【数字图像处理】期末综合知识点总结 ver1,灰度图像,图像增强,平滑滤波,锐化滤波,图像复原,图像压缩
关注作者了解更多
我的其他CSDN专栏
过程控制系统
工程测试技术
虚拟仪器技术
可编程控制器
工业现场总线
数字图像处理
智能控制
传感器技术
嵌入式系统
复变函数与积分变换
单片机原理
线性代数
大学物理
热工与工程流体力学
数字信号处理
光电融合集成电路技术
电路原理
模拟电子技术
高等数学
概率论与数理统计
数据结构
C语言
模式识别原理
自动控制原理
数字电子技术
关注作者了解更多
资料来源于网络,如有侵权请联系编者
[题目]
数字图像
[参考答案]
为了便于用计算机对图像进行处理,通过将二维连续(模拟)图像在空间上离散化,也即采样,并同时将二维连续图像的幅值等间隔地划分成多个等级(层次),也即均匀量化,以此来用二维数字阵列表示其中各个像素的空间位置和每个像素的灰度级数(灰度值)的图像形式称为数字图像。
图像处理
[参考答案]
是指对图像信息进行加工以满足人的视觉或应用需求的行为。
题目]
数字图像处理
[参考答案]
是指利用计算机技术或其他数字技术,对一图像信息进行某此数学运算及各种加工处理,以改善图像的视觉效果和提高图像实用性的技术。
一、绪论(名词解释,易 ,3分)
[题目]
图像
[参考答案]
是指用各种观测系统以不同形式和手段观测客观世界而获得的、可以直接或间接作用于人的视觉系统而产生的视知觉的实体。
一、绪论(简答题,难,6分)
[题目]
什么是图像?如何区分数字图像和模拟图像?
[参考答案]
“图”是物体透射或反射光的分布,是客观存在的。“像”是人的视觉系统对图在大脑中形成的印象或认识,是人的感觉。图像是图和像的有机结合,既反映物体的客观存在,又体现人的心理因素;图像是对客观存在的物体的一种相似性的生动模仿或描述,或者说图像是客观对象的一种可视表示,它包含了被描述对象的有关信息。
模拟图像是空间坐标和亮度(或色彩)都连续变化的图像;数字图像是空间坐标和亮度(或色彩)均不连续的、用离散数字(一般是整数)表示的图像。
一、绪论(简答题,易 ,5分)
[题目]
简述研究图像恢复的基本思路。
[参考答案]
基本思路是,从图像退化的数学或概率模型出发,研究改进图像的外观,从而使恢复以后的图像尽可能地反映原始图像的本来面日,从而获得与景物真实面貌相像的图像。
一、绪论(简答题,易 ,5分)
[题目]
简述研究图像变换的基本思路。
[参考答案]
基本思路是通过数学方法和图像变换算法对图像的某种变换,以便简化图像进一步处理的过程,或在进一步的图像处理中获得更好的处理效果。
一、绪论(简答题,易 ,5分)
[题目]
简述一个你所熟悉的图像处理的应用实例。
[参考答案]
比如,医学上用B超检测仪对人体器官病变的检查和诊断。
一、绪论(简答题,中 ,5分)
[题目]
一般的数字图像处理要经过几个步骤?由哪经内容组成?
[参考答案]
数字图像处理的基本步骤包括图像信息的获取、存储、处理、传输、输出和显示。
数字图像处理的内容主要包括图像数字化、图像变换、图像增强、图像恢复 (复原)、图像压缩编码、图像分割、图像分析与描述和图像识别分类。
一、绪论(简答题,中 ,5分)
[题目]
图像处理的目的是什么?针对每个目的请举出实际生活中的一个例子。
[参考答案]
图像处理就是对图像信息进行加工处理和分析,以满足人的视觉心旦需要和实际应用或某种目的(如压缩编码或机器识别)的要求。如视频图像的高清晰化处理、医学图像的识别分类及其在疾病断中的应用,就是图像处理这两个目的的实际例子。
一、绪论(简答题,中 ,5分)
[题目]
数字图像处理技术研究的基木内容包括哪些?
[参考答案]
包括图像变换、图像增强、图像恢复、图像压缩编码、图像特征提取、形态学图像处理方法等。彩色图像、多光谱图像和高光谱图像的处理技术沿用了前述的基木图像处理技术,也发展出了一此特有的图像处理技术和方法。
一、绪论(简答题,中 ,5分)
[题目]
简述研究图像增强的基本思路。
[参考答案]
基本思路是,或简单地突出图像中感兴趣的特征,或想方设法显现图像中那些模糊了的细节,以使图像更清晰地被显示或更适合于人或机器的处理与分析。
二、数字图像处理基础(名词解释,难,3分)
[题目]
空间分辨率
[参考答案]
定义为单位距离内可分辨的最少黑白线对的数目,用于表示图像中可分辨的最小细节,主耍取决于采样间隔值的大小。
二、数字图像处理基础(名词解释,易 ,3分)
[题目]
图像分辨率
[参考答案]
是指成像系统重现不同尺寸的景物的对比度的能力,包括空间分辨率和灰度分辨率。
二、数字图像处理基础(名词解释,易 ,3分)
[题目]
灰度分辨率
[参考答案]
是指在灰度级别中可分辨的最小变化,通常把灰度级级数无称为图像的灰度级分辨率。
二、数字图像处理基础(名词解释,难,3分)
[题目]
像素的4邻域
[参考答案]
对于图像位于(x,y)的像素p来说,与其水平相邻和垂直相邻的4个像素称为该像素的4邻域像素,它们的坐标分别为(x-1,y)、(x,y-1)、(x,y+1)和(x+1,y)
。
二、数字图像处理基础(名词解释,易 ,3分)
[题目]
像素的8邻域
[参考答案]
对于图像中位于(x,y)的像素p来说,与其水平相邻、垂直相邻和对角相邻的8个像素称为该像素的8邻域像素,它们的坐标分别为(x-1,y)、(x-1,y)、(x-1,y+1)、(x,y-1)、(x,y+1)、(x+1,y-1)、(x+1,y)和(x+1,y+1)。
二、数字图像处理基础(名词解释,易 ,3分)
[题目]
欧氏距离
[参考答案]
坐标分别位于(x,y)和(u,v)处的像素p和像素q之间的欧氏距离定义为
。
二、数字图像处理基础(名词解释,易 ,3分)
[题目]
街区距离
[参考答案]
坐标分别位于(x,y)和(x,y)处的像素p和像素q之间的街区距离定义为
