- std()的使用 y=std(x) 算出x的标准偏差。 x可以是vector或者一个matrix矩阵。 若x是vector，则y是算x的标准偏差。 若x是matrix，则y是个vector，存放的是算每一列/行的标准偏差。 std (x, flag,dim) fla表示标注公差时是要除以n还是n－1 flag0…是除以n－1 flag1…是除以n dim表示维数 d... std()的使用 y=std(x) 算出x的标准偏差。 x可以是vector或者一个matrix矩阵。 若x是vector，则y是算x的标准偏差。 若x是matrix，则y是个vector，存放的是算每一列/行的标准偏差。 std (x, flag,dim) fla表示标注公差时是要除以n还是n－1 flag0…是除以n－1 flag1…是除以n dim表示维数 d...
- sort() 用处 对一维或二维矩阵进行排序 用法 sort(A)：对一维或二维矩阵进行升序排序，并返回排序后的矩阵；当A为二维矩阵时，对矩阵的每一列分别进行升序排序(列优先)。 sort(A,dim)：对矩阵按指定的方向进行升序排序，并返回排序后的矩阵。 当dim=1时，对矩阵的每一列排序（即将第一维行数打乱重排）； 当dim=2时，对矩阵的每一行排序（即将第二... sort() 用处 对一维或二维矩阵进行排序 用法 sort(A)：对一维或二维矩阵进行升序排序，并返回排序后的矩阵；当A为二维矩阵时，对矩阵的每一列分别进行升序排序(列优先)。 sort(A,dim)：对矩阵按指定的方向进行升序排序，并返回排序后的矩阵。 当dim=1时，对矩阵的每一列排序（即将第一维行数打乱重排）； 当dim=2时，对矩阵的每一行排序（即将第二...
- 傅里叶变换实现图像压缩 题目 首先将图像分割为8x8的子图像，对每个子图像进行FFT.对每个子图像中的64个系数，排序后，舍去小的变换系数，只保留靠前的16个系数，实现4: I的图像压缩。 代码 t=imread('a6.jpg'); t=rgb2gray(t);%灰度化 [k,p]=size(t); t=double(t)/255;%归一化 便于计算 %显示原... 傅里叶变换实现图像压缩 题目 首先将图像分割为8x8的子图像，对每个子图像进行FFT.对每个子图像中的64个系数，排序后，舍去小的变换系数，只保留靠前的16个系数，实现4: I的图像压缩。 代码 t=imread('a6.jpg'); t=rgb2gray(t);%灰度化 [k,p]=size(t); t=double(t)/255;%归一化 便于计算 %显示原...
- 图像旋转 图像的旋转其实矩阵的旋转，而整个矩阵的旋转，则可以看出单个坐标的旋转。也就是说，只有我们知道了单个坐标旋转后的坐标，那么就很好得出旋转之后的图像了。这里我们假定旋转后的图像大小不变哈。 对于看旋转原理，这里可以去看一位大佬写的文章，写的很好，慢慢按着他的方法，就会懂旋转的原理，这里我就不多说了。（写的真的很好！）文章链接 自己写的代码： functio... 图像旋转 图像的旋转其实矩阵的旋转，而整个矩阵的旋转，则可以看出单个坐标的旋转。也就是说，只有我们知道了单个坐标旋转后的坐标，那么就很好得出旋转之后的图像了。这里我们假定旋转后的图像大小不变哈。 对于看旋转原理，这里可以去看一位大佬写的文章，写的很好，慢慢按着他的方法，就会懂旋转的原理，这里我就不多说了。（写的真的很好！）文章链接 自己写的代码： functio...
