精华内容
下载资源
问答
  • 分颜色球原理
    2018-07-18 23:41:00

    1.贴图用于显示材质球的重要组成部分,材质球是什么样子,通常由贴图决定。

    2.着色器Shader可以编辑贴图的细节。

    3.经过处理后的就生成了材质球,将材质球添加到模型上,模型就有了材质球的颜色。

     

    转载于:https://www.cnblogs.com/tthjHiroki/p/9333367.html

    更多相关内容
  • 本文来自于网络,本文中解释MaskR-CNN的工作原理,并介绍了颜色填充器的应用案例和实现过程。实例分割是一种在像素层面识别目标轮廓的任务,相比其他相关任务,实例分割是较难解决的计算机视觉任务之一:分类:这张...
  • opencv小球与颜色识别

    千次阅读 2019-10-06 11:40:39
    各种颜色小球 原理讲解 霍夫圆变换:的基本原理和上个教程中提到的霍夫线变换类似, 只是点对应的二维极径极角空间被三维的圆心点x,yx,yx,y还有半径rrr空间取代。 原理:从平面坐标圆上的点到极坐标转换的三个参数C...

    关键字

    • 模糊滤波
    • 霍夫圆检测
    • 框出小球
    • 文字绘制

    所需配件

    • powersensor传感器
    • 各种颜色小球

    原理讲解

    霍夫圆变换:的基本原理和上个教程中提到的霍夫线变换类似, 只是点对应的二维极径极角空间被三维的圆心点 x , y x,y x,y还有半径 r r r空间取代。
    原理:从平面坐标圆上的点到极坐标转换的三个参数 C ( x 0 , y 0 , r ) C(x_0,y_0,r) C(x0,y0,r)其中 x 0 , y 0 x_0,y_0 x0,y0是圆心, r r r取一固定值时扫描360度, x , y x,y x,y 跟着变化, 若多个边缘点对应的三维空间曲线交于一点,则他们在共同圆上,在圆心处有累积最大值,也可以用同样的阈值的方法来判断一个圆是否被检测到。

    相关API - HoughCircles

    因为霍夫圆检测对噪声比较敏感,所以首先要对图像做滤波(比如椒盐噪声用中值滤波,其他的也可以用高斯模糊)。基于效率考虑,Opencv中实现的霍夫变换圆检测是基于图像梯度(霍夫梯度法, 也叫2-1霍夫变换(21HT))的实现,分为两步(已封装到HoughCircles):
    (1)Canny检测边缘,发现可能的圆心。圆心一定是在圆上的每个点的模向量上, 这些圆上点模向量的交点就是圆心, 霍夫梯度法的第一步就是找到这些圆心, 这样三维的累加平面就又转化为二维累加平面。
    (2)基于第一步的基础上从候选圆心开始计算最佳半径大小。第二步根据所有候选中心的边缘非0像素对其的支持程度来确定半径。

    函数介绍

    cv2.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[,minRadius[, maxRadius]]]]]) → circles
    # image,必须,原图,要求二值化后的图片;
    # method,必须,检测方法,目前仅支持CV_HOUGH_GRADIENT,基于21HT实现;
    # dp,必须,检测的缩放比例参数,如果为1,就是检测原图,为2就是缩小一半检测,影响计算效率;
    # minDist,为霍夫变换检测到的圆的圆心之间的最小距离,即让我们的算法能明显区分的两个不同圆之间的最小距离。这个参数如果太小的话,多个相邻的圆可能被错误地检测成了一个重合的圆。反之,这个参数设置太大的话,某些圆就不能被检测出来了。
    # param1,有默认值100。它是method设置的检测方法的对应的参数。对当前唯一的方法霍夫梯度法,它表示传递给canny边缘检测算子的高阈值,而低阈值为高阈值的一半。
    # param1 , 可 选 , 低 阈 值 , 传 递 给 canny() 检 测 器 的 低 阈 值 ;
    # minRadius,默认值0,表示圆半径的最小值。
    # maxRadius,也有默认值0,表示圆半径的最大值
    
     cv2.putText(src, text, place, Font, Font_Size, Font_Color, Font_Overstriking)
     # src,输入图像
     # text,需要添加的文字
     # place,左上角坐标
     # Font,字体类型
     # Font_Size,字体大小
     # Font_Color,文字颜色
     # Font_Overstriking,字体粗细
    