二、数字图像处理基础(名词解释,易 ,3分)
[题目]
显示分辨率
[参考答案]
显示屏上能够显示的数字图像像素的最大行数和最大列数,取决于显示器上所能够显示的像素点之间的距离。
二、数字图像处理基础(名词解释,易 ,3分)
[题目]
棋盘距离
[参考答案]
坐标分别位于(x,y)和(u,v)的处的像素p和像素q之间的棋盘距离定义为
二、数字图像处理基础(名词解释,易 ,3分)
[题目]
二值图像
[参考答案]
具有两个灰度等级的图像。黑白图像一定是二值图像,但二值图像不定是黑白图像。
二、数字图像处理基础(名词解释,中 ,3分)
[题目]
像素的m邻接
[参考答案]
设V是一个灰度值集合,且黑白图像的V={1};256灰度级图像的V为0~255中的任意一个灰度级子集。若像素p和像素q的灰度值均属于V中的元素,或者q在,或者q在
中且集合
中没有值为V中元素的像素,则p和q为m邻接。
二、数字图像处理基础(名词解释,难,3分)
[题目]
消色光
[参考答案]
是指没有色彩的光。黑白电视机的光就是消色光,所以消色指白色、黑色和各种深浅程度不同的灰色
二、数字图像处理基础(简答题,中 ,5分)
[题目]
简述什么是视觉适应性。
[参考答案]
视觉适应性是指当人从暗的环境突然进入亮的环境,或从亮的环境突然进入暗的环境时,人眼滞后恢复对周围环境视觉的性质,也即人眼对从亮的环境突然变到暗的环境或从暗的环境突然进入亮的环境的适应性。
二、数字图像处理基础(名词解释,易 ,3分)
[题目]
亮适应性
[参考答案]
当人从暗的环境突然进入亮的环境时,需要一定的时间(尽管很短)恢复对周围环境的视觉,人眼的这种对从暗突变到亮环境的适应能力或滞后恢复对周围环境视觉的现象称为亮适应性。
二、数字图像处理基础(简答题,中 ,5分)
二、数字图像处理基础(简答题,中 ,5分)
[题目]
简述什么是马赫带效应。
[参考答案]
在一幅由几个亮度逐渐减弱(或增强)且连在一起的窄带组成的图像中,每个窄带内的亮度分布是均匀的。但由于人眼视觉的主观感受,在亮度有变化的地方会出现虚幻的亮或暗的条纹,使得人们在观察某个窄条时,感觉在靠近该窄条的另一个亮度较低的窄条的另一侧似乎更亮一些,而在靠近该窄条的另一个亮度较高的窄条的那一侧似乎更暗一些,也即在不同亮度区域边界有“欠调”和“过调”现象。这种现象称为马赫带效应。
[题目]
灰度数字图像有什么特点?
[参考答案]
灰度数字图像的特点是只有灰度(亮度)属性,没有彩色属性。对丁灰度级为1的图像,其灰度取值范围为【0,L-1】
。
二、数字图像处理基础(简答题,易 ,7分)
[题目]
一幅200*300的二值图像、16灰度级图像和256灰度级图像分别需要多少存储空间?
[参考答案]
由于存储一幅
二、数字图像处理基础(简答题,中 ,6分)
[题目]
人观察如下图所示两幅形状相同的目标图像时,会觉得哪一个目标更亮一些?与实际亮度有无不同?简述理由[黑色(最暗)灰度值定为0,白色(最亮)灰度值定为255]。
[参考答案]
两个不同亮度的目标物处于不同亮度的背景中,人会按对比度感觉目标物的亮度对比,因此人感觉上图(a)要亮一些,但事实上,目标图(b)的实际亮度要高于图(a)的实际亮度。
二、数字图像处理基础(简答题,易 ,5分)
[题目]
发光强度、亮度和照度各有什么不同?
[参考答案]
发交强度光源的能量辐射强度。光度学亮度指扩展光源在某个方向上单位投影面积的发光强度。主观亮度指观察者所看到的物体表面反射光的度量,它受观察者心理因素的影响。照度指光源照射到物体表面的光通量,它是光源对物体辐射的一种量度,其数值主要是受到光源的能量和光源到物体表面距离的影响。
二、数字图像处理基础(简答题,中 ,6分)
[题目]
为何彩色图像要经过RGB到HIS的模型转换才能处理?
[参考答案]
如果直接对RGB模型中的R、G、B分量进行处理,很可能会引起三个量不同程度的变化,由RGB模型描述的处理图像中就会了现色差问题,颜色上可能也会有很大程度的失零点。因些,人们在此基础上提出了HIS模型,它的出现使得在保持色彩无失真的情况下实现彩色图像处理成为可能。
通过先将RGB模型转化为HIS模型,得到相关性较小的色调、色饱和度和亮度,然后仅对其中的亮度分量进行处理,再转化为RGB,这样就可以避免由于直接对R、G、B分量进行处理时而产生的图像失真。
二、数字图像处理基础(计算题,易 ,8分)
[题目]
二、数字图像处理基础(简答题,中 ,5分)
[题目]
简述灰度级分辨率变化对图像视觉效果的影响。
[参考答案]
灰度级分辨率是指在灰度级别中可分辨的最小变化。灰度级别数越大,也即图像的灰度级分辨率越高,景物图像中反映其亮度的细节就越丰富,图像质量一也就越高。当图像的灰度级别数降低时,图像中的亮度细节信息就会逐渐损失,伪轮廓信息就会逐渐增加,所以灰度分辨率越低,图像的视觉效果越差。
常用的灰度分辨率用8比特表示,也即灰度级的取值为256(28)。
二、数字图像处理基础(简答题,易 ,5分)
[题目]
请解释马赫带效应。
[参考答案]
对于由一系列条带组成的灰度图像,其中每个条带内的亮度是均匀分布的,而相邻两条带的亮度相差一个固定值,但人的感觉认为每个条带内的亮度不是均匀分布的,而是感觉到所有条带的左边部分都比右边亮一些,这便是所谓的马赫带效应。
马赫带效应的出现,是因为人眼对于图像中不同空间频率具有不同的感知灵敏度,而在空间频率突变处就出现了“欠调”或“过调”。
二、数字图像处理基础(计算题,难,7分)
[题目]
二、数字图像处理基础(简答题,中 ,5分)
[题目]
当图像的灰度级数逐渐减少时,会出现什么结果?
[参考答案]
当图像的灰度级数逐渐减少时,图像平滑区域内渐变的灰度会出现突变,直到图像的灰度级数不够多时,会出现虚假轮廓。
二、数字图像处理基础(简答题,中 ,6分)
[题目]
为何彩色图像要经过RGB到HIS的模型转换才能处理?
[参考答案]
如果直接对RGB模型中的R、G、B分量进行处理,很可能会引起三个量不同程度的变化,由RGB模型描述的处理图像中就会了现色差问题,颜色上可能也会有很大程度的失零点。因些,人们在此基础上提出了HIS模型,它的出现使得在保持色彩无失真的情况下实现彩色图像处理成为可能。
通过先将RGB模型转化为HIS模型,得到相关性较小的色调、色饱和度和亮度,然后仅对其中的亮度分量进行处理,再转化为RGB,这样就可以避免由于直接对R、G、B分量进行处理时而产生的图像失真。
二、数字图像处理基础(简答题,中 ,5分)
[题目]
试说明视觉成像的基本原理。
[参考答案]
人眼对物体颜色的感知是由物体投射或反射的光的特性决定的。当眼前出现物体时,从物体表面反射出来的光线,通过折光系统透射投影到视网膜的相应部位,此时形成该物体的倒轩的影像,视网膜的感光细胞可接收光的能量并形成视觉图案(锥状细胞主要感受颜色,杆状细胞主要提供视野范围),将影像传入到大脑皮层的视觉功能代表区,经过大脑皮层的分析和综合,把倒置的影像纠正为物体的正立影像,产生正确的视觉。
三、图像变换(简答题,难,10分)
[题目]
三、图像变换(简答题,难,8分)
[题目]
图像的傅里叶频谱是如何反映图像的特征的?
[参考答案]
傅里叶频谱的低频主要取决于图像在平坦区域中灰度的总体分布,而高频主要取决于图像的边缘和噪声等细节。
按照图像空间域和频率域的对应关系,空域中的强相关性,即由于图像中存在大绩的平坦区域,使得图像中的相邻或相近像素般趋向于取相同的灰度值,反映在频率域中,就是图像的能量主要集中于低频部分。
根据傅里叶频谱的周期性和平移性,当把傅里叶频谱图的原点从(0,0)平移至,
)时,图像的低频分量就主要集中在以(,为坐标原点的中心区域。具有这种特点的图像二维频谱图,就比较清楚地展现了图像中低频信号在图像总能童中所占的比率,以及低频信号向高频信号过渡的变化情况,既具有可视化特点,又便于频率域低通滤波和高频滤波实现
三、图像变换(简答题,易 ,5分)
[题目]
功率谱表示的意义是什么?
[参考答案]
功率谱定义为频谱的平方,反映了离散信号的能量在频率域上的分布情况。
对于二维数字图像来说,由于傅里叶频谱的低频主要集中在二维频谱图的中心,所以图像的功率谱反映了该图像中低频能量到高频能量的分布情况,以及低频能量聚集于频谱图的中心的程度,后者反映了该图像中低频信号的图像功率(能量)与图像总功率(能量)的比率关系。
三、图像变换(简答题,易 ,6分)
[题目]
一幅图像的灰度平均值与该幅图像的傅里叶变换有什么联系?
四、图像增强(名词解释,中 ,3分)
[题目]
高通滤波
[参考答案]
分为空间域高通滤波与频率域高通滤波两种。图像的空间域高通滤波是指通过某种空间域高通滤波运算,让符合某种要求的较高灰度值通过,而将不符合某种要求的较小灰度值滤除掉。图像的频率域高通滤波是指通过某种频率域高通滤波运算,让符合某种要求的所有高频没有衰减地通过,而将不符合某种要求的所有低频滤除掉。
四、图像增强(名词解释,难,3分)
[题目]
中值滤波
[参考答案]
是指选用线形、十字形、方形、菱形或圆形等为窗日,采用类似于模板(窗口)运算的方法控制窗日在待滤波图像上移动,对待滤波图像中位于窗口内的所有像素的灰度进行排序,让滤波结果图像中的那个与窗口中心点处的像素位置的像素取排序结果的中间值。
四、图像增强(名词解释,难,3分)
[题目]
带阻滤波
[参考答案]
是一种用于消除以某点为对称中心的给定区域内的频率,或用于阻止以某点为对称中心的一定频率范围内的信号通过的滤波器
四、图像增强(名词解释,易 ,3分)
[题目]
各向同性
[参考答案]
通常用于指出在图像锐化和边缘检测中,那些对任意方向的边缘和轮廓都有相同检测能力的锐化算子和边缘检测算子所具有的性能。也即称那些对任意方向的边缘和轮廓都有相同检测能力的锐化算子和边缘检测算子为各向同性的。
四、图像增强(名词解释,易 ,3分)
[题目]
图像锐化
[参考答案]
是一种突出和加强图像中景物的边缘和轮廓的技术。
四、图像增强(名词解释,易 ,3分)
[题目]
归一化直方图
[参考答案]
四、图像增强(名词解释,易 ,3分)
[题目]
空I司域图像增强
[参考答案]
是指在图像平面中对图像的像素灰度值直接进行处理的图像增强方法。
四、图像增强(名词解释,难,3分)
[题目]
图像噪声
[参考答案]
在图像上出现的一些随机的、离散的和孤立的不协调像素点称为图像噪声。图像噪声在视觉上通常与它们相邻的像素明显不同,表现形式为在较黑区域上的随机自点或较自区域上的随机黑点,明显会影响图像的视觉效果。
四、图像增强(名词解释,中 ,3分)
[题目]
对比度拉伸
[参考答案]
是一种提高图像中某些灰度值间的动态范围的图像增强方法。根据造成图像低对比度的原因和应用的目的不同,利用简单的分段线性函数来实现对比度拉伸变换。
四、图像增强(简答题,中 ,10分)
[题目]
在空间域中,图像平滑和图像锐化算子中的系数值各有什么特征?
[参考答案]
图像平滑用于消除图像中的噪声,其基本思路是采用邻域平均法,也即通过图像平滑算子与图像的卷积运算,使平滑算子涵盖的邻域范围内的像素进行加权平均。因此图像平滑算子中的元素都为正数;为了增强算子中心元素的重要性,更好地近似具有高斯概率分布的噪声特性,有些算子的中心元素取其邻域元素值之和的2倍值,所以平滑算子是以主对角线和负对角线分别对称的对称矩阵。另外,由于平滑算子采用邻域平均的方法,所以该类算子还包含一个其分母值等于算子中各元素值之和的分数系数。几个典型的图像平滑算子如:
图像锐化用于提升图像的边缘和轮廓,其基本思路是利用梯度算子和二阶偏导数算子与图像进行卷积,在实现中是用差分近似梯度和偏导数。锐化算子分为各向同性算子和各向不同性算子:对于各向同性锐化算子,算子的中心元素或为正整数或为负整数,而其邻域元素一般取与其中心元素符号相反的负整数或正整数,且该类算子是以主对角线和负对角线分别对称的对称矩阵,算子中各元素值之和应为零。几个典型拉普拉斯算子各向同性图像锐化算子为:
四、图像增强(简答题,中 ,5分)
[题目]
图像平滑(低通滤波)的主要用途是什么?该操作对图像质量会带来什么负面影响?
