weixin_39774808
weixin_39774808

图像同态滤波 python实现_8图像增强

图像增强：对原图像进行变换或附加信息，有选择地突出感兴趣的特征或抑制不需要的特征，使图像与视觉响应特性相匹配，加强图像判读和识别效果

  • 空间域图像增强：对图像灰度值进行处理改善图像视觉效果

图像同态滤波 python实现_8图像增强_第1张图片
  • 变换域图像增强：在变换域内修改图像的变换系数再反变换到空间域
  1. 傅里叶变换
  2. 小波变换
  3. 颜色空间变换
  4. 主成分变换
  • 伪彩色处理
  • 图像融合

灰度变换图像增强

根据目标条件按照一定变换关系，逐像元改变像元灰度值

，如线性变换、分段线性变换和非线性变换

图像同态滤波 python实现_8图像增强_第2张图片
  • 线性变换：灰度值的对应关系符合线性关系式y=kx

图像同态滤波 python实现_8图像增强_第3张图片
  • 分段线性变换：对图像不同灰度值范围进行不同的线性变换

图像同态滤波 python实现_8图像增强_第4张图片
  • 反比变换：将图像中像元灰度值取反，

图像同态滤波 python实现_8图像增强_第5张图片
  • 幂次变换：
    ，a>1拉伸高值区域，压缩低值区域

图像同态滤波 python实现_8图像增强_第6张图片
  • 对数变换：
    压缩高值区域，拉伸低值区域

图像同态滤波 python实现_8图像增强_第7张图片
  • 反对数变换：
    拉伸高值区域，压缩低值区域

图像同态滤波 python实现_8图像增强_第8张图片

直方图调整图像增强

  • 直方图匹配：以参考图像的直方图为标准作变换，使两幅图像的直方图相同或近似

图像同态滤波 python实现_8图像增强_第9张图片

图像同态滤波 python实现_8图像增强_第10张图片
  • 直方图均衡化：对图像非线性拉伸重新分配像素值，使一定灰度范围内的像素数量大致相同

图像同态滤波 python实现_8图像增强_第11张图片

图像同态滤波 python实现_8图像增强_第12张图片

反锐化掩膜图像增强

先对原图像作平滑滤波，将原图像减去平滑滤波结果得到图像边缘信息，将加权边缘信息与原图像相加

图像同态滤波 python实现_8图像增强_第13张图片

图像同态滤波 python实现_8图像增强_第14张图片

微分运算图像增强

图像同态滤波 python实现_8图像增强_第15张图片

图像同态滤波 python实现_8图像增强_第16张图片
  • 一元函数f(t)一阶微分算子

a69a7fdca0ea379c17e574fe943c522c.png
  • 二元函数f(x，y)一阶微分算子

图像同态滤波 python实现_8图像增强_第17张图片
  • 水平方向微分算子

图像同态滤波 python实现_8图像增强_第18张图片
  • 垂直方向微分算子

图像同态滤波 python实现_8图像增强_第19张图片
  • 对角线方向微分算子

图像同态滤波 python实现_8图像增强_第20张图片

图像同态滤波 python实现_8图像增强_第21张图片
  • Roberts交叉微分算子

图像同态滤波 python实现_8图像增强_第22张图片

图像同态滤波 python实现_8图像增强_第23张图片
  • Sobel微分算子

图像同态滤波 python实现_8图像增强_第24张图片

图像同态滤波 python实现_8图像增强_第25张图片
  • Prewitt微分算子

图像同态滤波 python实现_8图像增强_第26张图片

图像同态滤波 python实现_8图像增强_第27张图片
  • 二阶微分算子：Laplacian算子

图像同态滤波 python实现_8图像增强_第28张图片

图像同态滤波 python实现_8图像增强_第29张图片
  • Wallis微分算子：结合Laplacian算子和对数运算构造出来的一个锐化算子

图像同态滤波 python实现_8图像增强_第30张图片

灰度形态学梯度运算图像增强

图像同态滤波 python实现_8图像增强_第31张图片

图像同态滤波 python实现_8图像增强_第32张图片

图像同态滤波 python实现_8图像增强_第33张图片

变换域图像增强

  1. 傅里叶变换图像增强
  2. 小波变换图像增强