- mean()的使用 说明： M = mean(A) 返回 A 沿大小不等于 1 的第一个数组维度的元素的均值。 如果 A 是向量，则 mean(A) 返回元素均值。 如果 A 为矩阵，那么 mean(A) 返回包含每列均值的行向量。 如果 A 是多维数组，则 mean(A) 沿大小不等于 1 的第一个数组维度计算，并将这些元素视为向量。此维度会变为 1，而所有其... mean()的使用 说明： M = mean(A) 返回 A 沿大小不等于 1 的第一个数组维度的元素的均值。 如果 A 是向量，则 mean(A) 返回元素均值。 如果 A 为矩阵，那么 mean(A) 返回包含每列均值的行向量。 如果 A 是多维数组，则 mean(A) 沿大小不等于 1 的第一个数组维度计算，并将这些元素视为向量。此维度会变为 1，而所有其...
- 简单人脸识别 思路 找到图像中连通域面积最大的那块连通域。 i=imread('face.jpg'); I=rgb2gray(i); BW=im2bw(I); %利用阈值值变换法将灰度图像转换成二进制图像 figure(1); imshow(BW); %最小化背景 [n1 n2]=size(BW); r=floor(n1/10); %分成10块 行 c=fl... 简单人脸识别 思路 找到图像中连通域面积最大的那块连通域。 i=imread('face.jpg'); I=rgb2gray(i); BW=im2bw(I); %利用阈值值变换法将灰度图像转换成二进制图像 figure(1); imshow(BW); %最小化背景 [n1 n2]=size(BW); r=floor(n1/10); %分成10块 行 c=fl...
- 运用傅里叶变换对信号进行简单的滤波 原理 将信号进行傅里叶变换可以信号中有哪些频率成分，将需要滤除的频率成分的幅值置零，然后进行傅里叶逆变换就可以达到滤波的目的。 注意点 运行FFT进行变换时需要考虑奈奎斯特之后的振幅和相位，进行傅里叶逆变换的时候是取N个点进行变换，而不是取一半。 下面以一个实例进行说明 信号：x=0.5sin(2pi3t)+cos(2pi10*... 运用傅里叶变换对信号进行简单的滤波 原理 将信号进行傅里叶变换可以信号中有哪些频率成分，将需要滤除的频率成分的幅值置零，然后进行傅里叶逆变换就可以达到滤波的目的。 注意点 运行FFT进行变换时需要考虑奈奎斯特之后的振幅和相位，进行傅里叶逆变换的时候是取N个点进行变换，而不是取一半。 下面以一个实例进行说明 信号：x=0.5sin(2pi3t)+cos(2pi10*...
- 绘画出图像灰度值的三维图像 方法一： i=imread('a1.jpg'); if(size(i,3)>1) i=rgb2gray(i); end i=double(i); mesh(... 绘画出图像灰度值的三维图像 方法一： i=imread('a1.jpg'); if(size(i,3)>1) i=rgb2gray(i); end i=double(i); mesh(...
- 数字图像处理（MATLAB版）课程设计汇总 题目一、规范证件照 将各种不规范的二寸照，归一化为蓝色背景的标准二寸照。有部分数据。 题目二、三维人脸识别 题目三、表情识别 题目四、学生交头接耳行为检测 实现教室中学生之间交头接耳动作的识别。自制视频，摄像头在黑板上方。 题目五、学生递东西行为检测 实现递纸条、笔、尺子、橡皮等物品的识别 题目六、学生抬头率... 数字图像处理（MATLAB版）课程设计汇总 题目一、规范证件照 将各种不规范的二寸照，归一化为蓝色背景的标准二寸照。有部分数据。 题目二、三维人脸识别 题目三、表情识别 题目四、学生交头接耳行为检测 实现教室中学生之间交头接耳动作的识别。自制视频，摄像头在黑板上方。 题目五、学生递东西行为检测 实现递纸条、笔、尺子、橡皮等物品的识别 题目六、学生抬头率...
- 添加周期噪声 概念 代码 t=imread('a1.jpg'); [m,n]=size(t); t_1=t; for i=1:m for j=1:n t_1(i,j)=t(i,j)+40*sin(40*i)+40*sin(40*j); end end imshow(t),title('原图'); figure,imshow(t_1),title('加入周期噪声后')... 添加周期噪声 概念 代码 t=imread('a1.jpg'); [m,n]=size(t); t_1=t; for i=1:m for j=1:n t_1(i,j)=t(i,j)+40*sin(40*i)+40*sin(40*j); end end imshow(t),title('原图'); figure,imshow(t_1),title('加入周期噪声后')...