[参考答案]
图像平滑的主要用途是消除图像中的噪声。
该操作对图像质量带来的负面影响是:由于平滑算子实质上是一种低通滤波器,且图像中的边缘反映的是图像中的细节和高频信息,所以在利用邻域平均法进行图像平滑或利
用低通滤波进行图像消噪的同时,会使图像的边缘变得模糊。并且,进行图像平滑的模板的大小与图像平滑的效果密切相关,模板尺寸越大,平滑后的图像就越模糊。
四、图像增强(简答题,中 ,5分)
[题目]
图像锐化(高通滤波)的主要用途是什么?该操作对图像质量会带来什么负面影响?
[参考答案]
图像锐化主要用于突出和加强图像中景物的边缘和轮廓。
该操作对图像质量带来的负面影响是:由于锐化算子实质是一种高通滤波器,通过图像锐化在增强图像边界和细节的同时,也使噪声得到了加强。另外,各向异性算子由于算子中间一行/一列两边元素的相反值特征,会使锐化后的图像的边缘比较粗。因此,进行图像锐化处理的图像应有较高的信噪比,否则经锐化后的图像的质量会进一步降低。
四、图像增强(简答题,中 ,5分)
[题目]
中值滤波的主要用途是什么?与低通滤波相比,它有哪此优越性?
[参考答案]
中值滤波的主要用途是消除图像中的噪声,并且对于消除图像中的随机噪声和脉冲噪声非常有效。
与频率域低通滤波相比,中值滤波运算简单,在滤除噪声的同时能很好地保护图像的边缘和锐角等细节信息。
四、图像增强(简答题,难,4分)
[题目]
高斯函数具有什么特点?
[参考答案]
高斯函数的傅里叶变换和反变换均为高斯函数,所以可以用来寻找空间域与频率域之间的联系。
四、图像增强(简答题,中 ,8分)
[题目]
直方图均衡的基本思想是什么?直方图均衡图像增强处理的主要步骤是什么?
[参考答案]
直方图均衡的基本思想就是把一幅具有任意灰度概率分布的图像,变换成一幅接近均匀概率分布的新图像。
利用直方图均衡方法进行图像增强的过程的主要步骤如下:
(l)计算原图像的归一化灰度级别及其分布概率。
(2)根据直方图均衡化公式求变换函数的各灰度等级值。
(3)将所得变换函数的各灰度等级值转化成标准的灰度级别值,从而得到均衡化后的新图像的灰度级别值。
(4)根据其相关关系求新图像的各灰度级别值的像素数目。
(5)求新图像中各灰度级别的分布概率。
(6)画出经均衡化后的新图像的直方图。
四、图像增强(计算题,易 ,14分)
[题目]
已知有一幅大小为64*64的图像,灰度级为8,图像中各灰度级的像素数目和概率分布如下表所示。试用直方图均衡方法对该图像进行增强处理,并画出处理前后的直方图。
五、图像恢复(简答题,易 ,7分)
[题目]
什么叫做图像复原?图像复原与图像增强有何区别?
[参考答案]
图像复原,又叫图像恢复,就是尽可能地减少或消除图像质量的下降,恢复被退化的图像的本来面目。
图像复原与图像增强的主要区别如下:
首先,图像恢复利用退化模型来恢复图像,则图像增强一般无须对图像降质过程建立模型。
其次,图像恢复是针对图像整体,以改善图像的整体质量。而图像增强是针对图像的局部,以改善图像的局部特性,如图像的平滑和锐化。
再者,图像恢复的过程,要有一个客观的评价准则,则图像增强很少涉及统一的客观评价准许则。
五、图像恢复(简答题,中 ,5分)
[题目]
图像恢复的基本思路是什么?
[参考答案]
图像恢复的基本思路就是找出使原图像退化的因素和使图像质量降低的物理过程,建立退化图像的退化模型,并据此采用相反的过程对图像进行处理,从而尽可能地恢复出原图来。
五、图像恢复(简答题,中 ,7分)
[题目]
被噪声污染图像的典型恢复方一法有哪几种?它们分别适合于消除图像中的哪此噪声?
[参考答案]
被噪声污染图像的典型恢复方法及适合于消除的噪声类型如下:
(1)谐波均值滤波恢复方法善于处理像高斯噪声那样的噪声,且对“盐”噪声处理效果很好,但要注意的是它不太适合于处理“胡椒点”噪声。
(2)逆谐波均值滤波恢复方法,比较适合于减少和消除椒盐噪声。
(3)中点滤波恢复方法,比较适合于消除高斯噪声和均匀随机分布类噪声。
(4)自适应中值滤波恢复方法,可以处理具有较大概率的冲击噪声,且在平滑其他非冲击噪声时可以保存图像中的边缘细节信息。
④将B下移一行,重叠在第二行左边开始的
八、形态学图像处理(简答题,易 ,6分)
[题目]
说明灰度开运算和闭运算对图像处理的作用及其特点。
[参考答案]
(l)两种运算的作用主要是:开运算可以去除相对于结构元素较小的明亮细节,保持整体的灰度级和较大的明亮区域不变;也可以相对地保持较暗部分不受影响。闭运算可以除去图像中的暗细节部分,相对地保持明亮部分不受影响。
(2)两种运算的特点主要是:灰度开运算与灰度闭运算具有对偶性。
九、彩色与多光谱图像处理(名词解释,易 ,3分)
[题目]
假彩色
[参考答案]
出于某此特殊的图像分析日的,有时人们需要依据某一幅初始的彩色图像,或依据多谱图像中的某些波段生成另外的一幅彩色图像,这一过程称为假彩色增强。由于得到的新彩色图像不能反映原图像的真实色彩,所以称为假彩色。
九、彩色与多光谱图像处理(名词解释,中 ,3分)
[题目]
伪彩色
[参考答案]
由于人眼识别和区分灰度差异的能力十分有限,通常只有几十种;而人眼识别和区分色彩的能力却很强,可达数百种甚至上千种。利用人眼的这一生理特性,人们通过将一幅具有不同灰度级的图像转换为彩色图像的方法,来提高人们对某些灰度图像的分辨能力。由于利用这种方法构建的彩色图像中的彩色不是原图像的真实色彩,所以将其称为伪彩色。
九、彩色与多光谱图像处理(名词解释,易 ,3分)
[题目]
饱和度
[参考答案]
是一种纯色被白光稀释程度的度量。纯色(可见光谱中包含的一系列单色光)是个饱和的,随着白光的加入饱和度会逐渐降低,也即变成欠饱和;也由于纯色中白光的加入,观察者接收到的不再是某种纯色,而是反应该纯色属性的混合颜色。
九、彩色与多光谱图像处理(名词解释,易 ,3分)
[题目]
亮度
[参考答案]
对于消色图像来说,亮度也即灰度。对于彩色图像来说,亮度是一种反映颜色明亮程度的属性,颜色中掺入的白色越多,亮度就越大;掺入的黑色越多,亮度就越小。
九、彩色与多光谱图像处理(名词解释,中 ,3分)
[题目]
色调
[参考答案]
是一种描述纯色,即可见光谱中包含的一系列单色光的属性。
九、彩色与多光谱图像处理(名词解释,易 ,3分)
[题目]
对比度
[参考答案]
从生理学上讲,对比度用于描述物体间亮度的差异性。在数字图像处理中,是针对图像的总体来描述亮度间的差异性,具体来说是指图像中的物体(目标)内或物体与周围背景之间光强的差别。
九、彩色与多光谱图像处理(简答题,中 ,6分)
[题目]
解释什么是三基色原理。相加混色的三种基色和三种补色分别是哪几种颜色?相减混色的三种基色和三种补色分别是哪几种颜色?
[参考答案]
(1)自然界中的绝大多数颜色都可由红、绿、蓝这三种颜色组合而成;自然界中的绝大多数颜色也都可以分解成红、绿、蓝这三种颜色,这种现象称为色度学中的三基色原理。
(2)相加混色的三种基色是红、绿、蓝;三种补色是青色、品红色和黄色。
(3)相减混色的三种基色是青色、品红色和黄色;三种补色是红、绿、蓝。
九、彩色与多光谱图像处理(简答题,易 ,5分)
[题目]
为什么用红、绿、蓝三基色的组合只能得到自然界中的绝大多数颜色,而不能得到所有颜色?
[参考答案]
由CIE色度图可知,要想确定色度图中任意给定的三种颜色所组合成的颜色的范围,只要将给定的这三种颜色对应的3点连成一个三角形即可。由于在色度图中任意给定3个颜色而得到的三角形不可能包含色度图中的所有颜色,所以只用红、绿、蓝三基色并不能组合得到自然界中的所有颜色。
九、彩色与多光谱图像处理(简答题,中 ,7分)
[题目]
利用彩色视觉中相加混色和相减混色原理怎样得到品红色?
[参考答案]
一般把红、绿、蓝三基色按不同比例相加进行混色的方法称为相加混色。在相加混色中,得到品红色的方法是:
红色+蓝色=品红色
利用颜料和染料等的吸色性质可以实现相减混色。在相减混色中,以青、品红、黄为三基色构成的CMY彩色模型常用于从白光中滤去某种颜色,从而实现相减混色。在相减混色中,得到品红色的方法是:
白色-绿色=品红色
九、彩色与多光谱图像处理(简答题,中 ,5分)
[题目]
简述饱和度和白光的关系。
[参考答案]
饱和度给出了一种纯色被白光稀释的程度的亮度,与加入到纯色中的白光成正比。纯色是全饱和的,随着白光的加入饱和度会逐渐降低,也即变成非饱和的。
九、彩色与多光谱图像处理(简答题,难,5分)
[题目]
简述亮度与白色和黑色的关系。
[参考答案]
对于消色图像来说,仅有亮度一个属性,亮度也即灰度。以亮度分布为256灰度级的图像为例,白色是最亮的,灰度值为255;黑色是最不亮(暗)的,灰度值为0,其他则是一系列从浅到深排列的各种灰色。对于彩色图像来说,亮度是一种反映颜色明亮程度的属性,纯色中掺入的白色越多,亮度就越大;纯色中掺入
九、彩色与多光谱图像处理(简答题,中 ,8分)
[题目]
彩色图像平滑和锐化的基本思想是什么?
[参考答案]
(l)彩色图像平滑的基本思想
总的来说,彩色图像的平滑除了处理的对象是向量外,还要注意图像所用的彩色空间。①对1基于RGB彩色模型的彩色图像进行平滑,就是对彩色图像的3个彩色通道R、G、B分别进行平滑,其中对每个彩色分量的平滑与灰度图像平滑方法相同。
②对基于HSI彩色模型的彩色图像进行平滑,只需对彩色图像的亮度分量I进行平滑,原图像的色调H和饱和度S信息不变。其中对亮度分量I的平滑与灰度图像平滑方法相同。
(2)彩色图像锐化的基本思想
①对基于RUB彩色模型的彩色图像进行锐化,就是对图像的3个彩色通道R、G、B分别进行锐化,其中对每个彩色分量的锐化与灰度图像锐化方法相同。
②对基于HSI彩色模型的彩色图像进行锐化,只需对彩色图像的亮度分量I进行锐化,原图像的色调H和饱和度S信息不变。其中对亮度分量I的锐化与灰度图像锐化方法相同。
九、彩色与多光谱图像处理(简答题,中 ,6分)
[题目]
解释什么是三基色原理。相加混色的三种基色和三种补色分别是哪几种颜色?相减混色的三种基色和三种补色分别是哪几种颜色?