  3. 颜色空间变换图像增强
  4. 主成分变换图像增强

傅里叶变换图像增强

对原图像进行FFT正变换，在频率域对高频部分进行增强再反变换到空间域，或者仅提取高频部分信息反变换后叠加到原图像

图像同态滤波 python实现_8图像增强_第34张图片

高频增强：在频率域中对高频成分进行增强处理

图像同态滤波 python实现_8图像增强_第35张图片

高通滤波：频率域提取高频信息，叠加到原图像以实现增强

  • 理想高通滤波器（IdealHigh-passFilter，IHPF）

图像同态滤波 python实现_8图像增强_第36张图片

图像同态滤波 python实现_8图像增强_第37张图片
  • 巴特沃斯高通滤波器（ButterworthHigh-passFilter，BHPF）

图像同态滤波 python实现_8图像增强_第38张图片

图像同态滤波 python实现_8图像增强_第39张图片
  • 高斯高通滤波器（GaussianHigh-passFilter，GHPF）

图像同态滤波 python实现_8图像增强_第40张图片

图像同态滤波 python实现_8图像增强_第41张图片
  • 同态滤波：图像由光源的照度分量(低频)i(x,y)和目标场的反射分量(高频)l(x,y)的乘积组成，同态滤波就是衰减低频增强高频

d7cdec3176e688d2a863cf18c02ff893.png

图像同态滤波 python实现_8图像增强_第42张图片

图像同态滤波 python实现_8图像增强_第43张图片

小波变换图像增强

将图像在多级尺度上分解为低频分量、水平次高频分量、垂直次高频分量和对角高频分量，图像概貌在低频部分，细节在高频部分，对高频分量进行增强再进行小波逆变换达到图像锐化的效果

图像同态滤波 python实现_8图像增强_第44张图片

颜色空间变换图像增强

图像从RGB颜色空间变换到HSV颜色空间进行处理，然后再反变换到RGB颜色空间

图像同态滤波 python实现_8图像增强_第45张图片

主成分变换图像增强

对主成分变换后的某一分量进行对比度拉伸处理，然后再进行主成分逆变换

图像同态滤波 python实现_8图像增强_第46张图片

伪彩色处理

伪彩色处理：赋给灰度图各像元的灰度值颜色使之成为彩色图像，提高人眼对特征的识别能力

  • 伪彩色处理：对灰度图像的每一个灰度值都赋予一种独立的颜色
  • 密度分割：将图像灰度值分层，每一层包含了一定的灰度值范围，每层赋予不同颜色

图像同态滤波 python实现_8图像增强_第47张图片

图像融合

把时间或空间中多源数据按照一定法则进行运算，获得数据更精确、信息更为丰富的合成图像

高空间分辨率的灰度图像与的多光谱图像融合，得到高空间分辨率的彩色影像

  1. 图像空间信息匹配：空间位置、图像行列数一致
  2. 图像光谱信息匹配：同名像元点的灰度值具有较好的相关性
  • 空间域代数运算融合：Brovey转换法

eddd9fa1da4636263d782513e430d378.png
  • PBIM(Pixel Block Intensity Modulation)融合算法

57b7ded749a72befcd14446ae5aaf533.png
  • SFIM(Smoothing Filter-based Intensity Modulation)融合算法

a2a16a2f028da9cec086156b0af4d0af.png

图像同态滤波 python实现_8图像增强_第48张图片
  • 变换域替代法：HSI变换融合法

低空间分辨率图像从RGB颜色空间变换为HSI颜色空间，将高空间分辨率灰度影像替代亮度分量I，再从HSI颜色空间转换到RGB颜色空间，生成新的彩色合成图像

图像同态滤波 python实现_8图像增强_第49张图片
  • 变换域替代法：主成分变换融合

利用高分辨率影像替换低分辨率影像的第一主成分信息，然后在进行逆变换的得到融合图像

图像同态滤波 python实现_8图像增强_第50张图片
  • 变换域替代法：小波变换融合

用高空间分辨率影像的高频分量分别替换多光谱影像的高频分量，然后进行小波反变换

图像同态滤波 python实现_8图像增强_第51张图片

主成分变换图像增强

颜色空间变换图像增强

同态滤波图像增强

主成分变换图像融合

你可能感兴趣的:(图像同态滤波,python实现)