- 从正弦波转换为方波(傅里叶验证) 此示例说明方波的傅里叶级数展开式是如何由奇次谐波的和构成的。 1.首先以 0.1 为步长，生成一个从 0 到 10 的时间向量，并求出所有点的正弦。绘制基频图 t = 0:.1:10; y = sin(t); plot(t,y); 123 2.接下来，向基频添加第三个谐波，并绘制谐波图 y = sin(t) + sin(3*... 从正弦波转换为方波(傅里叶验证) 此示例说明方波的傅里叶级数展开式是如何由奇次谐波的和构成的。 1.首先以 0.1 为步长，生成一个从 0 到 10 的时间向量，并求出所有点的正弦。绘制基频图 t = 0:.1:10; y = sin(t); plot(t,y); 123 2.接下来，向基频添加第三个谐波，并绘制谐波图 y = sin(t) + sin(3*...
- im2col() 矩阵卷积 卷积就是卷积核跟图像矩阵的运算。卷积核是一个小窗口，记录的是权重。卷积核在输入图像上按步长滑动，每次操作卷积核对应区域的输入图像，将卷积核中的权值和对应的输入图像的值相乘再相加，赋给卷积核中心所对应的输出特征图的一个值，如下图所示（这里卷积核要旋转180 °）： 如果还不懂的话，可以类比均值滤波，用一个矩阵算子对于图像上一块图像，对于像素... im2col() 矩阵卷积 卷积就是卷积核跟图像矩阵的运算。卷积核是一个小窗口，记录的是权重。卷积核在输入图像上按步长滑动，每次操作卷积核对应区域的输入图像，将卷积核中的权值和对应的输入图像的值相乘再相加，赋给卷积核中心所对应的输出特征图的一个值，如下图所示（这里卷积核要旋转180 °）： 如果还不懂的话，可以类比均值滤波，用一个矩阵算子对于图像上一块图像，对于像素...
- 混乱场景目标图像检测（特征点匹配） 代码（从大佬那copy的） boxImage = imread('car2_1.png'); sceneImage = imread('car2.jpg'); boxImage = rgb2gray(boxImage); sceneImage =rgb2gray(sceneImage); %% Step 2: 提取SURF特征... 混乱场景目标图像检测（特征点匹配） 代码（从大佬那copy的） boxImage = imread('car2_1.png'); sceneImage = imread('car2.jpg'); boxImage = rgb2gray(boxImage); sceneImage =rgb2gray(sceneImage); %% Step 2: 提取SURF特征...
- 四种取整函数 MATLAB中对取整，给出了四种不同取整方法的函数， 分别是： fixfloorceilround 1、fix() 向靠近0的方向取整 比如： fix(2.2)=2 fix(2.9)=2 fix(-1.2)=-1 fix(-2.7)=-2 2、floor() 朝负无穷方向取整，就是平时所说的不超过x的最大整数 比如： floor(2.2)=2 fl... 四种取整函数 MATLAB中对取整，给出了四种不同取整方法的函数， 分别是： fixfloorceilround 1、fix() 向靠近0的方向取整 比如： fix(2.2)=2 fix(2.9)=2 fix(-1.2)=-1 fix(-2.7)=-2 2、floor() 朝负无穷方向取整，就是平时所说的不超过x的最大整数 比如： floor(2.2)=2 fl...
- 源代码 syntheticDir = fullfile(toolboxdir('vision'), 'visiondata','digits','synthetic'); handwrittenDir = fullfile(toolboxdir('vision'), 'visiondata','digits','handwritten'); % |imageDa... 源代码 syntheticDir = fullfile(toolboxdir('vision'), 'visiondata','digits','synthetic'); handwrittenDir = fullfile(toolboxdir('vision'), 'visiondata','digits','handwritten'); % |imageDa...
上滑加载中
推荐直播
-
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-道通无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
即将直播
热门标签