    颜色标定

    TakeColor取色器

    TakeColor是一款轻便小巧的屏幕色彩拾取小工具。TakeColor取色器是目前为止使用感觉比较好的取色工具,可以直接使用快捷键“alt+C”就可以取色,方便快捷,可以针对上任何位置的色彩进行自定义拾取。如需要可自行从网上下载,TakeColor截图如下:
    在这里插入图片描述
    TakeColor取色器功能特点:

    1. 支持鼠标点击取色和用alt+c快键捷取色,快捷方便;
    2. 将屏幕上的任意一点的颜色读出来,转换成RGB和Hex形式的颜色值;
    3. 具有放大镜功能,让你可以看清任何一个像素的颜色;
    4. 能够显示取色点的十六位颜色值;
    5. 支持调色板功能。

    TakeColor取色器使用方法

    1. 双击或者右键打开takecolor取色器,看到软件主界面;
    2. 我们只需要将鼠标放在屏幕目标区域上,然后同时按“Alt+C”键就可以选取到对应的颜色;
    3. 如果我们需要哪种类型的色值在软件界面左下角的下拉框选择就可以了;
    4. 点击复制按钮或者按Ctrl+C进行复制使用就可以了。

    RGB颜色空间

    RGB(red,green,blue)颜色空间最常用的用途就是显示器系统(计算机、电视机等都是采用RGB颜色空间来进行图像显示)。一般来说,电脑,电视机等是利用三个电子枪分别发射R分量,G分量,B分量的电子束,以此来激发屏幕上的RGB三种颜色的荧光粉,从而发出不同颜色、不同亮度的像素、进而组成了一幅图像;很明显,RGB颜色空间利用了物理学中的三原色叠加从而组成产生各种不同颜色的原理。在RGB颜色空间中,R、G、B三个分量的属性是独立的。也即是说,RGB颜色可以表示为(Red, Green, Blue)。其中,各个分量的数值越小,亮度越低。数值越大,亮度越高;如:(0,0,0)表示黑色,(255,255,255)表示白色;

    小球颜色标定

    1. 将得到的图像进行模糊滤波处理,基本思想是用像素点邻域灰度值的中值来代替该像素的灰度值,该方法在去除脉冲噪声、椒盐噪声的同时还能保留图像的细节部分便于实现圆检测。
    2. 进行圆检测过程中得到圆心坐标,将圆心作为正方形的中心计算并框出小球。
    3. 在小球上选取一小块感兴趣区域,感兴趣区域(Region of Interest, ROI)的选取,一般有两种情形:1)已知ROI在图像中的位置;2)ROI在图像中的位置未知。现在我们已经知道了圆心坐标,所以是第一种情况了。直接在圆心附近选取一小块作为感兴趣区域用于后面的颜色标定(不建议取圆心一点作为判断颜色的标准,因为防止一点颜色空间发生突然跳变而检测颜色出现错误)。
    4. 分离图像RGB通道,用TakeColor取色器大致判断图像RGB范围,再通过设定阈值来标定小球颜色并再框上显示出来。