  • python实现--平衡二叉树和红黑树 liulanba 数据结构python开发语言
    平衡二叉树（AVL树）1.定义AVL树是一种自平衡二叉搜索树，其每个节点的左右子树高度差（平衡因子）绝对值不超过1。当插入或删除操作导致失衡时，通过旋转操作恢复平衡。2.核心操作与旋转类型当平衡因子绝对值超过1时，需通过以下旋转调整：失衡情况旋转操作应用场景右子树过高左旋插入到右子树的右子树（RR）左子树过高右旋插入到左子树的左子树（LL）左子树的右子树过高左右旋插入到左子树的右子树（LR）右子树
  • 【YOLO模型】（1）--YOLO是什么 方世恩 YOLOYOLO人工智能目标检测
    一、什么是YOLOYOLO（YouOnlyLookOnce）是一种基于深度学习的目标检测算法，由JosephRedmon等人于2016年提出。1.核心思想它的核心思想是将目标检测问题转化为一个回归问题，通过一个神经网络直接预测目标的类别和位置。2.原理YOLO算法将输入图像分成SxS个网格，每个网格负责预测该网格内是否存在目标以及目标的类别和位置信息。此外，YOLO算法还采用了多尺度特征融合的技术
  • ocr智能票据识别系统|自动化票据识别集成方案 OCR_API 接口ocr自动化运维
    在企业日常运营中，对大量票据实现数字化管理是一项耗时且容易出错的任务。随着技术的进步，OCR（光学字符识别）智能票据识别系统的出现为企业提供了一个高效、准确的解决方案，不仅简化了财务流程，还大幅提升了工作效率。一、什么是OCR智能票据识别系统？OCR智能票据识别系统是一种基于先进图像处理和深度学习算法的技术，能够自动从各类票据中提取关键信息，并将其转换为结构化数据。翔云发票识别系统可以应用于增值税
  • 深度学习与图像识别：机器学习基础之回归 Shenrn_ 机器学习回归深度学习
    1.线性回归1.1一元线性回归1.2多元线性回归2.逻辑回归与线性回归的不同在于其将最终预测值y固定在一个范围之中2.1Sigmoid函数sigmoid函数表达式：p为预测出来的概率，范围在0-1之间，一般用于处理二分类问题，因为这个式子的一个显著特征在于：当z=0,p=0.5当z>0,p>0.5当z<0,p<0.5所以当对z进行多元线性回归表示的时候，以p的值来反映y_pre是一个不错的选择，此
  • 深度学习下的图像分割 人工智能大讲堂 深度学习人工智能
    在之前写的文章[图像分割演进之路]中，讲述了图像分割的发展历程，从传统图像分割算法到人工智能，分割算法百花齐放，但最终的佼佼者当属人工智能，但即使是人工智能领域，图像分割也五花八门，今天就让我们看几种基于学习的图像分割方法。基于学习的图像分割算法主要依赖于深度神经网络，经典的深度神经网络分为如下几种：2.1卷积神经网络CNN：卷积神经网络是图像处理领域应用最为广泛的网络，其权值共享，局部连接等特性
  • 使用OpenCV在Visual Studio上编译x86或x64平台的应用程序 程序世界航海 opencvvisualstudio人工智能编程
    OpenCV是一个广泛使用的计算机视觉库，它提供了丰富的图像处理和计算机视觉算法。如果你想在VisualStudio上编译一个使用OpenCV的应用程序，并且需要针对特定的x86或x64平台进行优化，那么本文将为你提供一些指导。以下是在VisualStudio中编译x86或x64平台上的OpenCV应用程序的步骤：步骤1：安装VisualStudio和OpenCV首先，确保你已经安装了最新版本的V
  • 【2023】LeetCode HOT 100——哈希 「已注销」 leetcode算法数据结构
    目录1.两数之和1.1C++实现1.2Python实现1.3时空分析2.字母异位词分组2.1C++实现2.2Python实现2.3时空分析3.最长连续序列3.1C++实现3.2Python实现3.3时空分析1.两数之和原题链接：1.两数之和不妨设i<ji<ji<
  • vtkCamera类的Dolly函数作用及相机拉近拉远 荆楚闲人 VTKvtkCameraDollySetFocalPoint
    录1.预备知识1.1.相机焦点2.vtkCamera类的Dolly函数作用3.附加说明1.预备知识要理解vtkCamera类的Dolly函数作用，就必须先了解vtkCamera类表示的相机的各种属性。  VTK是用vtkCamera类来表示三维渲染场景中的相机。vtkCamera负责把三维场景投影到二维平面，如屏幕、图像等。在VTK中，相机的实质是一个观测点，与人眼的功能相同，相机的视野范围是一个
  • Python实现前缀和 Syhaswm python前缀和python开发语言
    文章目录系列文章目录前言一、前缀和是什么？二、一维前缀和与二维前缀和三、前缀和应用场景四、实现前缀和的方法1.运用函数实现前缀和（包括求区间和）2.引入accumulate第三方库3.for循环总结前言在算法和数据结构的领域中，前缀和是一种极为实用且基础的算法思想。它能显著提升我们处理数组或矩阵相关问题的效率，将原本可能需要多次重复计算的过程优化为常数时间的操作。无论是在竞赛编程中，还是在实际的软
  • 奥比中光3D机器视觉相机能连接halcon吗？ 视觉人机器视觉 机器视觉3D3d数码相机视觉检测c#
    奥比中光的设备与Halcon的兼容性可以通过以下方式实现：数据接口的通用性奥比中光的相机（如AstroPro、大白等）支持通过UVC协议获取彩色图像，深度数据则通过OpenNI或ROS2接口传输105。若Halcon支持这些协议或标准接口（如ROS消息、OpenCV图像流），则可通过直接调用或二次开发实现连接。例如，通过Python或C#脚本将图像数据从相机传输至Halcon的处理流程中。SDK与
  • 智能图像处理平台：技术融合与实践的结晶 顾北辰20 智能图像处理平台图像处理人工智能
    目录项目目标项目功能用户模块图像处理模块异步任务模块技术栈数据库设计核心功能实现方式图片上传图片处理异步任务项目扩展近日DeepSeek很火，我让他给我出了个小项目练练手，带大家一起做一下，可做为毕业设计参考。在当今数字化时代，图像处理技术广泛应用于各个领域，从医学影像到社交媒体，其重要性不言而喻。本文将介绍一个智能图像处理平台的练手项目，旨在巩固Java、MySQL、SpringBoot、Red
  • Jetson Agx Orin平台JP6.0-r36.3版本修复了vi模式下的原始图像损坏（线条伪影） free-xx NvidiaJetson平台相机开发驱动开发jetsonorincamera
    1.问题描述这是JP-6.0GA/l4t-r36.3.0的一个已知问题通过vi模式捕获的图像会导致异常线条参考下面的快照来演示这些线伪影这个问题只能通过VI模式进行修复，不应该通过LibArgus看到。此外，这是由于内存问题。由于upstream已经将属性名称更改为“dma-noncoherent”。如果设备是一致的，内核将跳过CPU/设备同步。2.修复方法这里有两个修复方法来解决这个问题。(1)
  • Jetson AGX Orin平台Jetpack6.x版本相机驱动移植问题记录 free-xx NvidiaJetson平台相机开发驱动开发jetsonorinnvidia
    1.问题描述正在将相机驱动程序从R35.4迁移到R36.3；驱动程序在R35.4上工作正常，但在R36.3上不工作GStreamerwithnvarguscamerasrc采集异常但是v4l2-ctl采集正常2.常规问题排查2.1查询图像格式$v4l2-ctl-d/dev/video0--list-formats-extioctl:VIDIOC_ENUM_FMTType:VideoCapture[
  • QT5在windows下调用OpenCV库出现: undefined reference to `xxxxx' 错误解决办法（适用MinGW编译器）。 DS小龙哥 QT(C++)应用软件开发AI人工智能opencv
    一、环境介绍window系统：win10X64QT版本:5.12QT5.12自带的MinGW编译器版本：mingw730_32与mingw730_64在QT的安装目录下，可以查看MinGW编译器的版本:二、使用OpenCV出现的问题在QT框架代码里使用老版本的分类器(cvLoad、cvHaarDetectObjects)处理图像时，正常编译没有问题，当使用新版本级联分类器(CascadeClass
  • 多线程并发模拟实现与分析：基于Scapy的TCP SYN洪水攻击实验研究 键盘侠伍十七 tcp/ip网络协议网络网络安全pythonsynflood
    简介实现基于Python实现的多线程TCPSYN洪水攻击。该实例利用Scapy库构造并发送TCPSYN数据包，通过多线程技术模拟并发的网络攻击行为。实现原理SYNFlood攻击是一种经典的分布式拒绝服务（DDoS）攻击方式，利用了TCP协议握手过程中的弱点。TCP三次握手过程在正常情况下，TCP建立连接需要经过以下三个步骤的交互：客户端发送SYN：客户端向服务器发送一个同步（SYN）段，其中包含客
  • AIGC从入门到实战：揭秘 Midjourney 的提示词写作技巧 AI架构设计之禅 DeepSeekR1&大数据AI人工智能Python入门实战计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    AIGC从入门到实战：揭秘Midjourney的提示词写作技巧作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着人工智能技术的飞速发展，人工智能生成内容（AIGC）逐渐成为可能。AIGC指的是利用人工智能技术自动生成文本、图像、音乐等内容。在AIGC领域，Midjourney是一个备受关注的技术，它能够根据用户输入的提示
  • 如何让ChatGPT生成Midjourney提示词 AI观星台 人工智能stablediffusionmidjourney
    关注文章下方公众号，即可免费获取AIGC最新学习资料导读：最近AI绘画非常的火，今天我们看ChatGPT如何生成Midjourney提示词，让AI教AI做事。本文字数：900，阅读时长大约：3分钟正如Midjourney的官方网站报道的那样，提供工作提示（Prompt）是一项碰运气的业务。从单个表情符号或单词都可以生成图像，但自然地结果可能并不完全符合用户的预期。一般来说，提示越长、越详细，结果就
  • 无人机+光电吊舱：2K 30倍混合变焦光电吊舱技术详解 无人机技术圈 无人机技术无人机
    随着无人机技术的不断发展，光电吊舱作为无人机的重要组成部分，也在不断地进行技术升级和改进。其中，2K30倍混合变焦光电吊舱技术是一种先进的技术，具有高度的应用价值和市场前景。一、光电吊舱的基本概念光电吊舱是一种安装在无人机下方的光电传感器设备，用于获取目标区域的图像和视频信息。它通常由多个传感器组成，包括可见光摄像机、红外热像仪、激光测距仪等，以实现对目标区域的全方位、多角度观测。二、2K30倍混
