精华内容
下载资源
问答
  • 这3个月来一直销声匿迹了,很多朋友都说我...团队就起来了,尽管就2个人,可是总体来说还是很和谐的,交流也很到位做的事情也很道了,就是要提高工作效率的了。不出来写东西是不行了,切入正题。 查H事件...

    这3个月来一直销声匿迹了,很多朋友都说我消失了,其实天天都不是在网上,只是都在做自己的项目罢了,从12月5号从深圳回来在到义乌过去一个多月了,现在团队也有样子了,网站也上线了,可是还是在做基本的工作,虽然没有生意可是还是对项目很有信心,团队就起来了,尽管就2个人,可是总体来说还是很和谐的,交流也很到位做的事情也很上道了,就是要提高点工作效率的了。不出来写点东西是不行了,切入正题。

     

    查H事件,那个时候11月底,我还在晋江,找货源,准备去深圳,就在宾馆里面看电视,YS报道了查H,涉及到了移动和WAP网站从而将事件上升到了民族及下一代的层面,这样是可以可是为什么在这个时间爆发出来呢?这个事情好久以前就有了,事在人为啊,做的事情有人做为什么老是没有人管呢?到这段时间才爆发出来,网络这片热土,现在是真的很热闹了。 这个事情那个时候感觉还没什么,这几天一连的风波,没有到自己的头上也懒得去管理,从网站备案一直到现在也感觉国家的管理制度是越来越严了,不过这样也是有一定的好处的,互联网本来就是开发的,可现在看来已经不是了,在这个神州大地上已经有了一堵墙了,所以我们还是得老实的按照规矩来办事情。从空间的关闭到域名事件到今天看到的GG撤离中国的“流言”,可以说令我很震惊,昨天还在老李的QQ上看到了GG即将撤离的消息,我还以为是开玩笑的,其实从开复同学的辞职就可以看出来了,事件是一件一件环环相扣的。不管怎么样,现在自己是靠互联网吃饭的,做好自己才是正道,这个年代混口饭吃都很难了。

     

    除了震惊之余,现在也得认真的认清楚形势了,天朝这个泱泱大国,何以FREE呢?还是找寻我们自己的FREE的地方吧,做好准备了!

    赶紧备份资料要紧了,现在很多都是用的GG的服务,得转移下了,在无奈之余就是悲哀啊!

    转载于:https://www.cnblogs.com/scotoma/archive/2010/01/14/1647662.html

    展开全文
  • 刚使用kettle不久,由于我们在...但是用crontab做计划任务部署上去的时候,发现执行不了了,报错信息是不到hive驱动。 经过排查,基本确定问题出在classpath,但是无论是在脚本里面 把classpath补全还是在c...

    刚使用kettle不久,由于我们在kettle程序中使用了hive的驱动,因此在kitchen.sh中增加了hive驱动的一行classpath。写的脚本使用kitchen执行我们的job没有任何问题。但是用crontab做计划任务部署上去的时候,发现执行不了了,报错信息是找不到hive驱动。

    经过排查,基本确定问题出在classpath上,但是无论是在脚本里面 把classpath补全还是在crontab中把classpath都没有解决问题。不经意查看kitchen.sh的时候,发现如下两行

    BASEDIR=`dirname $0`

    CLASSPATH=$BASEDIR

    才知道原来kitchen的classpath是读取的当前路径,于是在调用kitchen.sh的脚本中增加了一行

    cd /pentaho/pentaho/data-integration 切换到kettle的根目录,问题得到解决。

    完整的脚本代码为

    export JAVA_HOME=/usr/local/java/

    cd /pentaho/pentaho/data-integration

    ./kitchen.sh /rep 192.168.0.13.PDI_Repository /user root /pass *** /dir /Plan_Job /job Job_Load_All /logfile /pentaho/Plan/kitchen_run.log

    转载于:https://www.cnblogs.com/lijun4017/archive/2011/08/11/2135064.html

    展开全文
  • 超声波洁牙机在医疗领域已广泛应用。...本人设计的超声波沽牙机以单片机为核心,采用电流取样反馈自动扫描搜索谐振,谐振频率和振荡强度数字锁定,谐振漂移极小,从而在根本解决了上述问题。该电路设
  • 我最早也是在论坛找到一些帮助的,那位大虾上传了一份MATLAB官方的资料,只是不到那篇文章了,在此先表示感谢。  闲话少叙,我说一下我的方法,再把我用到的资料上传一下,程序是单位要求写的不上传了。  1....
  • 保留结构去噪的方向中值滤波     去噪一般会模糊图像,丢失图像细节,有时候需要保留结构的去噪。...遍历像素,对每个像素计算四个方向每个方向像素与中心像素值的差值加

    保留结构去噪的方向中值滤波

        去噪一般会模糊图像,丢失图像细节,有时候需要保留结构的去噪。看到一篇文章描述的思想比较好。
        文章中提出的思路是遍历像素点,判断该点是否为噪声,如果是,则去噪,否则跳过该点。
    论文中的实例,以下a为原图,b为添加噪声后的图,f为方向中值滤波的结果图:
    在这里插入图片描述

    1.找噪声点

        遍历像素点,对每个像素点计算四个方向上每个方向像素与中心点像素值的差值加权和。

    在这里插入图片描述
        加权公式如下:
    在这里插入图片描述
        这里的beta表示中心点的像素值,Xi表示该方向上除中心点外的四个点的像素值,Wi表示距离权重,距离中心点越近权重越大,如下图所示,窗口大小为5x5时,最边上的点权重值为1,靠近中心的点权重为2,这里权重也可以用高斯加权。
        计算完四条线上的加权和后,如果这四个加权和的最小值也大于阈值TH(阈值需要自己调整),说明每个方向上与中心点的差异都比较大,说明是噪声,否则是边缘或者平坦的区域。

    2.找最近似的方向

        众所周知,方差可以判断差异大小,所以计算每条线上的方差,找到方差最小的那条线。

    3.替换噪声点

        将上述找到的线上的四个像素重复一份加入到窗口中,此时窗口像素数量变为5x5+4,计算这个更新后窗口的中值作为该点的像素值。

    4.优化

        实际使用中发现,在找到最近似方向后取这四个点的加权均值效果更佳。

    展开全文
  • 前段时间用平方根无迹卡尔曼滤波做了一个观测器算法,之前也了好多该算法的资料,在CSDN也下载过,但是并不能用,后来自己结合之前下载的代码又各种论坛,梳理了一下。最终代码可以用了,论文也顺利投出去了。...
  • 采用了np模块中的random.randint,在(0,rows)范围内随机找一点设为x,在(0,cols)范围随便找点设为y,最后令(x,y)坐标的像素点在三个通道值均为255。 import cv2 import numpy as np #读取图片 img = cv2...

    #目的为记录在自己运行时存在的问题及解决方法,本文基于CSDN社区的Eastmount大佬的课程,通过学习,其中也增加了自己的考量和问题的解决。

    1. 在图片中加入噪音
      (1)其中50000代表了添加的噪声点个数,该数值越大,噪声点越多;采用了np模块中的random.randint,在(0,rows)范围内随机找一点设为x,在(0,cols)范围随便找点设为y,最后令(x,y)坐标的像素点在三个通道上值均为255。
    import cv2
    import numpy as np
    #读取图片
    img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG",cv2.IMREAD_UNCHANGED)
    rows, cols, chn = img.shape
    #加入噪音
    for i in range(50000):
        x = np.random.randint(0, rows)
        y = np.random.randint(0, cols)
        img[x,y,:] = 255
    #显示图片
    cv2.imshow("clh",img)
    
    #等待显示
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
    

    插入噪声
    在图像简单平滑中,算法利用卷积模板逐一处理图像中每个像素,这一过程可以形象地比作对原始图像的像素一一进行过滤整理,在图像处理中把邻域像素逐一处理的算法过程称为滤波器。平滑线性滤波器的工作原理是利用模板对邻域内像素灰度进行加权平均,也称为均值滤波器。

    1. 均值滤波
      均值滤波是指任意一点的像素值,都是周围N*M个像素值的均值。
      如下代码表示,任意一点像素值都用周围5×5范围的像素值的均值表示,当范围越大,图像越模糊。
      result = cv2.blur(原始图像,核大小)
    result = cv2.blur(source, (5, 5))
    

    在这里插入图片描述

    (1)cv2.cvtColor(p1,p2) 是颜色空间转换函数,p1是需要转换的图片,p2是转换成何种格式。cv2.COLOR_BGR2RGB 将BGR格式转换成RGB格式.
    (2)plt.subplots 可以创建一个图和一组子图,但每条subplot命令只会创建一个子图。
    plt.subplot(i,j,n)形式,其中ij是行列数,n是第几个图,比如(2,2,1)则是一个有四个图,该图位于第一个。
    (3)plt.xticks 和 plt.yticks 分别代表了对横纵坐标轴的参数操作,以下方代码为例,[0,200,400]代表将在x轴上的0,200,400三个位置进行标记,[100,300,500]代表对前述位置实际标识的内容,rotation表示字体角度。plt.xticks( [ ] )表示不显示坐标

    plt.xticks([0,200,400],[100,300,500],rotation=45)
    

    (4)plt.title 函数用于设置图像标题
    (5)plt.imshow 函数负责对图像进行处理,并显示其格式,plt.show则是将plt.imshow处理后的函数显示出来。
    代码如下:

    import cv2
    import numpy as np
    import matplotlib.pyplot as plt
    #读取图片
    img = cv2.imread("C:/Users/CLH/Desktop/test3.JPG",cv2.IMREAD_UNCHANGED)
    source = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    
    # 均值滤波
    result = cv2.blur(source, (5, 5))
    