    参考例程

    #指定编码方式
    fourcc = cv2.VideoWriter_fourcc(*'MJPG')
    #设置保存的文件名,图像的格式
    out1 = cv2.VideoWriter('output3.avi',fourcc, 20.0, (320,240))
    #小球颜色识别bgr
    def colour2(img_b,img_g,img_r) :
        if ((img_b>=60 and img_b<=130 )  and (img_g>=60 and img_g<=130) and (img_r>=140 and img_r<=220) ):
            cv2.putText(origin,'red', (i[0]-i[2],i[1]-i[2]), cv2.FONT_HERSHEY_PLAIN, 2.0, (0, 0, 255), 2)
        elif ((img_b>=70 and img_b<=140) and (img_g>=120 and img_g<=190) and (img_r>=170 and img_r<=240) ):
            cv2.putText(origin,'yellow',(i[0]-i[2],i[1]-i[2]), cv2.FONT_HERSHEY_PLAIN, 2.0, (0, 0, 255), 2)
        elif ((img_b>=70 and img_b<=140) and (img_g>=150 and img_g<=230) and (img_r>=100 and img_r<=170) ):
            cv2.putText(origin,'green', (i[0]-i[2],i[1]-i[2]), cv2.FONT_HERSHEY_PLAIN, 2.0, (0, 0, 255), 2) 
        elif ((img_b>=50 and img_b<=120) and (img_g>=60 and img_g<=120) and (img_r>=70 and img_r<=120) ):
            cv2.putText(origin,'brown', (i[0]-i[2],i[1]-i[2]), cv2.FONT_HERSHEY_PLAIN, 2.0, (0, 0, 255), 2)
            
    while(True):
        clear_output(wait=True)  
        imgMat = cam1.read_img_ori()
        origin = cv2.resize(imgMat, (320,240))
        start = time.time() 
        # 转换为灰度图 
        img_gray = cv2.cvtColor(origin, cv2.COLOR_BGR2GRAY)
        # medianBlur 平滑(模糊)处理
        img_gray = cv2.medianBlur(img_gray, 7)
        #圆检测
        circles = cv2.HoughCircles(img_gray, cv2.HOUGH_GRADIENT, 1, 40, param1=50,param2=35, minRadius=0, maxRadius= 300)    
        if circles is None:
            pass
        else:
            circles = np.uint16(np.around(circles))
            for i in circles[0,:]:
                # 勾画正方形,origin图像、i[2]*2是边长
                cv2.rectangle(origin,(i[0]-i[2],i[1]-i[2]),(i[0]+i[2],i[1]+i[2]),(255,0,0), 2)
                #取球心一小块区域
                roi = origin[i[0]:i[1] , i[0]:i[1]+1] 
                #分离bgr通道
                img_b = np.uint16(np.mean(roi[:,:,0]))
                img_g = np.uint16(np.mean(roi[:,:,1]))
                img_r = np.uint16(np.mean(roi[:,:,2]))
                #判断小球颜色
                colour2(img_b,img_g,img_r)
    
    # 计 算 消 耗 时 间
        end = time.time()   
        ps.CommonFunction.show_img_jupyter(origin)
        out1.write(origin)
        print(end - start)
    #time.sleep(0.1) 
    out1.release()   
    

    结果展示

    结果如图所示

    框出小球并识别到三个小球颜色

    小结一下

    本文主要介绍了基于霍夫圆检测方法以及如何框出小球并识别颜色,霍夫变换的原理就是利用图像全局特征将边缘像素连接起来组成区域封闭边界,它将图像空间转换到参数空间,在参数空间对点进行描述,达到检测图像边缘的目的。识别小球颜色主要难点在调整RGB参数方面,利用TakeColor取色器选取参数范围,设置正确后便可以准确判断出小球颜色。

    展开全文
  • 贝叶斯分类原理

    千次阅读 2021-01-20 18:03:15
    逆向概率是我们事先不知道的数量,而是通过我们摸出来颜色,来判断袋子里的比例. 3.先验概率:通过经验来判断事情发生的概率,比如夏天下雨的概率多. 后验概率:发生结果之后,推测原因的概率.比如某人患有"贝叶...

    目录

    原理解释

    离散数据案例

    连续数据案例


    原理解释
     


    1.贝叶斯原理是英国数学家托马斯.贝叶斯提出的.
    2.正向概率是N个球里有M个黑球,我们第一次取出黑球的概率.
      逆向概率是我们事先不知道球的数量,而是通过我们摸出来球的颜色,来判断袋子里球的比例.
    3.先验概率:通过经验来判断事情发生的概率,比如夏天下雨的概率多.
      后验概率:发生结果之后,推测原因的概率.比如某人患有"贝叶死",那么他患病的原因可能是A,B,C.患有病的概率是因为原因A的概率就是后验概率.
      条件概率: P(A/B),事件A 在另一个事件B 已经发生的条件下发生的概率.
      似然函数(likelihood function):似然就是可能性的意思,她是关于统计参数的函数可以把模型训练的过程理解为求参数估计的过程.
    4.贝叶斯原理:求解后验概率
      贝叶斯公式推导:
     

    6.朴素贝叶斯是一种简单但是极为强大的预测建模算法
      朴素贝叶斯它之所以朴素就是它假设属性是相互独立的,因此对实际情况有所约束,如果属性之间相互关联,那么分类的准确率会降低.不过在大部分情况下,朴素贝叶斯的分类效果都不错.
      朴素贝叶斯公式:

    7.朴素贝叶斯常用于文本分类,尤其是对英文分类效果好.它还常用于垃圾文本过滤,情感预测,推荐系统.
    8.朴素贝叶斯分类器工作流程:
      (1)准备阶段:确定特征属性,获取训练样本.
      (2)训练阶段:计算每个类别 p(Cj),对每个特征计算所有划分的条件概率 p(A/Cj) .
      (3)应用阶段:对每个类别计算 p(A/Cj).p(Cj),其最大值时分类 Cj 即为类别

    9.sklearn (scikit-learn) 给我们提供了3个朴素贝叶斯分类算法.
    
    高斯朴素贝叶斯:特征变量是连续变量,符合高斯分布(正态分布),比如人的身高,物体的长度.
    多项式朴素贝叶斯:特征变量是离散变量,符合多项分布,在文档分类中特征变量体现在一个单词出现的次数,或者单词的TF-IDF 值等.
    伯努利朴素贝叶斯:特征变量是布尔变量,符合0/1分布,在文档中特征是单词是否出现.
    
    文本分类用伯努利朴素贝叶斯与多项式朴素贝叶斯.
    伯努利朴素贝叶斯是以文件为粒度.单词出现为1,不出现为0.
    而多项式朴素贝叶斯是以单词为粒度,计算某文件的具体出现次数.
    高斯朴素贝叶斯适合处理连续变量,且符合高斯(正态)分布.
    
    10.TF-IDF  :是一种统计方法,用来评估某个词语都一个文件集或文档库中其中一个文件的重要程度.
    TF:term frequency 词频,一个词的重要程度与它在这个文档中出现的次数成正比
    IDF:inverse document frequency 逆向文档频率 ,指一个单词在文档中的区分度.它认为淡出出现在文章的次数越少,就越能通过这个单词吧文档与其他文档区分来
    
    TF-IDF是TF与IDF的乘积.这样我们倾向于找到TF,IDF都高的单词进行区分.即这个单词在一个文档中
    出现频率高,同事又很少出现在其他文档中,这样的单词适合分类.
    
    词频TF = 单词出现的次数/这个文档的总单词数
    逆向文档频率 IDF = log(文档总数 / 该单词出现的文档数+1)    --分母+1是防止分母为0
    
    在 sklearn 中我们直接使用 TfidfVectorizer 类,它可以帮我们计算单词 TF-IDF 向量的值。在这个类中,取 sklearn 计算的对数 log 时,底数是 e,不是 10。
    
    11.对文档分类的阶段:
    准备阶段:分词,加载停用词,计算单词权重
    分类阶段:生成分类器,分类器预测,计算正确率
    
    12 相对于其他更复杂的方法,朴素贝叶斯学习期和分类器都很快,分类条件的解耦意味着可以独立把每个特征
    视为一维分布来估计.这样反过来可以缓解维度灾难带来的问题.
    
    13.虽然朴素贝叶斯是一个很好的分类器,但是不是很好的估计器,不能太重视从predict_proba输出的概率.