  • 【最全基础知识1】机器视觉系统硬件组成之工业相机篇 51camera 工业相机工业相机机器视觉机器视觉硬件工业照相机1024程序员节
    工业相机是一种非常重要的机器视觉器件，它能够将被采集的图像信息通过电路转换成电信号，再通过模数转换器（ADC）将其转化为数字信号，最后以标准的视频信号输出。工业相机在机器视觉领域得到了广泛应用，包括质量控制、工业检测、医疗诊断、安全监控以及交通管理等诸多领域。目录机器视觉是通过光学装置和非接触传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。简单来说，机器视觉是用
  • 双光吊舱应用行业！！ 云卓SKYDROID 无人机云卓科技知识高科技双光吊舱
    1.军事领域侦察与监视：双光吊舱能够全天候、全气候地提供高清图像数据，支持军事侦察和监视任务。通过可见光相机和红外热成像仪的结合，吊舱可以在白天和夜晚、晴天和恶劣天气条件下，为无人机等空中平台提供清晰的战场图像，帮助指挥人员做出准确的决策。目标识别与跟踪：吊舱内置的目标识别算法能够实现对远距离目标的追踪、摄像和监控，特别是在夜间或恶劣天气条件下，红外热成像技术能够发挥重要作用。远程打击：无人机搭载
  • 基于Java的自助多张图片合成拼接实战 夜郎king javaJava多图片合成Java图片合成实战
    目录前言一、图片合成需求描述二、图片合成设计与实现1、编程语言2、基础数据准备3、图片合成流程4、图片合成实现三、总结前言在当今数字化时代，图像处理技术在各个领域都发挥着至关重要的作用。从社交媒体到电子商务，从在线教育到虚拟现实，图像的展示和处理方式直接影响着用户体验和信息传递的效率。而图片合成拼接技术作为图像处理中的一个重要分支，其应用范围广泛，需求也日益增长。在实际开发中，图片合成拼接的需求多
  • 使用opencv实现深度学习的图片与视频的超分辨率 人工智能研究所 人工智能之计算机视觉opencv深度学习视频超分辨率图片超分辨率
    图片超分辨率什么是视频与图片的超分辨率，总结一下便是给一张分辨率比较低的图片，进行超分辨率的处理后，生成比较清晰的高分辨率的图片，上图图片完美解释了超分辨率的过程，由于不同的算法不同，处理的结果也不相同，本期我们介绍一下如何进行图片的超分辨率的处理。·EDSR模型图像超分辨率EDSR：EnhancedDeepResidualNetworksforSingleImageSuper-Resolutio
  • 如何在Java中设计大规模稀疏数据处理架构 省赚客app开发者 java架构开发语言
    如何在Java中设计大规模稀疏数据处理架构大家好，我是微赚淘客系统3.0的小编，是个冬天不穿秋裤，天冷也要风度的程序猿！在大数据时代，稀疏数据在各个领域变得越来越常见，例如推荐系统、自然语言处理、图像处理等。稀疏数据通常包含大量零值或空值，直接使用传统的数据处理架构可能导致效率低下，内存和计算资源浪费。因此，设计一个高效的稀疏数据处理架构成为Java开发者面临的关键挑战。本文将探讨如何在Java中
  • Open3D(C++) 可视化绘制平面模型 后端架构魔术师 c++平面开发语言编程
    Open3D(C++)可视化绘制平面模型Open3D是一个现代化的3D图像处理引擎，它包含很多常用的3D操作，如点云分割、重构、配准等。其中，在可视化方面Open3D也提供了一系列方便易用的函数和接口。在本篇文章中，我们将介绍如何使用Open3D绘制一个简单的平面模型并进行可视化展示。下面是完整的源代码：#include#includeintmain(){//创建平面顶点std::vectorve
  • 计算机视觉如何快速入门? Frunze软件开发 日常问题回答开发语言计算机视觉工业异常检测论文
    目录1.明确研究方向2.学习基础知识3.掌握核心算法4.实践项目5.阅读文献6.复现经典论文7.改进与创新总结计算机视觉（ComputerVision）是一个复杂且广泛的领域，尤其是工业异常检测这种特定方向，需要结合理论知识和实践技能。以下是一些具体的、可操作的建议，也是个人实际路径的一个总结，希望可以帮助到你快速入门并完成一篇论文。1.明确研究方向-工业异常检测的核心是识别图像或视频中的异常区域
  • 【开源向量数据库】Milvus简介 IT古董 开源数据库milvus
    Milvus是一个开源、高性能、可扩展的向量数据库，专门用于存储和检索高维向量数据。它支持近似最近邻搜索（ANN），适用于图像检索、自然语言处理（NLP）、推荐系统、异常检测等AI应用场景。官网：https://milvus.io/1.Milvus的特点（1）高性能支持数十亿级向量数据，查询速度快。使用近似最近邻（ANN）索引算法，如HNSW、IVF-FLAT、IVF-PQ、SCANN等。（2）分
  • 机器视觉--图像的运算（加法） C#Thread 机器视觉计算机视觉图像处理人工智能
    一、引言在机器视觉领域，Halcon是一款功能强大且广泛应用的机器视觉软件库。图像的加法运算是其中一种基础且重要的操作，它在很多实际应用场景中都发挥着关键作用，比如图像增强、图像融合等。本文将深入探讨Halcon中图像加法运算的原理、实现方法，并通过具体的演示程序来帮助读者更好地理解和掌握这一操作。二、Halcon图像加法运算原理在Halcon中，图像的加法运算本质上是对两幅图像对应像素点的灰度值
  • python 登录接口_python-oauth2：Python的OAuth登录接口 weixin_39812065 python登录接口