    # 显示图形
    titles = ['Source Image', 'Blur Image']
    images = [source, result]
    for i in range(2):
        plt.subplot(1, 2, i + 1)
        plt.imshow(images[i])
        plt.title(titles[i])
        plt.xticks([]),plt.yticks([])
    plt.show()
    
    

    均值滤波
    3. 方框滤波
    (1)方框滤波和均值滤波核基本一致,区别是需不需要归一化处理,其函数如下:
    result = cv2.boxFilter (原始图像, 目标图像深度, 核大小, normalize属性)。其中,目标图像深度是int类型,通常用“-1”表示与原始图像一致;核大小主要包括(3,3)和(5,5)。
    (2)normalize属性表示是否对目标图像进行归一化处理。其中1表示需要,0表示不需要,不添加normalize时默认状态为需要。当进行归一化处理时,其处理与均值滤波相同,而当不进行归一化处理时,其像素值等于周围一定范围的像素点像素值的直接相加,很容易溢出,超过255即显示白色。
    在这里插入图片描述
    其代码如下:

    #encoding:utf-8
    import cv2
    import numpy as np
    import matplotlib.pyplot as plt
    
    # 读取图片
    img = cv2.imread('C:/Users/CLH/Desktop/test3.JPG')
    source = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    
    # 方框滤波
    result = cv2.boxFilter(source, -1, (5, 5), normalize=1)
    
    # 显示图形
    titles = ['Source Image', 'BoxFilter Image']
    images = [source, result]
    for i in range(2):
        plt.subplot(1, 2, i + 1), plt.imshow(images[i], 'gray')
        plt.title(titles[i])
        plt.xticks([]), plt.yticks([])
    plt.show()  
    

    (3)归一化处理后的图:
    均一化方框滤波
    (4)不进行归一化处理的图:
    由于在添加噪声时添加的噪声点过多,导致此时滤波处理后的图直接成白的了,我们将核矩阵大小设置为2×2,再出图。
    1)核矩阵5×5
    不均一化处理方框滤波
    2)核矩阵2×2
    不均一化处理方框滤波
    4. 高斯滤波
    图像高斯平滑也是邻域平均的思想对图像进行平滑的一种方法,在图像高斯平滑中,对图像进行平均时,不同位置的像素被赋予了不同的 权重
    (1)高斯滤波让临近的像素具有更高的重要度,对周围像素计算加权平均值,较近的像素具有较大的权重值。以3×3的邻域为例,均值滤波是对这九个数求平均,而高斯滤波是对这个九个数求加权平均,其中心思想是邻域中每个点离中心点的距离不一样,不应该像均值滤波一样每个点的权重一样,而是离中心点越近,权值越大。而每个点的权重就是高斯分布(也就是正态分布)。如下图示例所示,中心位置权重最高为0.4。
    在这里插入图片描述
    (2)Python中OpenCV主要调用GaussianBlur函数,如下:
    dst = cv2.GaussianBlur(src, ksize, sigmaX)。其中,src表示原始图像,ksize表示核大小,sigmaX表示X方向方差。
    如果sigma为非正数(负数或0)的话,就会根据ksize来自动计算sigma,计算公式为sigma = 0.3*((ksize-1)*0.5-1)+0.8。
    (3)高斯滤波代码及结果如下:

    #encoding:utf-8
    import cv2
    import numpy as np
    import matplotlib.pyplot as plt
    
    # 读取图片
    img = cv2.imread('C:/Users/CLH/Desktop/test3.JPG')
    source = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    
    # 高斯滤波
    result = cv2.GaussianBlur(source, (3, 3), 0)
    
    # 显示图形
    titles = ['Source Image', 'GaussianBlur Image']
    images = [source, result]
    for i in range(2):
        plt.subplot(1, 2, i + 1), plt.imshow(images[i], 'gray')
        plt.title(titles[i])
        plt.xticks([]), plt.yticks([])
    plt.show()  
    

    高斯滤波
    5. 中值滤波
    (1)在一连串数字{1,4,6,8,9}中,数字6就是这串数字的中值。在图像中去3*3的矩阵,里面有9个像素点,我们将9个像素进行排序,最后将这个矩阵的中心点赋值为这九个像素的中值。
    在这里插入图片描述
    (2)OpenCV主要调用medianBlur()函数实现中值滤波。图像平滑里中值滤波的效果最好。dst = cv2.medianBlur(src, ksize),其中,src表示源文件,ksize表示核大小。核必须是大于1的奇数,如3、5、7等。
    中值滤波
    参考:[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波。
    https://blog.csdn.net/Eastmount/article/details/82216380
    均值滤波和中值滤波
    https://blog.csdn.net/cjsh_123456/article/details/79261271