    离散数据案例


        针对这个问题,我们先确定一共有 3 个属性,假设我们用 A 代表属性,用 A1, A2, A3 分别为身高 = 高、体重 = 中、鞋码 = 中。

    一共有两个类别,假设用 C 代表类别,那么 C1,C2 分别是:男、女,在未知的情况下我们用 Cj 表示。

    那么我们想求在 A1、A2、A3 属性下,Cj 的概率,用条件概率表示就是 P(Cj|A1A2A3)。根据贝叶斯的公式,我们可以得出:

    因为一共有 2 个类别,所以我们只需要求得 P(C1|A1A2A3) 和 P(C2|A1A2A3) 的概率即可,然后比较下哪个分类的可能性大,就是哪个分类结果。

    在这个公式里,因为 P(A1A2A3) 都是固定的,我们想要寻找使得 P(Cj|A1A2A3) 的最大值,就等价于求 P(A1A2A3|Cj)P(Cj) 最大值。

    我们假定 Ai 之间是相互独立的,那么:P(A1A2A3|Cj)=P(A1|Cj)P(A2|Cj)P(A3|Cj)

    然后我们需要从 Ai 和 Cj 中计算出 P(Ai|Cj) 的概率,带入到上面的公式得出 P(A1A2A3|Cj),最后找到使得 P(A1A2A3|Cj) 最大的类别 Cj。

    我分别求下这些条件下的概率:P(A1|C1)=1/2, P(A2|C1)=1/2, P(A3|C1)=1/4,P(A1|C2)=0, P(A2|C2)=1/2, P(A3|C2)=1/2,所以 P(A1A2A3|C1)=1/16, P(A1A2A3|C2)=0。

    因为 P(A1A2A3|C1)P(C1)>P(A1A2A3|C2)P(C2),所以应该是 C1 类别,即男性。

     

    连续数据案例


    问题: 由于身高、体重、鞋码都是连续变量,不能采用离散变量的方法计算概率。而且由于样本太少,所以也无法分成区间计算。怎么办呢?

    这时,可以假设男性和女性的身高、体重、鞋码都是正态分布,通过样本计算出均值和方差,也就是得到正态分布的概率密度函数。

    https://zhidao.baidu.com/question/428047892.html

    有了密度函数,就可以把值代入,算出某一点的密度函数的值(概率)。

    比如,男性的身高是均值 179.5、标准差为 3.697 的正态分布。所以男性的身高为 180 的概率为 0.1069。

    你可以使用 EXCEL 的 NORMDIST(x,mean,standard_dev,cumulative) 函数      NORMDIST(180,179.5,3.697,0)=0.1069

    -cumulative取值为逻辑值,即 False 或 True。它决定了函数的形式。当为 TRUE 时,函数结果为累积分布;为 False 时,函数结果为概率密度

    同理我们可以计算得出男性体重为 120 的概率为 0.000382324,男性鞋码为 41 号的概率为 0.120304111。所以我们可以计算得出:P(A1A2A3|C1)=P(A1|C1)P(A2|C1)P(A3|C1)=0.10690.0003823240.120304111=4.9169e-6  同理我们也可以计算出来该人为女的可能性:P(A1A2A3|C2)=P(A1|C2)P(A2|C2)P(A3|C2)=0.000001474890.0153541440.120306074=2.7244e-9  很明显这组数据分类为男的概率大于分类为女的概率。

     

     

     

    展开全文
  • 积分在测试灯具光通量时与标准值偏低,甚至会达到20%的偏差(设备原理问题,国内国外设备一样),用分布光度计测试光通量准确,但测试效率低,一天约测试8个灯,无法满足企业大量测试需求。  积分光度计工作...
  • 为了准确、稳定地测量分析光柱镭射纸张及其印刷品的颜色,在分析了纸张微观结构的基础上,选用积分光光度计,在纸张(或印刷品)的不同光柱周期内进行采样,同时在纸张(或印刷品)固定位置处旋转不同角度采样。...
  • (1)K1、K7:加1; (2)K2、K8:加2; (3)K3、K9:加3; (4)K4:半场换; (5)K5:开始/暂停; (6)K6:节数加1; (7)K10:显示复位。 2.2设计方案 单片机在各种电子产品中的应用已经越来越广泛,...