[参考答案]
(1)自然界中的绝大多数颜色都可由红、绿、蓝这三种颜色组合而成;自然界中的绝大多数颜色也都可以分解成红、绿、蓝这三种颜色,这种现象称为色度学中的三基色原理。
(2)相加混色的三种基色是红、绿、蓝;三种补色是青色、品红色和黄色。
(3)相减混色的三种基色是青色、品红色和黄色;三种补色是红、绿、蓝。
九、彩色与多光谱图像处理(程序题,难,13分)
[题目]
比较RGB模型和HSI模型在彩色图像处理中的特点,编程实现RUB到HSI以及HSI到RGB的转换。
[参考答案]
(1) RGB彩色模型的彩色立方体是一个对所有颜色值都进行归一化处理后的单位立方体,因而所有的RGB值都在[0,1]范围内取值。HSI彩色模型常用于观察者进行彩色匹配实验和为艺术家所使用,比较适合用色调(H)、饱和度(S)和亮度(I)描述被观察物体颜色的解释,比较适合开发基于彩色描述的图像处理。
(2) RGB到HSI转换的MATLAB程序代码如下:
function hsi=RGBtoHSI(rgb)
rgb=im2double(rgb);
r=rgb(:,:,1);
9=rgb(:,:,2);
b=rgb(:,:,3);
n=0 .5*((r-9)+(r-b));
m=sgrt((r-g).^2+(r-b).*(9-b));
angle=acos(n./(m+eps));
H=angle;
H(b>g)=2*pi-H(b> g);
H=H/(2*pi);
n=min(min(r,g),g);
m=r+g+b;
den(m==0)=eps:
S=1-3.*n./m;
H(S==0)=0;
I=(r+9+b)/3;
hsi=cat(3,H,S,I):
(3) HIS到HUB转换的MATLAB程序代码如下:
function rgb=HSItoRGB(hsi)
H=hsi(:,:,1)*2*pi;
S=hsi(:,:,2);
I=hsi(:,:,3);
R=zeros(size(hsi,1),size(hsi,2));
G=zeros(size(hsi,1),size(hsi,2));
B=zeros(size(hsi,1),size(hsi,2));
i=find((0<=H)&(H<2*pi/ 3));
B(i)=I(i).*(1-S(i));
R(i)=I(i).*(1+S(i).*cos(H(i))./cos(pi/ 3-H(i)));
G(i)=3*I(i)-(R(i)+B(i));
i=find((2*pi/3<=H) &(H<4 * pi/3));
R(i)=I(i).*(1-S(i))
G(i)=I(i).*(1+S(i)).*cos(H(i)-2*pi/3)./cos(pi-H(i)));
B(i)=3*I(i)-(R(i)+G(i));
i=find((4*pi/3<=H)&(H<=2*- pi))
G(i)=I(i).*(1-S(i));
B(i)=I(i).*(1+S(i).*cos(H(i)-4*pi/3)./cos(5*pi/3-H(i)));
R(i)=3*I(i)-(G(i)+B(i));
rgb=cat(3,R,G,B);
rgb=max(min(rgb,1),0);
九、彩色与多光谱图像处理(程序题,中 ,10分)
[题目]
根据HSI模型的定义,编写显示下图的H、S和I分量图像。
十二、综合练习(简答题,难,5分)
[题目]
为什么说HSI模型对于开发基于彩色描述的图像处理方法是一个较为理想的工具。
[参考答案]
HSI模型是用H(色调,即颜色)、S(饱和度)、I(强度)来描述颜色特性的,更接近人对彩色的认识和解释,因此能够减少彩色图像处理的复杂性,从而增加快速型,是一个较为理想的工具。
十二、综合练习(简答题,中 ,7分)
[题目]
试讨论用于平滑处理的滤波器和用于锐化处理的滤波器之间的区别和联系。
[参考答案]
不同 | 相同 | |
平滑 | 低通滤波器,主要用来去除噪声 | 都有理想、指数巴特沃思、梯形这几种滤波器,都是图像增强的方法,从而满足视觉的要求。 |
锐化 | 高通滤波器,主要用来增强边缘信息 |
十二、综合练习(简答题,难,8分)
[题目]
已知一幅图像的灰度级为8,即(0,1)之间划分为8个灰度等级。图像的左边一半为深灰色,其灰度级为
,而右边一半是黑色,其灰度级为0,如图4-53所示。试对此图像进行直方图均衡化处理,并描述一下处理后的图像是一幅什么样的图像。
相关文章:
【数字图像处理】期末综合知识点总结 ver1,灰度图像,图像增强,平滑滤波,锐化滤波,图像复原,图像压缩
关注作者了解更多 我的其他CSDN专栏 过程控制系统 工程测试技术 虚拟仪器技术 可编程控制器 工业现场总线 数字图像处理 智能控制 传感器技术 嵌入式系统 复变函数与积分变换 单片机原理 线性代数 大学物理 热工与工程流体力学 数字信号处理 光电融合集成电路…...
GIN
gin是什么 Gin 是一个用 Go (Golang) 编写的 HTTP Web 框架。 它具有类似 Martini 的 API,但性能比 Martini 快 40 倍。如果你需要极好的性能,使用 Gin 吧。 特点:gin是golang的net/http库封装的web框架,api友好,注…...
Java中通过ArrayList扩展数组
在Java中,ArrayList 是一个动态数组实现,能够根据需要自动调整其大小。与传统的数组不同,ArrayList 不需要预先指定大小,并且提供了许多方便的方法来操作集合中的元素。下面将详细介绍如何使用 ArrayList 进行数组的扩展ÿ…...
2024.12.19总结
今天跑了数据采集和端口扫描,对于容器化和虚拟机的概念不是很理解。然后是北向接口文档,在跟其他人交流时,问原理把我给问住了。在安全这块,要学的的东西很多,确实不是三五个月就能搞定的事。 如今,我要做…...
upload-labs靶场通过攻略
upload-labs靶场 第一关 删除前端js校验 return checkFile() 就能上传成功 第二关(抓包文件类型校验) BP抓包修改后缀 第三关(上传php同种类型的不同后缀) 根据源码发现这关的黑名单不太严谨,我们就可以使用php同种类型的不同后缀 第四关(双上传) 根据源码发现这些后缀的…...
【信息系统项目管理师-论文真题】2017下半年论文详解(包括解题思路和写作要点)
更多内容请见: 备考信息系统项目管理师-专栏介绍和目录 文章目录 试题一:论信息系统项目的安全管理写作要点解题思路1、访问控制工具与技术2、加密技术3、安全检测与监控工具4、安全策略制定与文档化:5、数据备份与恢复技术试题二:论信息系统项目的成本管理写作要点解题思路…...
运维 mysql、redis 、RocketMQ性能排查
MySQL查看数据库连接数 1. SHOW STATUS命令-查询当前的连接数 MySQL 提供了一个 SHOW STATUS 命令,可以用来查看服务器的状态信息,包括当前的连接数。 SHOW STATUS LIKE Threads_connected;这个命令会返回当前连接到服务器的线程数,即当前…...
使用 rvest 包快速抓取网页数据:从入门到精通
介绍 随着大数据和数据科学的迅速发展,互联网数据的抓取已经成为重要的信息获取手段之一。网页抓取(Web Scraping)可以帮助我们自动化地从网页中提取有价值的数据,应用广泛,包括新闻热点分析、金融数据采集等。在本篇…...
青少年编程与数学 02-004 Go语言Web编程 01课题、Web应用程序
青少年编程与数学 02-004 Go语言Web编程 01课题、Web应用程序 课题摘要:一、Web应用程序二、Web服务器(一)什么是Web服务器(二)Web服务器配置1. 选择服务器软件2. 安装服务器软件3. 配置服务器4. 安全设置5. 部署网站内容6. 测试服…...
MybatisPlus(四)
五、条件构造器和常用接口 1、wapper介绍 Wrapper : 条件构造抽象类,最顶端父类 AbstractWrapper : 用于查询条件封装,生成 sql 的 where 条件 QueryWrapper : 查询条件封装 UpdateWrapper : Update 条件封…...
经典电荷泵/Charge pump——1998.JSSC
电路结构 工作原理 M3 and M4 are the series switches, and M5, M6 switch to the highest voltage. If M5 and M6 are missing, having a large capacitor is of absolute necessity, because must always stay between 2 Vin and 2Vin - Uj to avoid switching on the vert…...
