow(t);title('none 4*4');
t = medfilt2(g, [4 4], 'zero'); subplot(3, 3, 6), imshow(t);title('zero 4*4');
t = medfilt2(g, [4 4], 'symmetric'); subplot(3, 3, 7), imshow(t);title('symmetric 4*4');
t = medfilt2(g, [4 4], 'indexed'); subplot(3, 3, 8), imshow(t);title('indexed 4*4');
subplot(3, 3, 9),imshow(g);title('原圖');

去燥效果明顯，但是具體引數的話，還是看出來太大的差別(濾波區域的設定還是很重要地)。
* 輸入:
這裡寫圖片描述
* 輸出:
這裡寫圖片描述

輸入輸出

視窗

figure(h) 開啟一個新視窗（將h視窗置頂，h省略時則新建一個視窗）

figure(1);
figure(2);
figure(1);
imshow(imread('coins.png'));
figure(2);
imshow(imread('onion.png'));
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

subplot(h, w, id) 將最近顯示的的視窗（之前沒有顯示的話，會新建一個視窗），分為高位h, 寬為w個單位，並指定下一個要顯示的影象在這個視窗的第id個單位格；

f = imread('coins.png');
subplot(1, 3, 1), imshow(f), title('原圖');
subplot(1, 3, 2), imshow(imcomplement(f)), title('負片');
subplot(1, 3, 3), imshow(im2bw(f, graythresh(f))), title('二值圖');
  • 輸入:
    這裡寫圖片描述
  • 輸出:
    這裡寫圖片描述

控制檯

disp 顯示資訊

disp 'Asdasd' % 輸出Asdasd

input 從鍵盤中輸入

t = input('asd', 's'); % 引數s表示將結果以字串的形式儲存

error 顯示警告

error '這是錯誤的！' % 這裡是紅色警告字

附錄

預設圖片

預設圖片

函式

gscale.m

function g = gscale(f, varargin)
if isempty(varargin)
    method = 'full8';
else
    method = varargin{1};
end

if strcmp(class(f), 'double') && (max(f(:)) > 1 || min(f(:)) < 0)
    f = mat2gray(f);
end

switch method
    case 'full8'
        g = im2uint8(mat2gray(double(f)));
    case 'full16'
        g = im2uint16(mat2gray(double(f)));
    case 'minmax'
        low = varargin{2};
        high = varargin{3};
        if low > 1 || low < 0 || high > 1 || high < 0
            error('low | high must be [0, 1]');
        end
        if strcmp(class(f), 'double')
            low_in = max(f(:));
            high_in = max(f(:));
        elseif strcmp(class(f), 'uint8')
            low_in = double(min(f(:))) ./ 255;
            high_in = double(max(f(:))) ./ 255;
        elseif strcmp(class(f), 'uint16')
            low_in = double(min(f(:))) ./ 65535;
            high_in = double(max(f(:))) ./ 65535;
        end
        g = imadjust(f, [low_in high_in], [low high]);

    otherwise
        error('Unknow method');
end

tofloat.m

function [out, revertclass] = tofloat(in)
identity = @(x) x;
tosingle = @im2single;
table = {'uint8', tosingle, @im2uint8
    'uint16', tosingle, @im2uint16
    'uint32', tosingle, @im2int32
    'logical', tosingle, @logical
    'double', identity, identity
    'single', identity, identity};

classIndex = find(strcmp(class(in), table(:, 1)));
if isempty(classIndex)
    error('Unsupported input image class');
end

out = table{classIndex, 2}(in);

revertclass = table{classIndex, 3};

相關推薦

MATLAB學習筆記 學習總結歸納（第一週）

此學習總結歸納為自己在這一週學習知識的總結，進行歸納整理，如有錯誤，請批評指正 本文進度-第1章~第3章 效能測試 時間 tic toc 用於記錄所包含的語句的執行時間 tic; function(); toc % 返回函式執行時間

機器學習筆記 -吳恩達（第一章：緒論）

0.機器學習定義   一個程式由經驗E中學習，解決任務T，達到效能度量值P，當且僅當，有了經驗值E後，經過P的評判，程式在處理T的時候經驗有所提升。 1.機器學習運用領域：         資料探勘

學習筆記之計算機網路（王道考研） 第一章 計算機網路體系結構

計算機網路是一些互聯的、自制的計算機系統的集合 計算機網路的組成： 從組成部分看，計算機網路主要由硬體、軟體和協議組成 從工作方式看，計算機網路可分為和邊緣部分核心部分。邊緣部分由供使用者直接使用的主機組成，核心部分由大量的網路和連線這些網路的路由器組成 從功能

浙大《java語言》學習筆記（第一週）

1.1用類製造物件      1.2定義類 這裡我們定義了一個類 這裡我們寫一個VendingMachine的類 package vendingmachine; public class VendingMachine { i

吳恩達deeplearning.ai課程《改善深層神經網路：超引數除錯、正則化以及優化》____學習筆記（第一週）

____tz_zs學習筆記第一週 深度學習的實用層面（Practical aspects of Deep Learning）我們將學習如何有效運作神經網路（超引數調優、如何構建資料以及如何確保優化演算法快速執行）設定ML應用（Setting up your ML applic

jquery-mobile 學習筆記之中的一個（基礎屬性）

obi 隱藏 ... ole his pan sin download 它的 寫在前面 本文是依據w3c 學習軌跡，自己研習過程中記錄下的筆記，僅僅供自己學習軌跡記錄之用，不喜勿噴。 0 引入庫 引入相應的文件： <link rel="stylesheet