    新浪微博Python客户端接口OAuth2!/usr/bin/envpython--coding:utf-8--version=‘1.04’author=‘LiaoXuefeng([email protected])’”’PythonclientSDKforsinaweiboAPIusingOAuth2.”’try:importjsonexceptImportErr使用Python实现OAu
  • AIMv2：多模态自回归预训练的视觉新突破 人工智能
    AIMv2：多模态自回归预训练的视觉新突破阅读时长：19分钟发布时间：2025-02-17近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】导言视觉模型在人工智能领域的地位愈发重要，从图像识别、目标检测到多模态理解，其应用场景不断拓展。在大规模数据集上进行预训练，能助力模型学习丰富的视觉特
  • Python-OAuth2：一款Python实现的OAuth 2.0认证框架 束辉煊Darian
    Python-OAuth2：一款Python实现的OAuth2.0认证框架python-oauth2[UNMAINTAINED]OAuth2.0providerwritteninpython项目地址:https://gitcode.com/gh_mirrors/pyth/python-oauth21.项目基础介绍Python-OAuth2是一个开源项目，旨在为开发者提供一个简单易用的OAuth2.
  • Spring中@Value注解，需要注意的地方 无量 springbean@Valuexml
    Spring 3以后,支持@Value注解的方式获取properties文件中的配置值，简化了读取配置文件的复杂操作 1、在applicationContext.xml文件(或引用文件中)中配置properties文件 <bean id="appProperty" class="org.springframework.beans.fac
  • mongoDB 分片 开窍的石头 mongodb
        mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上，configsvr上边放的是metar信息，指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard（片）信息。     第一步启动两台以上的mongo服务 &nb
  • OVER(PARTITION BY)函数用法 0624chenhong oracle
    这篇写得很好，引自 http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html OVER(PARTITION BY)函数用法 2010年10月26日 OVER(PARTITION BY)函数介绍 开窗函数        &nb
  • Android开发中，ADB server didn't ACK 解决方法 一炮送你回车库 Android开发
    首先通知：凡是安装360、豌豆荚、腾讯管家的全部卸载，然后再尝试。   一直没搞明白这个问题咋出现的，但今天看到一个方法，搞定了！原来是豌豆荚占用了 5037 端口导致。 参见原文章：一个豌豆荚引发的血案——关于ADB server didn't ACK的问题 简单来讲，首先将Windows任务进程中的豌豆荚干掉，如果还是不行，再继续按下列步骤排查。 &nb
  • canvas中的像素绘制问题 换个号韩国红果果 JavaScriptcanvas
    pixl的绘制，1.如果绘制点正处于相邻像素交叉线，绘制x像素的线宽，则从交叉线分别向前向后绘制x/2个像素，如果x/2是整数，则刚好填满x个像素，如果是小数，则先把整数格填满，再去绘制剩下的小数部分，绘制时，是将小数部分的颜色用来除以一个像素的宽度，颜色会变淡。所以要用整数坐标来画的话（即绘制点正处于相邻像素交叉线时），线宽必须是2的整数倍。否则会出现不饱满的像素。 2.如果绘制点为一个像素的
  • 编码乱码问题 灵静志远 javajvmjsp编码
    1、JVM中单个字符占用的字节长度跟编码方式有关，而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式；2、对于单个字符：ISO-8859-1单字节编码，GBK双字节编码，UTF-8三字节编码；因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节，而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。 3、getBytes()、getByte
  • java 求几个月后的日期 darkranger calendargetinstance
    Date plandate = planDate.toDate(); SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd"); Calendar cal = Calendar.getInstance(); cal.setTime(plandate); // 取得三个月后时间 cal.add(Calendar.M
  • 数据库设计的三大范式（通俗易懂） aijuans 数据库复习
    关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式，才能设计出高效率、优雅的数据库，否则可能会设计出错误的数据库. 目前，主要有六种范式：第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式，简称1NF。在第一范式基础上进一步满足一些要求的为第二范式，简称2NF。其余依此类推。
  • 想学工作流怎么入手 atongyeye jbpm
    工作流在工作中变得越来越重要，很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点，那了解一点，既不系统，也容易半途而废。好比学武功，最好的办法是有一本武功秘籍。研究明白，则犹如打通任督二脉。 系统学习工作流，很重要的一本书《JBPM工作流开发指南》。 本人苦苦学习两个月，基本上可以解决大部分流程问题。整理一下学习思路，有兴趣的朋友可以参考下。 1  首先要
  • Context和SQLiteOpenHelper创建数据库 百合不是茶 androidContext创建数据库
           一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper     一:SQLiteOpenHelper创建数据库:   1,SQLi
  • 浅谈group by和distinct bijian1013 oracle数据库group bydistinct
            group by和distinct只了去重意义一样，但是group by应用范围更广泛些，如分组汇总或者从聚合函数里筛选数据等。         譬如：统计每id数并且只显示数大于3 select id ,count(id) from ta
  • vi opertion 征客丶 macoprationvi
    进入 command mode （命令行模式） 按 esc 键 再按 shift + 冒号 注：以下命令中 带 $ 【在命令行模式下进行】，不带 $ 【在非命令行模式下进行】 一、文件操作 1.1、强制退出不保存 $ q! 1.2、保存 $ w 1.3、保存并退出 $ wq 1.4、刷新或重新加载已打开的文件 $ e 二、光标移动 2.1、跳到指定行 数字
  • 【Spark十四】深入Spark RDD第三部分RDD基本API bit1129 spark
      对于K/V类型的RDD,如下操作是什么含义？   val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5)) rdd.reduceByKey(_+_).collect  reduceByKey在这里的操作，是把
  • java类加载机制 BlueSkator java虚拟机
    java类加载机制 1.java类加载器的树状结构 引导类加载器 ^ | 扩展类加载器 ^ | 系统类加载器 java使用代理模式来完成类加载，java的类加载器也有类似于继承的关系，引导类是最顶层的加载器，它是所有类的根加载器，它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时，通常会代理给父类加载器，若已经是根加载器了，就自己完成加载。 虚拟机区分一个Cla
  • 动态添加文本框 BreakingBad 文本框
      <script>     var num=1; function AddInput() {      var str="";     str+="<input 
  • 读《研磨设计模式》-代码笔记-单例模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ public class Singleton { } /* * 懒汉模式。注意，getInstance如果在多线程环境中调用，需要加上synchronized，否则存在线程不安全问题 */ class LazySingleton
  • iOS应用打包发布常见问题 chenhbc iosiOS发布iOS上传iOS打包
    这个月公司安排我一个人做iOS客户端开发，由于急着用，我先发布一个版本，由于第一次发布iOS应用，期间出了不少问题，记录于此。   1、使用Application Loader 发布时报错：Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
  • 工作流复杂拓扑结构处理新思路 comsci 设计模式工作算法企业应用OO
    我们走的设计路线和国外的产品不太一样，不一样在哪里呢？  国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多，仅仅是在有限的了解程度上面提出这样的看法)，从而避免在流程引擎中处理这些复杂的图的问题，而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性，这样一来，在引擎和流程流转控制这一个层面就会遇到很
  • oracle 11g新特性Flashback data archive daizj oracle
    1. 什么是flashback data archive Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象，用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象，概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
  • 多叉树:2-3-4树 dieslrae 树
