matlab

参考文献： https://www.cnblogs.com/Yiutto/p/5827775.html 在科学计算的过程中，往往需要保存一些数据，也经常需要把保存的这些数据加载到程序中，在 Matlab 中我们可以用 save 和 lood 函数很方便的实现。类似的在 Python 中，我们可以用 numpy.save() 和 numpy.load() 函数达到类似的效果，并且还可以用 scipy.io.savemat() 将数据保存为 .mat 格式，用scipy.io.loadmat() 读取 .mat 格式的数据，达到可以和 Matlab 或者Octave 进行数据互动的效果. 下面分别介绍之： numpy.save() 和 numpy.load() numpy.save(arg_1,arg_2) 需要两个参数，arg_1 是文件名，arg_2 是要保存的数组. 如： import numpy as np a=np.mat('1,2,3;4,5,6') b=np.array([[1,2,3],[4,5,6]]) np.save('a.npy',a) np.save('b.npy',b) 这个时候 Python 的当前工作路径下就会多出 a.npy 和 b.npy 两个文件，当然我们也可以给出具体的路径，如 np.save('D:/PythonWork/a.npy',a)

基于 FPGA 的灰度图像均值滤波算法的实现 作者： lee 神 1. 背景知识 均值滤波是典型的 线性 滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围 8 个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。 均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（ x ， y ），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（ x ， y ），作为处理后图像在该点上的灰度 g （ x ， y ），即 g （ x ， y ） =1/m ∑ f （ x ， y ） m 为该模板中包含当前像素在内的像素总个数。 均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在 图像去噪 的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。 2. FPGA 的均值滤波算法实现步骤 (x-1,y-1) (x,y-1) (x+1,y-1) (x-1,y) (x,y) (x+1,y) (x-1,y+1) (x,y+1) (x+1,y+1) f(x,y) 表示（ x,y ）点的像素值。 g(x,y) 表示（ x,y ）点经过均值处理后的值。 g(x,y)=1/8*

基于 FPGA 灰度图像的形态学膨胀算法的实现 1 背景知识 腐蚀与膨胀是形态学滤波的两个基本运算，通过腐蚀和膨胀两种运算可以实现多种功能，主要如下： （1） 消除噪声； （2） 分割出独立的图像元素； （3） 在图像中连接相邻的元素； （4） 寻找图像中明显的极大值和极小值区域； （5） 求出图像的梯度。 图 1 腐蚀膨胀示意图 图 1 a 为大小为 448X425 像素的灰度级 X 射线图像； b 使用半径为 2 个像素的圆盘形结构元对图像的腐蚀结果； c 用相同的结构元对图像的膨胀结果。原图有 Lixi 公司提供。 1） 形态学滤波之膨胀 膨胀 (dialate) 就是求局部最大值的操作。 从数学角度来看就是将图像 f 和核（结构元） b 进行卷积的一个过程。 当 b 的原点位于（ x,y ）处时，用一个平坦的结构元 b 在（ x,y ）处对图像 f 的膨胀，定义为图像 f 中与 b 重合区域的最大值，即： 为了方便起见，将膨胀操作记为： (x,y) 表示当前输入图像的行列坐标； f(x,y) 表示坐标点（ x,y ）处的图像像素值； g(x,y) 表示坐标点（ x,y ）处的滤波结果； （ s,t ）表示作用域。 2 matlab 仿真灰度图像的腐蚀与膨胀 Matlab 膨胀源码： %%image dilate clc clear all img_a = imread(

　　Gray灰度图像：即我们常说的黑白图像，由黑到白的灰阶为 0- 255（8bit）。 　　本博客整理一下 RGB 分量实现 Gray 灰度效果的实验，这个实验非常的简单，简单到看到代码就感觉非常无语...... 一、RGB分量转Gray灰度的原理 　　RGB格式即一个像素由R、G、B三基色构成，例如 RGB565 格式的像素排列为R[4:0]、G[5:0]、B[4:0]，RGB三个分量的数值不同，最后合成的像素颜色则不同。 　　RGB分量转Gray灰度即只挑取 R 或 G 或 B 的 1 个分量，剩下的 2 个分量丢弃，其位置由挑取的分量来替代。 二、MATLAB 　　此次实验选择了一张 RGB 分量明显的图片，先从 MATLAB 软件中查看效果如何。代码如下所示： clc; clear all; RGB = imread( ' flower.bmp ' ); % 读取图像 R_gray = RGB(:,:, 1 ); % 提取R分量后的灰度图 G_gray = RGB(:,:, 2 ); % 提取G分量后的灰度图 B_gray = RGB(:,:, 3 ); % 提取B分量后的灰度图 subplot( 2 , 2 , 1 );imshow(RGB); title( ' 原图 ' ); subplot( 2 , 2 , 2 );imshow(R_gray);title( '

一、主流语言的介绍 二、什么是编程？为什么要编程？ 编程是一个动词，编程==写代码 写代码为了什么？ 为了让计算机帮我们做事情 三、编程语言的进化 高级语言的分类： 四、Python发展史 　 1989年，Guido开始写Python语言的编译器。 　　1991年，第一个Python编译器诞生。它是用C语言实现的，并能够调用C语言的库文件。从一出生，Python已经具有了：类，函数，异常处理，包含表和词典在内的核心数据类型，以及模块为基础的拓展系统。 　　Granddaddy of Python web frameworks, Zope 1 was released in 1999 　　Python 1.0 - January 1994 增加了 lambda, map, filter and reduce. 　　Python 2.0 - October 16, 2000，加入了内存回收机制，构成了现在Python语言框架的基础 　　Python 2.4 - November 30, 2004, 同年目前最流行的WEB框架Django 诞生 　　Python 2.5 - September 19, 2006 　　Python 2.6 - October 1, 2008 　　Python 2.7 - July 3, 2010 　　In November 2014, it was