Java 設計模式學習筆記1——策略模式（Duck例子）

利用 實例化 top 而是 實現 學習筆記 left ng- 多個 0、假設現有工程（Duck）中遇到為類添加功能的問題，如何設計類添加新的功能？ 1、利用繼承提供的Duck（鴨子）的行為會導致哪些缺點？ （1）代碼在多個子類中重復 （2）很多男知道所有鴨子的全部行為

學習筆記-C語言1（程式設計入門）

C語言和C++是作為一名程式設計師必備技能，非科班出身的我對這些語言一直是一知半解，後來更是直接使用簡單易上手的python,matlab語言。今天終於開始系統的學習了C了，記錄一些學習筆記，方便後面檢視，如有不妥，還請幫忙指正。 1. 檔案開頭 檔案開頭要加入：# include<

HTML學習筆記 2018-11-13（20:34）

HTML學習筆記 2018-11-13（20:34） 一、排版標籤 1.（p） P標籤：段落標籤。 可以用align屬性和將HTML文件分割位若干段。 P標籤會在段落的上行下加空行。 例如： <p align="center">居中</p> <p align

Python學習筆記系列——高階函式（map/reduce）

一、map #變數可以指向函式，函式的引數能接受變數，那麼一個函式就可以接受另一個函式作為引數，這種函式被稱之為高階函式 def add(x,y,f): return f(x)+f(y) print(add(-5,-9,abs)) ''' map()函式接受兩個引數，一個是函式，

Python學習筆記系列——高階函式（filter/sorted）

一、filter #filter()函式用於過濾序列。和map()類似，也接收一個函式和一個序列，把函式依次作用於每個元素，根據返回值是True還是False決定是否保留該元素。 #filter()函式返回的是一個Iterator，即惰性序列，所以要強迫filter()完成計算結果，需要用list(

odoo10學習筆記二：繼承（擴展）、模塊數據

標簽 添加 方便 before 表達 use lds extension 簽名 一：繼承 在不改變底層對象的時候添加新的功能——這是通過繼承機制來實現的，作為在現有對象之上的修改層，這些修改可以發生在所有級別：模型，視圖和業務邏輯。不是直接修改現有

設計模式之禪學習筆記09--代理模式（動態代理）

1.動態代理     動態代理還是屬於設計模式--代理模式的一種，代理類在程式執行時建立的代理方式被成為動態代理。動態代理是在實現階段不用關心代理誰，而在執行階段才指定代理哪一個物件。相對來說，自己寫代理類的方式就是靜態代理。現在有一個非常流行的名稱叫做面向橫切面程式設計，也

【深度學習筆記】優化演算法（ Optimization Algorithm）

本文依舊是吳恩達《深度學習工程師》課程的筆記整理與拓展。 一、優化演算法的目的與挑戰     優化演算法主要是用來加快神經網路的訓練速度，使得目標函式快速收斂。     優化問題面臨的挑戰有病態解、鞍點、梯度爆炸與梯度消失……具體可見參考文獻【1】241頁到249頁。

lua學習筆記---流程控制語句（if else）

其實這些在使用熟練之後都無需記錄，目前這些也很熟練了。擔心後面長時間不用lua,忘了基本的格式，所以記錄一下。 if(布林表示式) then --1 elseif(布林表示式)then --2 else --3 end 例子： c=10 if(c>1

pipelineDB學習筆記-3. Continuous Transforms （連續轉換）

　　以下內容為本人根據pipelineDB官網內容進行翻譯，如有不妥之處請指正，謝謝大家 　　　　　　　　Continuous Transforms （連續轉換） 　　一、定義： 　　　　Continuous Transforms （我意譯為“連續轉換”）,是用來將沒有進行儲存的時序化資料連續不斷的進行

Opencv學習筆記：addWeighted函式（影象融合）

addWeighted函式 融合圖片尺寸不變 1、函式作用 作用：實現兩幅圖片的（疊加）線性融合； 2、函式原型 void addWeighted(InputArray src1, double alpha, InputArray src2, doubl

學習筆記之計算機網路（王道考研） 第六章 應用層

在C/S模型中，伺服器總是處於開啟狀態（除非某人把它關了） 常見的使用C/S模型的英應用包括Web、檔案傳輸（FTP）、遠端登入和電子郵件等  C/S模型的主要特點： 網路中各計算機的地位不平等，伺服器可以通過對使用者許可權的限制來達到管理客戶機的目的

學習筆記之計算機網路（王道考研） 第五章 傳輸層

傳輸層屬於面向通訊的最高層，同時也是使用者功能中的最低層 傳輸層提供應用程序之間的邏輯通訊（即端到端的通訊），與網路層的區別是，網路層提供的是主機之間的邏輯通訊 傳輸層的複用和分用：複用是指傳送方不同的應用程序都可以使用同一個傳輸層協議傳送資料；分用是指接收方的傳輸層在剝去報文的首

學習筆記之計算機網路（王道考研） 第四章 網路層

網路層的功能： 異構網路互聯 路由與轉發。路由表的兩大功能：路由選擇和分組轉發 擁塞控制 判斷網路是否進入擁塞狀態的方法是觀察網路的吞吐量與網路的負載的關係：如果隨著網路負載的增加，網路的吞吐量明顯小於正常的吞吐量，那麼網路就可能進入了“輕度擁塞狀態”；