将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。
彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。
而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。
灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
图像的灰度化处理可用两种方法来实现。
第一种方法使求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量。
彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。
而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。
灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
图像的灰度化处理可用两种方法来实现。
第一种方法使求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量。
2023/11/22 3:24:56
20KB
1
用均值漂移算法实现目标跟踪，均值漂移算法是一种基于核函数估计的无参数算法，它无需估计整个区间的概率密度也无需知道区间内样本的分布情况，由于其具有较低的计算量，且计算速度快，抗干扰能力强在解决计算机视觉领域尤其是目标跟踪方面表现出了良好的鲁棒性和实时性。
2023/11/15 6:17:54
8.86MB
1
Graph-Cut算法是图像及视频中经典且有效的前景和背景分离算法,针对其计算量较大导致实时性不佳、前景和背景颜色相似时分割结果易出现shrinkingbias现象的问题,提出一种改进算法.该算法利用Mean-Shift技术对图像进行预处理,将原图像表示成基于区域的、而不是基于像素的图结构,预处理结果还可应用于后续的前景和背景颜色分布估计过程,使得计算量大大下降;在能量函数中引入了具有自适应权值调节功能的连通性约束项,有效地改善了shrinkingbias现象,提高了分割结果的精确性.实验结果表明,文中算法具有良好的实时交互性,且分割效果更加稳定和精确.
2023/11/8 23:52:57
1.34MB
1
并行计算三种方式计算π：概率法，积分法，级数法，代码中包括计算量和线程个数设置。
使用时进行编译后输入相应提示的数值即可，例如N=100000t=8
使用时进行编译后输入相应提示的数值即可，例如N=100000t=8
2023/8/31 20:26:17
2KB
1
MATLAB实现基于互相关的亚像素级图像匹配/配准源代码程序通过用户指定一个基准点，实现二维图像的配准。
通过使用选择的DFT算法不断减少计算量。
通过使用选择的DFT算法不断减少计算量。
2023/8/26 16:29:37
267KB
1
本文基于检测前跟踪技术研究了MIMO雷达系统中多个运动目标的早期预警问题,在推导已知目标数量时的二元广义似然比检验的基础上,提出了一种次优的基于逐目标消除和极坐标Hough变换(STC-PHT)的多目标检测前跟踪算法,并推导了该算法的虚警概率和检测概率表达式.与以往的多目标检测前跟踪算法相比,新算法具有较低的计算量,且本质上无需目标数量的先验信息,避免了目标数量未知时需执行多元假设检验的问题.仿真分析表明,新算法能有效地改善MIMO雷达在低信噪比条件下的检测性能.
2023/8/9 10:06:17
1.8MB
1
迭代学习控制（iterativelearningcontrol，简称ILC）由Uchiyama于1978年首先提出。
迭代学习控制（iterativelearningcontrol，简称ILC）由Uchiyama于1978年首先提出，不过因为论文由日文撰写，影响不是很大。
1984年，Arimoto等人用英文介绍了该方法。
它是指不断重复一个同样轨迹的控制尝试，并以此修正控制律，以得到非常好的控制效果的控制方法。
迭代学习控制是学习控制的一个重要分支，是一种新型学习控制策略。
它通过反复应用先前试验得到的信息来获得能够产生期望输出轨迹的控制输入，以改善控制质量。
与传统的控制方法不同的是，迭代学习控制能以非常简单的方式处理不确定度相当高的动态系统，且仅需较少的先验知识和计算量，同时适应性强，易于实现；
更主要的是，它不依赖于动态系统的精确数学模型，是一种以迭代产生优化输入信号，使系统输出尽可能逼近理想值的算法。
它的研究对那些有着非线性、复杂性、难以建模以及高精度轨迹控制问题有着非常重要的意义。
迭代学习控制（iterativelearningcontrol，简称ILC）由Uchiyama于1978年首先提出，不过因为论文由日文撰写，影响不是很大。
1984年，Arimoto等人用英文介绍了该方法。
它是指不断重复一个同样轨迹的控制尝试，并以此修正控制律，以得到非常好的控制效果的控制方法。
迭代学习控制是学习控制的一个重要分支，是一种新型学习控制策略。
它通过反复应用先前试验得到的信息来获得能够产生期望输出轨迹的控制输入，以改善控制质量。
与传统的控制方法不同的是，迭代学习控制能以非常简单的方式处理不确定度相当高的动态系统，且仅需较少的先验知识和计算量，同时适应性强，易于实现；
更主要的是，它不依赖于动态系统的精确数学模型，是一种以迭代产生优化输入信号，使系统输出尽可能逼近理想值的算法。
它的研究对那些有着非线性、复杂性、难以建模以及高精度轨迹控制问题有着非常重要的意义。
2023/7/29 16:34:45
1.24MB
1
基于四元数的姿态解算方法能够有效结合陀螺以及加速度计的误差特性，将运动场以及重力加速度两个互不相干的物理矢量进行互补融合。
主要利用陀螺仪测量的角速度作为四元数的更新，以重力加速度作为四元数的观测，通过8位微处理器实时解算姿态角。
基于四元数的解算方法，利用叉乘有效地把三轴陀螺以及三轴加速度计的数据进行融合，使得测量的俯仰角、横滚角逼近真角度，经过试验验证了该算法的有效性，且计算量少，在姿态控制领域有这良好的应用前景。
主要利用陀螺仪测量的角速度作为四元数的更新，以重力加速度作为四元数的观测，通过8位微处理器实时解算姿态角。
基于四元数的解算方法，利用叉乘有效地把三轴陀螺以及三轴加速度计的数据进行融合，使得测量的俯仰角、横滚角逼近真角度，经过试验验证了该算法的有效性，且计算量少，在姿态控制领域有这良好的应用前景。
2023/7/25 13:21:09
744KB
1
本仿真采用椭圆定位原理，对自由空间目标已经墙体后面的目标实现定位。
主要可用于穿墙雷达，探地雷达研究中的目标定位，此定位方法简单，计算量小。
在少目标情况下，得到定位效果十分明显。
主要可用于穿墙雷达，探地雷达研究中的目标定位，此定位方法简单，计算量小。
在少目标情况下，得到定位效果十分明显。
2023/7/24 6:20:25
1KB
1
IEEE标准节点系统简化版，在理论分析中采用IEEE标准节点系统来进行模拟时耗时就较多，若仍采用此法来计算实际运行的复杂大电网系统，其计算量将达到难以想象的程度。
而且，目前研究人员已经研发出了一系列较为成熟的开断计算法的，如补偿法或灵敏系数法，其原理均是在已知的正常潮流计算的基础上采用增加补偿功率或是节点注入功率增量来模拟支路开断。
以上方法在本质上都是模拟近似方法，在开断潮流模拟计算的过程中均保持了雅克比矩阵不变，并能确保一定的计算速度与计算准确程度，从大类上也可以被归类为定常雅克比矩阵的开断潮流计算。
而且，目前研究人员已经研发出了一系列较为成熟的开断计算法的，如补偿法或灵敏系数法，其原理均是在已知的正常潮流计算的基础上采用增加补偿功率或是节点注入功率增量来模拟支路开断。
以上方法在本质上都是模拟近似方法，在开断潮流模拟计算的过程中均保持了雅克比矩阵不变，并能确保一定的计算速度与计算准确程度，从大类上也可以被归类为定常雅克比矩阵的开断潮流计算。
2023/7/22 7:58:18
3KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB