- 博客(389)
- 收藏
- 关注
RSS订阅
原创 Python x OpenCV+Numpy 函数参考列表
（1）图像的读取操作cv2.imread(文件名，标记)功能：给定文件名和读入方式，读入一幅图像返回值：numpy数组，类型为ndarray的2维或3维数组文件名：图像全名，包括后缀名标记：cv2.IMREAD_COLOR或1：读入一幅彩色图像。透明度会被忽略，是默认值cv2.IMREAD_GRAYSCALE或0：以灰度模式读入图像cv2.IMREAD_UNCHANGED或-1：读入一幅图像，并且包括图像的alpha通道（2）图像的显示cv2.imshow(窗口标题，图像数组)功能：在
2021-12-16 18:30:53
3260
原创 TensorFlow实践四步法
###### 第一步 准备数据# 在Jupyter中，使用matplotlib显示图像需要设置为inline模式，否则不会显示图像%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npimport tensorflow as tfnp.random.seed(5) # 设置随机数种子x_data = np.linspace(-1, 1, 100) # 生成从-1到1的等差数列，数字个数为100y_dat
2022-03-09 10:05:17
269
原创 前端工程设计-转载
前端复习1.了解并简述MVVM模式（考简答题）MVVM是Model-View-ViewModel的简写，即模型-视图-视图模型。模型是指后端传递的数据，视图指的是HTML页面，视图模型是MVVM模式的核心，它是连接View和Model的桥梁。MVVM有两个方向：一是将模型转化成视图，即将后端传递的数据转化成所看到的页面，实现的方式是数据绑定。二是将视图转化成模型，即将所看到的页面转化成后端的数据，实现的方式是DOM事件监听。如果这两个方向都实现，...
2021-12-19 16:32:18
554
原创 操作系统课程设计-Linux 环境下基于 C 语言的模拟命令解释器
#include<iostream>#include<stdio.h>#include<cstring>#include<stdlib.h>#include<unistd.h>#include<string.h>#include<sys/stat.h>#include<sys/types.h>#include<dirent.h>#include<fcntl.h>#inc
2021-12-09 12:50:33
976
1
原创 操作系统-互斥实现的硬件方法
为了解决进程互斥进入临界区的问题，需要采取有效措施。利用硬件实现互斥的方法有禁止中断和专用机器指令两种方法。1、禁止中断在单处理机环境中，并发执行的进程不能在CPU上同时执行，只能交替执行。另外，对一个进程而言，它将一直运行，直到被中断。因此，为了保证互斥，只要保证一个进程不被中断就可以了，这可以通过系统内核开启、禁止中断来实现。由于在临界区内进程不能被中断，故保证了互斥。但该方法的代价很高，进程被限制只能交替执行。另外，在多处理机环境中，禁止中断仅对执行本指令的CPU起作用，对其他CPU不起作用，
2021-10-31 10:25:58
2117
原创 Vue.js从入门到项目实战——实例源码（第四章）
4.8<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta http-equiv="X-UA-Compatible" content="IE=edge"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>
2021-10-28 13:31:38
1248
原创 数字图像-理想高通滤波器
# ldealhighpassfilter.py# 理想高通滤波器# 导入相关库from skimage import data, colorimport numpy as npimport matplotlib.pyplot as plt"""中文显示工具函数"""def set_ch(): from pylab import mpl mpl.rcParams['font.sans-serif'] = ['FangSong'] mpl.rcParams['ax
2021-10-11 18:06:29
972
原创 数字图像-理想低通滤波器
# ldeallowpassfilter.py# 理想低通滤波器# 导入相关库from skimage import data, colorimport numpy as npimport matplotlib.pyplot as plt"""中文显示工具函数"""def set_ch(): from pylab import mpl mpl.rcParams['font.sans-serif'] = ['FangSong'] mpl.rcParams['axe
2021-10-11 18:05:53
766
原创 数字图像-颜色通道操作
# colourchanneloperation.py# 颜色通道操作from skimage import data, iofrom matplotlib import pyplot as plt# 读入图像image = data.coffee()# 分别取出红、绿、蓝3个颜色通道image_r = image[:, :, 0]image_g = image[:, :, 1]image_b = image[:, :, 2]# 分别展示3个通道plt.subplot(2, 2, 1)
2021-10-11 17:12:55
322
原创 数字图像-亮度与对比度操作
# brightnessandcontrastoperation.py# 亮度与对比度操作# 针对彩色图像进行操作# 定义改变对比度函数import numpy as npdef change_alpha(im, a): im_changed = np.zeros(shape=im.shape, dtype='uint8') for i in range(im.shape[0]): for j in range(im.shape[1]):
2021-10-11 14:32:28
355
原创 数字图像-图像裁剪
# imagecropping.py# 图像裁剪from skimage import datafrom matplotlib import pyplot as pltimage = data.coffee()image1 = image[20:300, 30:200, :]plt.imshow(image1)plt.show()
2021-10-11 14:19:01
525
原创 数字图像-索引操作
# indexingoperation.py# 索引操作import numpy as np # 导入numpy工具包array = np.array([2, 3, 4, 5, 6]) # 定义一维数组arrayprint(array[0]) # 打印第0个元素print(array[1]) # 打印第1个元素# 定义二维数组array2array2 = np.array([[1, 2, 3], [2, 3, 4], [4, 5, 6]])print(array2[1, 0]
2021-10-11 14:08:10
155
原创 数字图像-图像读取与显示
# imagereading.py# 图像读取# 导入对应模块from skimage import iofrom matplotlib import pyplot as plt # 导入绘图模块# 定义文件路径file_name = 'coffee.jpg'# 将图片读入数组image内image = io.imread(fname=file_name)print(image.shape)plt.imshow(image) # 进行图片绘制plt.show() # 显示绘
2021-10-11 13:29:21
258
原创 数字图像-图像量化
# imagequantisation.py# 图像量化from skimage import datafrom matplotlib import pyplot as pltimage = data.coffee() # 载入测试图像ratio = 128 # 设置量化比率for i in range(image.shape[0]): for j in range(image.shape[1]): for k in range(image.shape[2]):
2021-10-11 13:20:54
330
原创 数字图像-图像采样
# imagesampling.py# 图像采样from skimage import datafrom matplotlib import pyplot as pltimport numpy as npimage = data.coffee()print(image.shape)print(type(image))ratio = 20image1 = np.zeros((int(image.shape[0]/ratio), int(image.shape[1]/ratio), image
2021-10-11 13:11:54
435
原创 小区物业管理系统——看就行了
Package：MIMainInterface.java//当前：主界面（MI）//*0132//下行：用户管理界面（UM）//下行：业主管理界面（OM）//下行：物业管理界面（PM）//下行：物业维修管理界面（PMM）//下行：物业费收取管理界面（PFCAM）//时间：2021-08-12package MI;import java.awt.*;import java.awt.event.*;import javax.swing.*;import UM.*;import OM.
2021-10-09 16:18:57
400
原创 简单说两句
大家好我在两个月前宣布了离开CSDN，转战个人博客由于阿里云服务器天天催我续费，孩子还小，舍不得花那个大钱于是我又破例回到CSDN，继续创作技术博客（瞎说，分明就是碎碎念罢了）希望大家多多支持，谢谢...
2021-10-08 17:03:23
152
2
原创 计算机网络-物理层-电路交换、报文交换与分组交换(2021.7.26)
1、电路交换在进行数据传输前，两个结点之间必须先建立一条专用（双方独占）的物理通信路径（由通信双方之间的交换设备和链路逐段连接而成），该路径可能经过许多中间结点。这一路径在整个数据传输期间一直被独占，直到通信结束后才被释放。因此，电路交换技术分为三个阶段：连接建立、数据传输和连接释放。从通信资源的分配角度来看，“交换”就是按照某种方式动态地分配传输线路的资源。电路交换的关键点是，在数据传输的过程中，用户始终占用端到端的固定传输带宽。电路交换技术的优点如下：1）通信时延小。由于通信线路为通信双方用户专
2021-07-26 11:17:03
952
原创 计算机网络-物理层-奈奎斯特定理与香农定理(2021.7.15)
1.奈奎斯特定理具体的信道所能通过的频率范围总是有限的。信号中的许多高频分量往往不能通过信道，否则在传输中会衰减，导致接收端收到的信号波形失去码元之间的清晰界限，这种现象称为码间串扰。奈奎斯特定理又称为奈氏准则，它规定：在理想低通（没有噪声、带宽有限）的信道中，为了避免码间串扰，极限码元传输速率为2 W 波特，其中 W 是理想低通信道的带宽。若用 V 表示每个码元离散电平的数目（码元的离散电平数目是指有多少种不同的码元，比如有16种不同的码元，则需要4个二进制位，因此数据传输速率是码元传输速率的4倍），则
2021-07-15 10:47:07
706
原创 数据库课程设计——人才市场管理系统、教学管理系统、产品销售管理系统、小区物业管理系统
一、课程设计要求以SQL Server或MySQL作为后台数据库，以Java或C#或PHP 等高级语言及技术作为开发工具，开发语言和开发工具不做要求(不建议用ORM框架，如果用了，要能分析框架的实现原理)。完成一个数据库应用系统的设计全过程，包括需求分析、数据库设计、数据库建立、数据输入、应用系统的设计和开发、用户界面的设计和实现、系统安装和调试等。要求从以下系统中选择一个课题，完成系统分析、设计和开发。1.人才市场管理系统2.教学管理系统3.产品销售管理系统4.小区物业管理系统(一)具体要求