    展开全文
  • 虽然用户电路板后级还有LDO对开关电源的这个输出再进行稳压,但用户认为测得的这个结果过大,不太可信,希望出问题所在。 探头的信号电流回路     在隔离电源中,会产生大量流经探针接地连接的...
  • 其次,在模引入尺度因子的梯度,建立价值函数进而评估所有候选的价值,利用对数Logistic模型进行权值调整改进,从而得到更加合理的价值估计;最后,使用动态规划思想准确出最优的小脊线,提取脊线处的相位...
  • 用正弦函数,计算波浪用UIBezierPath的moveToPoint和addLineToPoint连接成线, 用定时器DisplayLink作为动力源 停止波浪: 停止定时器并赋值为nil 开启波浪: 新建定时器,并setNeedsDisplay 二、详细...
  • 我最早也是在论坛找到一些帮助的,那位大虾上传了一份MATLAB官方的资料,只是不到那篇文章了,在此先表示感谢。  闲话少叙,我说一下我的方法,再把我用到的资料上传一下,程序是单位要求写的不上传了。  1....
  • html5Canvas动画实现球内波浪效果

    万次阅读 2015-02-03 14:08:41
    先自己动手通过Canvas实现的效果始终不很满意,后来在网上了一些html5Canvas实现的类似的波浪效果,但都没有我想要的,最后在github找到一个我想要的类似效果,只不过这个是在长方形内的波浪,然后我根据例子的...
  • 我最早也是在论坛找到一些帮助的,那位大虾上传了一份MATLAB官方的资料,只是不到那篇文章了,在此先表示感谢。  闲话少叙,我说一下我的方法,再把我用到的资料上传一下,程序是单位要求写的不上传了。  1....
  • 基于STM32的示

    千次阅读 热门讨论 2019-07-20 20:14:13
    网上的轮子,很好用。最大频率可以接近90KHZ,再往可能受限于中断的处理速度,因为ADC采样的频率一般可以设为12M,最大可达14M. 绘制波形时为前后连线,效果很好。 19.11.24更新 代码链接: 链接:...
  • 从第一天来到地球,我就想在这个地球留下什么。可是,走了二十几年,我发现这路越走越偏,越走越远。我感觉到了危机,但我又不知道该如何走出这个危机。想想十几岁时对电脑电子那么痴迷,而现在确实一脸迷茫。...
  • 自从有了表情包,跟人聊天时的第一反应,就是去找找看有什么适合的表情。有一类表情包,形式是文字+图,尤其能够精妙地抒发和传递感情。在这一点,可能全世界的网友都一样。好用的...
  • 本来以为刚过了老师的考核,再等到老师我会有很长时间,这几天就特别放松。正好有亲戚来,和妹妹去了趟万达、到大学城闲逛,玩了密室逃脱,还骑行了个十几公里。再加上前段时间的熬夜,这几天睡觉时间也特别长。 ...
  • I2C的概念原理网上都有就不说了,这里只把我把两个开发板通过I2C通讯的调试经验记录分享...后来把从设备接,两边写好代码,互相有了响应,这才在示看到波形。   这里我了一个主设备往从设备
  • //咱做硬件的也动手做测试程序,为了测试新做的电机驱动板,了个51的板子当10K信号发生器测试IGBT开关延时时间。 #include <STC_NEW_8051.H>#include<intrins.h>#define uchar unsigned char//这个...
  • 告诉我再不到工作就考虑转行了! 话语间无不感叹安卓有点强弩之末的味道!聊天过程中,朋友也顺带分享了一阿里饿了么、百度Android岗的面经。我也帮他内推了几份工作岗位,却因为技术欠缺和经验不足等问题被友好...
  • Echarts水波纹地点显示,以及颜色随机系列篇在现今的前端开发中,图表的...首先,我在网上了一个demo,后期以下的功能是参考此demo和官网API配置来写的,话不多,才艺,以下:ECharts Gallery​gallery.echarts...
  • 阅读本文约需要2.5分钟大家好,我是你们的导师,经常看我朋友圈的同学应该知道,我每天会在微信给大家免费提供以下服务!1、长期为你提供最优质的学习资源!2、给你解决技术问题!3、每天在朋友圈里分享优质的技术...
  • 阅读本文约需要2.5分钟大家好,我是你们的导师,经常看我朋友圈的同学应该知道,我每天会在微信给大家免费提供以下服务!1、长期为你提供最优质的学习资源!2、给你解决技术问题!3、每天在朋友圈里分享优质的技术...

空空如也

空空如也

1 2 3 4 5 ... 12
收藏数 238
精华内容 95
关键字:

上波找点