        平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:     1、有一个数据项的节点总是有2个子节点(称为2-节点)     2、有两个数据项的节点总是有3个子节点(称为3-节
  • C语言学习七动态分配 malloc的使用 dcj3sjt126com clanguagemalloc
    /* 2013年3月15日15:16:24 malloc 就memory(内存) allocate(分配)的缩写 本程序没有实际含义，只是理解使用 */ # include <stdio.h> # include <malloc.h> int main(void) { int i = 5; //分配了4个字节 静态分配 int * p
  • Objective-C编码规范[译] dcj3sjt126com 代码规范
      原文链接 : The official raywenderlich.com Objective-C style guide 原文作者 : raywenderlich.com Team 译文出自 : raywenderlich.com Objective-C编码规范 译者 : Sam Lau
  • 0.性能优化-目录 frank1234 性能优化
    从今天开始笔者陆续发表一些性能测试相关的文章，主要是对自己前段时间学习的总结，由于水平有限，性能测试领域很深，本人理解的也比较浅，欢迎各位大咖批评指正。 主要内容包括： 一、性能测试指标 吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间 http://frank1234.iteye.com/blog/2180305 二、性能测试策略 生产环境相同 基准测试 预热等 htt
  • Java父类取得子类传递的泛型参数Class类型 happyqing java泛型父类子类Class
      import java.lang.reflect.ParameterizedType; import java.lang.reflect.Type; import org.junit.Test; abstract class BaseDao<T> { public void getType() { //Class<E> clazz =
  • 跟我学SpringMVC目录汇总贴、PDF下载、源码下载 jinnianshilongnian springMVC
      ----广告-------------------------------------------------------------- 网站核心商详页开发 掌握Java技术，掌握并发/异步工具使用，熟悉spring、ibatis框架； 掌握数据库技术，表设计和索引优化，分库分表/读写分离； 了解缓存技术，熟练使用如Redis/Memcached等主流技术； 了解Ngin
  • the HTTP rewrite module requires the PCRE library 流浪鱼 rewrite
    ./configure: error: the HTTP rewrite module requires the PCRE library. 模块依赖性Nginx需要依赖下面3个包 1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ ) 2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ ) 3. s
  • 第12章 Ajax（中） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • Optimize query with Query Stripping in Web Intelligence blueoxygen BO
    http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence and a very straightfoward video http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
  • Java开发者写SQL时常犯的10个错误 tomcat_oracle javasql
    1、不用PreparedStatements 　　有意思的是，在JDBC出现了许多年后的今天，这个错误依然出现在博客、论坛和邮件列表中，即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个： 　　他们对PreparedStatements不了解 　　他们认为使用PreparedStatements太慢了 　　他们认为写Prepar
  • 世纪互联与结盟有感 阿尔萨斯
    10月10日，世纪互联与（Foxcon）签约成立合资公司，有感。 全球电子制造业巨头（全球500强企业）与世纪互联共同看好IDC、云计算等业务在中国的增长空间，双方迅速果断出手，在资本层面上达成合作，此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任，另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。 众所周知，精于电子产品制造（世界第一），对于世纪互联而言，能够与结盟
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他