    总体方案设计

    (末尾附文件)
    2.1设计思路
    以STC89C52单片机为核心元件,利用独立式键盘控制,使LCD1602实时记录A、B两队的分数。独立式键盘由K1、K2、K3、K4、K5、K6、K7、K8、K9、K10构成。其功能如下:
    (1)K1、K7:加1分;
    (2)K2、K8:加2分;
    (3)K3、K9:加3分;
    (4)K4:半场换分;
    (5)K5:开始/暂停;
    (6)K6:节数加1;
    (7)K10:显示复位。
    2.2设计方案
    单片机在各种电子产品中的应用已经越来越广泛,很多的电子产品利用单片机所取得的便利得到了人们的好评,针对基于单片机的篮球计分器的设计要求,实现其功能的方案,我们采用独立按键控制每次各队的加分值为1分或2分,如若进3分球,则需两键相加。并由半场换分按键、节数加1和复位功能,各种数据通过LCD1602a实时显示。

    框图:
    在这里插入图片描述
    原理图:
    在这里插入图片描述

    仿真图:

    在这里插入图片描述
    电源电路
    本电路采用mirco USB供电,其中滤波电路,为系统提供稳定的电压,在输出端5V电压处接一个红色发光二极管来做为电源指示灯。如图3-2所示
    在这里插入图片描述
    晶振电路
    晶振电路在单片机系统中起着非常重要的作用,是为保证系统正常工作的基础,在一个单片机系统中,时钟是保障系统正常工作的基准震荡定时信号。图3-3是晶振电路,主要有晶振和外围电路组成,晶振频率大小决定单片机的快慢,我们这里采用的是12MHZ,另外有2个30P的电容。其中接地用来削减谐波对电路的稳定性的影响。
    在这里插入图片描述
    复位电路
    单片机系统的复位电路我们采用的是上电加按钮的复位电路形式,电阻采用1k的阻值,采用100pF的电容。其电路连接方式如图3-4。当单片机的复位引脚RESET出现2个机器周期以上的高电平时,单片机就执行复位操作。
    在这里插入图片描述
    按键电路
    本设计共有9个独立设置按键,分别为开始,暂停,改变节次,A加1分,A加2分,A加3分,B加1分,B加2分,B加3分。其电路图如图4-6。

    在这里插入图片描述
    报警电路
    本设计通过P2.4口来控制蜂鸣器发声报警。如图3-6所示
    在这里插入图片描述
    显示电路
    显示器是最常用的输出设备,其种类繁多,但在单片机系统设计中最常用的是发光二极管显示器(LED)和液晶显示器(LCD)两种。由于这两种显示器结构简单,价格便宜,接口容易实现,因而得到广泛的应用。
    发光二极管LED,组成的显示屏,每个点都是一个或多个发光二极管,通过控制电路控制二极管的亮与灭来控制点的发光,从而使整个大屏幕显示图案。 液晶显示器LCD最常见的就是TFT类型的,它是由光源,液晶光栅,和控制芯片组成,他的光源是常亮的白色强光,当光线通过液晶光栅(液晶屏)的时候,通过电压改变液晶颗粒滤光方向,从而改变每个点的颜色和强度来显示图案。
    液晶显示器分很多种类,按显示方式可分为段式,行点阵式和全点阵式。段式与数码管类似,行点阵式一般是英文字符,全点阵式可显示任何信息, 如汉字、图形、图表等。
    两者之间的区别:
    (1)二极本身发光, 液晶本身不发光,只是透射光。
    (2)二极管体积大,图像质量一般,适合作室外大屏幕,价格较低。液晶成本较高,面积无法做得很大,但图像质量很好,适合做显示器。
    (3)二极管耗电大,液晶耗电小。
    (4)二极管图像刷新率低,液晶的高。
    二者的档次相差比较大,一般来讲在一些图像简单,对成本控制较严格的场合,用二极管,比如商场、银行等服务部门的电子提示窗,街道、百货公司外面的广告宣传窗;而液晶一般都是作计算机显示器、电视、手持设备等对图像质量要求高的场合。

    系统软件设计

    在这里插入图片描述
    .