2021-07-08 19:50:51
12205
9
原创 关于软考的分享
关于软考一、什么是软考1、软考的全称软考的全称是计算机技术与软件专业技术资格（水平）考试。2、软考的性质软考是由人力资源和社会保障部、工业和信息化部联合组织对全国计算机与软件专业技术人员进行职业资格、专业技术资格认定和专业技术水平测试，它是一种国家级的考试。3、软考的时间软考在一个自然年内有两次举行的时间，上半年考试时间为5月底（第三个周六、周日），下半年考试时间为11月中旬（第二个周六、周日）。例如我在2020年参加了下半年的考试，考试时间为2020年11月7-8日。4、软考的级别软考分
2021-07-08 17:21:58
395
1
原创 Python语言-Beautiful Soup库入门
Beautiful Soup库入门1.Beautiful Soup库的安装Beautiful Soup库的安装Win平台: “以管理员身份运行”cmd，执行 pip install beautifulsoup4。Beautiful Soup库的安装小测演示HTML页面地址：http://python123.io/ws/demo.html文件名称：demo.html页面源代码：HTML 5.0格式代码<html> <head> <title>Thi
2021-06-27 20:18:36
192
1
原创 Python语言-Requests库入门
Requests库入门1.Requests库的安装Requests库的安装Win平台: “以管理员身份运行”cmd，执行 pip install requests。Requests库的安装小测Requests库的7个主要方法方法说明requests.requests()构造一个请求，支撑以下各方法的基础方法requests.get()获取HTML网页的主要方法，对应于HTTP的GETrequests.head()获取HTML网页头信息的方法，对应于HTTP
2021-06-27 17:49:51
187
1
原创 Python语言-编写一个网络爬虫程序，将文字和图像等信息抓取到sqlite中保存（实时爬取微博热搜数据）
import requestsfrom bs4 import BeautifulSoupimport sqlite3def opendb(): con = sqlite3.connect("D:/realtimehot.db") cur = con.execute("""create table if not exists realtimehot(snum text primary key, swords text, slink text)""") return cur,
2021-06-26 21:26:13
430
原创 Python语言-网络爬虫与信息提取
中国大学排名爬虫#CrawUnivRankingA.pyimport requestsfrom bs4 import BeautifulSoupimport bs4def getHTMLText(url): try: r = requests.get(url, timeout=30) r.raise_for_status() r.encoding = r.apparent_encoding return r.text
2021-06-26 15:11:50
242
原创 字编址与字节编址的计算方法
对于字节编址的计算机，以字节数来表示存储容量；对于字编址的计算机，以字数与其字长的乘积来表示存储容量。例如，某计算机的主存容量为64K×16，表示它有64K个存储单元，每个存储单元的字长为16位，若改用字节数表示，则可记为128K字节（即128KB）。即：主存容量：64K×16字编址：64K×8÷16=32K字节编址：64K×16÷8=128KB...
2021-06-23 13:01:58
6135
原创 算法设计与分析-dfs
13-1.cpp#include<iostream>#include<cmath>using namespace std;const int N = 20;int a[N];int Prime(int x) { int i, n; n = (int)sqrt(x); for (i = 2; i < n; i++) { if (x % i == 0) { return 0; } } return 1;}int Check(int k, in
2021-05-21 11:17:12
200
2
原创 算法设计与分析-greedy
12-3.cpp#include<iostream>using namespace std;const int n = 5;int arc[100][100];int color[100];int Ok(int i) { for (int j = 0; j < n; j++) { if (arc[i][j] == 1 && color[i] == color[j]) { return 0; } return 1; }}void Colo
2021-05-21 11:16:14
114
原创 Web前端开发技术第三版课后练习答案
P16-第1章 练习与实验答案练习11.选择题(1)B (2)D (3)B (4)B (5)D (6)A2.填空题(1)标记、文本(2)Tim Berners-Lee（蒂姆·伯纳斯·李）(3)查看(4)NotePad、EditPlus、TextPad、TopStyle、UltraEdit等(5)超文本标记语言、统一资源定位符（器）、层叠样式表（级联样式表）、异步JavaScript和XML(6)IE、Firefox、Chrome、opera、UCWEB等3简答题见教材。
2021-04-28 11:48:07
34192
5
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人