搭建MongoDB
title: 搭建MongoDB date: 2024-11-30 23:30:00 categories: - 服务器 tags: - MongoDB - 大数据搭建MongoDB 环境:Centos 7-2009 1. 创建MongoDB的国内yum源 # 下载Centos7对应最新版7.0.15的安装包 cat >> /etc/yum.repos.d/mongodb.repo << &quo…...
2FA双因子验证技术实现原理
一、背景 随着关注数据安全的意识逐步提升,很多站点都开始强制用户不止使用用户名密码的形式进行登录,还会逐步引导用户开启2FA多因子验证。 Github就已经强制用户使用2FA多因子验证进行账号的登录,现在阿里云、腾讯云等也逐步往这个方向发展…...
boost之bind
简介 用于构造函数对象,其定义在文件bind.hpp中 bind 其底层使用通用的模板类bind_t template<class R, class F, class L> class bind_t { public:typedef bind_t this_type;bind_t(F f, L const & l): f_(f), l_(l) {}#define BOOST_BIND_RETURN re…...
simpleperf生成火焰图的步骤
1. simpleperf 命令抓取.data文件 adb shell simpleperf record --duration 30 -g -p 8734 --trace-offcpu --clockid monotonic -e cpu-clock -o /data/local/tmp/perf.data C:\Users\fadi.su>adb shell simpleperf record --duration 30 -g -p 8734 --trace-offcpu --cl…...
拥有人类情感的AI:未来还是幻想?
每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领…...
EAS的KDTextField 添加回车事件监听
1、控件绑定一个action(可以在ui上配置) 2、因为GUI设置的统一的控件切换键为TAB和ENTER两个,所以需要单独设置这个控件的切换键。 Set<KeyStroke> set new HashSet<KeyStroke>(); set.add(KeyStroke.getKeyStroke(KeyEvent.VK_…...
【Linux】Macvlan介绍及LInux下例子实现
Macvlan Macvlan 是一种网络虚拟化技术,允许在同一物理网络接口上创建多个虚拟网络接口,每个虚拟接口都有自己独立的 MAC 地址。这对于需要在同一物理主机上运行多个网络隔离的应用程序或容器时非常有用。 Macvlan 的特点和用途 独立的 MAC 地址 每个 …...
Kafka Streams 在监控场景的应用与实践
作者:来自 vivo 互联网服务器团队- Pang Haiyun 介绍 Kafka Streams 的原理架构,常见配置以及在监控场景的应用。 一、背景 在当今大数据时代,实时数据处理变得越来越重要,而监控数据的实时性和可靠性是监控能力建设最重要的一环…...
【计算机视觉基础CV】03-深度学习图像分类实战:鲜花数据集加载与预处理详解
本文将深入介绍鲜花分类数据集的加载与处理方式,同时详细解释代码的每一步骤并给出更丰富的实践建议和拓展思路。以实用为导向,为读者提供从数据组织、预处理、加载到可视化展示的完整过程,并为后续模型训练打下基础。 前言 在计算机视觉的深…...
Android实现RecyclerView边缘渐变效果
Android实现RecyclerView边缘渐变效果 1.前言: 是指在RecyclerView中实现淡入淡出效果的边缘效果。通过这种效果,可以使RecyclerView的边缘在滚动时逐渐淡出或淡入,以提升用户体验。 2.Recyclerview属性: 2.1、requiresFading…...
springboot结合AES和国密SM4进行接口加密
api接口加密 1.为什么需要api接口加密呢? 1.防止爬虫 2.防止数据被串改 3.确保数据安全 2.如何实现接口加密呢? 3.我们可以使用哪些加密算法来加密呢? AES 密码学中的高级加密标准(Advanced Encryption Standard,…...
后端项目java中字符串、集合、日期时间常用方法
我这里只介绍了项目中最常用的哈,比如像集合有很多,但我们最常用的就是ArrayList。 然后我这里会以javascript中的字符串、数组的方法为基准来实现,有些方法js和java会有些区别也会介绍 字符串 每次修改 String 对象都会创建一个新的对象,而 StringBuffer 可以在同一个对象…...
前端框架Vue的路由机制
大家好,我是G探险者。 最近在调试前端代码的时候,遇到一个问题。首先我们有一个门户页面,该页面里面有很多的豆腐块,每个豆腐块会配置一个系统的跳转连接。 我的系统就是其中一个豆腐块,我第一次登录进来之后…...
flutter 快速实现侧边栏
首先我们写一个侧边栏工具类,示例如下: import package:flutter/material.dart;class Sidebar extends StatelessWidget {overrideWidget build(BuildContext context) {return Drawer(child: ListView(padding: EdgeInsets.zero,children: <Widget&…...
华为数通最新题库 H12-821 HCIP稳定过人中
以下是成绩单和考试人员 HCIP H12-831 HCIP H12-725 安全中级...
算法训练第二十三天|93. 复原 IP 地址 78. 子集 90. 子集 II
93. 复原 IP 地址--分割 题目 有效 IP 地址 正好由四个整数(每个整数位于 0 到 255 之间组成,且不能含有前导 0),整数之间用 . 分隔。 例如:"0.1.2.201" 和 "192.168.1.1" 是 有效 IP 地址&…...
JS,递归,处理树形数据组件,模糊查询树形结构数据字段
JS递归如何模糊查询树形结构数据,根据数据中的某一个字段值,模糊匹配 直接拿去使用就行 function filterTreeLabel(arr, label) {let result []arr.forEach((item) > {// if (String(item.POBJECT_NAME).toLowerCase().indexOf(label)!-1) {if (String(item.P…...
前端大数字精度丢失?Choerodon UI 大数字解决方案:精确性与灵活性的结合!
01 引言 在企业项目开发中,数据的精确性是关键。Choerodon UI 的大数字解决方案,通过其高精度计算、数据一致性维护、灵活的数据交互、国际化支持、兼容性保障、定制化格式化等优势,为开发人员提供了一个强大的武器库,以确保在处…...
matlab凸包检测
% 创建一个3D点集 points [1 2 3; 4 5 6; 7 8 9; 10 11 12; 13 14 15]; % 使用convhull函数计算凸包 hull convhull(points); % 输出凸包点的索引 disp(Convex Hull Indices:); disp(hull); % 绘制点集和凸包 figure; scatter3(points(:,1), points(:,2), points(:,3),…...
单节点calico性能优化
在单节点上部署calicov3273后,发现资源占用 修改calico以下配置是资源消耗降低 1、因为是单节点,没有跨节点pod网段组网需要,禁用overlay方式网络(ipip,vxlan),使用route方式网络 配置calico-node的环境变量 CALICO_IPV4POOL_I…...
【芯片设计- RTL 数字逻辑设计入门 番外篇 7.1 -- 基于ATE的IC测试原理】
文章目录 ATE 测试概述Opens/Shorts测试Leakage测试AC测试转自:漫谈大千世界 漫谈大千世界 2024年10月23日 23:17 湖北 ATE 测试概述 ATE(Automatic Test Equipment)是用于检测集成电路(IC)功能完整性的自动测试设备。它在半导体产业中扮演着至关重要的角色,主要用于检…...
oracle 导入数据提示跳过表
imp system/orclorcl fileD:\oracle_back.dmp fully showy logD:\oracle_log.log 今天用上面的命令往 oracle 中导入数据出现一个奇怪的问题 就是所有导入的表都提示 正在跳过表XXX 最后提示成功终止导入, 没有出现警告。 最后select一个表也没导入进来 怪哉怪哉!…...
鸿蒙开发(15)案例 排行榜
排行榜 准备图片 定义案例需要的数据模型 创建Models文件, //定义app需要的数据模型export class FruitData{name:string;vote:string;id:string;constructor(id:string,name:string,vote:string,) {this.id idthis.name namethis.vote vote}}排行榜头部 创…...
【Java Web】Axios实现前后端数据异步交互
目录 一、Promise概述 二、Promise基本用法 三、async和await关键字 四、Axios介绍 4.1 Axios基本用法 4.2 Axios简化用法之get和post方法 五、Axios拦截器 六、跨域问题处理 一、Promise概述 axios是代替原生的ajax实现前后端数据交互的一套新解决方案,而…...
SLAAC如何工作?
SLAAC如何工作? IPv6无状态地址自动配置(SLAAC)-常见问题 - 苍然满关中 - 博客园 https://support.huawei.com/enterprise/zh/doc/EDOC1100323788?sectionj00shttps://www.zhihu.com/question/6691553243/answer/57023796400 主机在启动或接口UP后,发…...
微信小程序UI自动化测试实践 !
微信小程序UI自动化测试实践 引言: 随着微信小程序的快速发展,越来越多的企业和开发者开始开发小程序来满足用户的需求。而在开发小程序的过程中,UI自动化测试是一个必不可少的环节,可以帮助开发者减少人工测试的工作量ÿ…...
代码随想录-笔记-其七
我们来到了贪心算法的章节。 贪心算法和其他部分不太一样的是,他更多的是突出一种思路:通过求局部最优解来求全局最优解。因为只是一个大的思想逻辑,针对不同题型总是有不同的解决方案,所以贪心算法也不想其他算法那样有一个很经…...
react身份证回显
1. 处理身份证号的函数 function getAgeSexAndBirthdate(idCard: string): { sex: 男 | 女 | null; birthdate: Date | null } {if (idCard.length ! 18) {console.error(身份证号码必须是18位。);return { sex: null, birthdate: null };}// 提取出生年月日const year parse…...
Hibernate、JPA、Spring DATA JPA、Hibernate 代理和架构
大家好,今天,我们将讨论 Hibernate 和 JPA 架构。 在开始我们的文章之前,我想回答一个重要的问题:为什么我们需要使用 Hibernate、Eclipse Link、EF core 等 ORM 工具? 事实上,这是一个非常好的问题。我们…...
leetcode----mysql
1179. 重新格式化部门表 - 力扣(LeetCode) 表 Department: ------------------------ | Column Name | Type | ------------------------ | id | int | | revenue | int | | month | varchar | ----…...
盛元广通畜牧与水产品检验技术研究所LIMS系统
一、系统概述 盛元广通畜牧与水产品检验技术研究所LIMS系统集成了检测流程管理、样品管理、仪器设备管理、质量控制、数据记录与分析、合规性管理等功能于一体,能够帮助实验室实现全流程的数字化管理。在水产、畜牧产品的质检实验室中,LIMS系统通过引入…...
EXCEL文件解析
[Excel文件名].xlsx (解压后) │ ├── _rels │ └── .rels (定义关系文件) ├── docProps │ ├── app.xml (应用程序属性) │ └── core.xml (核心文档属性) ├── xl │ ├── _rels │ │ └── workbook.xml.rels (工作簿关系文件) │ ├── …...
【C++】- 掌握STL List类:带你探索双向链表的魅力
文章目录 前言:一.list的介绍及使用1. list的介绍2. list的使用2.1 list的构造2.2 list iterator的使用2.3 list capacity2.4 list element access2.5 list modifiers2.6 list的迭代器失效 二.list的模拟实现1. list的节点2. list的成员变量3.list迭代器相关问题3.1…...
开源 AI 智能名片 S2B2C 商城小程序中运营与产品的关系剖析
摘要:本文聚焦于开源 AI 智能名片 S2B2C 商城小程序,深入探讨其中运营与产品之间的关系。通过分析运营与产品的多种关系认知,阐述在该特定小程序情境下运营与产品相互依存、相互作用的机制,包括运营对产品的需求以及产品对运营的依…...
flask_socketio 以继承 Namespace方式实现一个网页聊天应用
点击进入上一篇,可作为参考 实验环境 python 用的是3.11.11 其他环境可以通过这种方式一键安装: pip install flask3.1.0 Flask-SocketIO5.4.1 gevent-websocket0.10.1 -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple pip list 详情如下&am…...
DePIN潜力项目Spheron解读:激活闲置硬件,赋能Web3与AI
DePIN赛道作为今年加密资本关注的热点之一,不仅吸引了大量资金涌入,还凭借其灵活的资源调配、高效的运作方式和可靠的安全性能,逐渐渗透到多个领域和项目中。例如,Helium的无线网络协议、IoTeX的去中心化物联网、IO NET的去中心化…...
《Vue进阶教程》第十六课:深入完善响应式系统之单例模式
往期内容: 《Vue进阶教程》第五课:ref()函数详解(重点) 《Vue进阶教程》第六课:computed()函数详解(上) 《Vue进阶教程》第七课:computed()函数详解(下) 《Vue进阶教程》第八课:watch()函数的基本使用 《Vue进阶教…...
C++ —— const修饰指针
C —— const修饰指针 常量指针(实际开发中用的很多)指针常量(了解即可)常指针常量(了解即可) 常量指针(实际开发中用的很多) 语法:const 数据类型 *变量名; 不能通过解…...
【学习笔记】数据结构(八)
动态存储管理 文章目录 动态存储管理8.1 概述8.2 可利用空间表及分配方法8.3 边界标识法8.3.1 可利用空间表的结构8.3.2 分配算法8.3.3 回收算法 8.4 伙伴系统8.4.1 可利用空间表的结构8.4.2 分配算法8.4.3 回收算法 8.5 无用单元收集 - 垃圾回收机制8.6 存储紧缩 - 内存碎片化…...