    链接:https://pan.baidu.com/s/1GArq8G37HtWJBsgiSr4jyQ
    提取码:vl0p

    .

    展开全文
  • 研究谐光照必备的知识,这里简单总结一下。 假设时间是静止的,空间中充满了光子。衡量一个表面的光子数量可以表示为flux,单位是joules/second或者watts。 单位面积的flux称为irradiance,单位是 watts/...
  • 【学习】Unity3D滚球游戏 原理及实现

    千次阅读 2019-04-19 21:15:06
    为了使我们的Assets文件夹管理地更加井井有条,推荐对不同的assets进行文件夹管理,这时一些文件夹的命名可以自己定义,但通常可以遵循一定的不成文的规定,比如通常将场景存放在Scenes目录、将脚本存放在Scripts...
  • 朴素贝叶斯分类:原理

    万次阅读 多人点赞 2019-05-29 15:29:54
    贝叶斯原理是英国数学家托马斯·贝叶斯提出的。贝叶斯是个很神奇的人,他的经历类似梵高。生前没有得到重视,死后,他写的一篇关于归纳推理的论文被朋友翻了出来,并发表了。这一发表不要紧,结果这篇论文的思想直接...
  • 利用OPENGL中的图形库绘制一个小球后,绘制该从高空匀速缓慢落下的过程,程序由C编写的。
  • 【DIY】基于OpenMV的STM32追小车

    万次阅读 多人点赞 2018-12-09 16:17:57
    [DIY]基于openMV的追小车总体设计1.基础硬件DIY设计1).整体原理图2).PCB电路3).3D_PCB2.openMV简单识别程序设计 与 STM32控制程序设计1)openMV简单识别程序设计【microPython】2)STM32控制程序设计 【C语言】...
  • 通俗易懂的AI算法原理

    万次阅读 2019-06-27 08:24:55
    我想尽量用直白的语言、较少的数学知识给各位产品经理讲清楚各个算法的原理是什么。 机器学习的过程 机器学习的过程从本质上来说就是通过一堆的训练数据找到一个与理想函数(f)相接近的函数。在理想情况下,对于...
  • 加法原理和乘法原理练习题

    千次阅读 2020-12-23 10:45:39
    例1 丁丁和小麦斯原来是一对...3+2+4=9(种)加法原理:在做一件事时,如果有几类不同的方法,而且每一类方法中,又有几种可能的做法,那么,要求完成这件事有多少种做法,应当将各类方法中可能的种数加起来。试一试:...
  • 本文介绍了图像特征分析的常用方法,包括颜色矩、颜色直方图、灰度差统计、自相关函数、灰度共生矩阵。介绍了这些特征量的基本概念、特征规律、以及通过Matlab的实现方法与代码。
  • 基于openMV的颜色识别

    万次阅读 多人点赞 2021-05-02 21:08:07
    基于openMV的颜色识别 openMV简介 OpenMV是一个可编程的摄像头,通过Python语言可实现你想要的逻辑。而且摄像头本身也内置了一些图像处理的算法,使用起来也更加的方便,仅需要写一些简单的Python代码,即可轻松的...
  • 点云三维重建有关原理

    千次阅读 2021-06-25 10:02:54
    数码相机用于测量点的三维坐标和颜色信息。根据移动激光扫描系统和数码相机采集的数据可以得到点云数据,包括三维坐标、激光反射强度、颜色信息。 车载装置上装有雷达和GPS/IMU,雷达可以获取车载装置到扫描点的...
  • 层次聚类算法原理总结

    千次阅读 2022-01-16 01:19:58
    从而形成树形的聚类结构,层次聚类一般有两种划分策略:自底向上的聚合(agglomerative)策略和自顶向下的拆(divisive)策略,本文对层次聚类算法原理进行了详细总结。 目录 1. 层次聚类算法原理 2. 簇间相似度的...
  • 【机器学习】逻辑斯蒂回归原理

    千次阅读 2019-11-27 21:07:23
    的罐中拿一个出来,记录颜色,然后把拿出来的 再放回罐中。 这个过程可以重复,我们可以用记录的颜色来估计罐中黑白的比例。 假如在前面的一百次重复记录中, 有七十次是白,请问罐中白所占的比例...
  • FPGA开源项目:小球追踪系统设计(临时开源)

    千次阅读 多人点赞 2020-10-25 21:08:40
    本设计基于颜色特征识别实现,这个并不算高大上的算法,个人能力有限再加上FPGA算法实现难度不小,所以采用最简单的算法实现,作为FPGA的入门学习研究足以。这个设计是19年4月左右做出来的,那时自己对FPGA的认知...
  • unity中的谐光照

    千次阅读 2020-02-07 12:43:06
    unity3D的内置shader库中定义了若干工具函数,可以用来计算谐光照。 unity3D使用了3阶的伴随勒让德多项式作为基函数,即l的最大取值为2。 直角坐标系下3阶谐函数的系数如表7-6所示 ,共9个,其中: 最终的光照...
  • Unity Shader 法线贴图原理解析

    千次阅读 2022-04-05 13:51:31
    我们可以模拟一个镜面反射的平面,或者你也可以理解为我们用了一个BLIN材质,因为它能很好的反射光线,如下图: 那么当我们为平面增加一个凸起结构时候,光线的反射发生了变化,如下图: 我们会发现原本...
  • OpenGL原理介绍

    千次阅读 2019-04-09 09:18:03
    从图形学的原理来讲,通过透视变换,互相平行的两条直线(非平行于屏幕)最终必然会相交于一个点,我们称这个点为“灭点”,接下来阐述下其原理。 图9. 平行的铁轨在遥远的前方相交于同一个点 假设一条直线通过点A=...
  • 作为生信初学者,对基因测序第一、二、三代测序技术的梳理和了解,详细介绍了几个广泛应用的测序技术原理如sanger测序和illumina测序等,仅供学习使用。
  • SVC 二值分类器 工作原理

    千次阅读 2022-02-21 10:52:08
    不会轻易的错红色和蓝色。 在保证决策面不变,且分类不产生错误的情况下,我们可以移动决策面 C,直到产生两个极限的位置:如图中的决策面 A 和决策面 B。极限的位置是指,如果越过了这个位置,就会产生分类...
  • 【OpenGL】绘制球体

    千次阅读 多人点赞 2020-03-06 18:45:27
    glfwWindowShouldClose(window)) { //清空颜色缓冲 glClearColor(0.0f, 0.34f, 0.57f, 1.0f); glClear(GL_COLOR_BUFFER_BIT); shader.Use(); //绘制 //开启面剔除(只需要展示一个面,否则会有重合) ...
  • 传感器可以看成是一个数据采集终端,其自身也是一个...本文就是探讨这些传感器自身的工作原理,以及它们是如何传递信息的 。 至于有大量的单体传感器构建的构建的微型通信系统,即传感网,就在单独的文章中探讨。...
  • 点击上方“3D视觉工坊”,选择“星标”干货第一时间送达理解好图像的点云拼接,需要从相机的模型说起。理解相机的成像原理之后,便可更为深刻的理解图像的点云如何拼接在一起。首先说下相机的概念与原...
  • 一、颜色空间介绍        RGB 颜色空间是大家最熟悉的颜色空间,即三基色空间,任何一种颜色都可以由该三种 颜色混合而成。然而一般对颜色空间的图像进行有效处理都是在 HSV ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 16,602
精华内容 6,640
热门标签
关键字:

分颜色球原理