JoshuaZheng's blog

空间域主要内容： 傅里叶变换 频率域增强 傅里叶变换任何周期性重复的函数都可以表示为不同频率的正弦/余弦曲线乘以不同系数之和 –> 傅里叶级数 正弦函数：$$f(x)=Asin(Bx+C)，A:振幅，B:频率，C:相位$$欧拉公式:$$f_{Euler}=e^{ix}=cos(x)+isin(x)\e^{ix}+1=0$$ 欧拉公式所表示的欧拉函数的图像 –> 螺旋线（正弦函数加钱版） 频域图： 点->傅里叶级数 $$\sum A sin(2\pi kx)$$ 时域图： 可以用频率的成分分析一个函数

空间域图像增强 基于点运算：逐点对像素增强 基于直方图 基于空间滤波 点运算增强 对比度拉伸： 窗切片 直方图增强使相对集中的直方图的图像 -> 相对均匀分布的直方图图像 变换函数 $s=T(r)$： 0<= r <= 1：单调递增 反函数：单调递增 值域分布不变 -> 直方图变换算法（）：$$s=T(r)=\int P_{R}(r)dr$$-> 离散变换函数:$$S_k=T(r_k)=\sum_{j=0}^{k}P_R(r)/n$$ 直方图规定化（Pr(r) - > Pz(z)）： r&z关系推导： 对原始图像均衡化 规定直方图均衡化 公式转换，求z $$s =$$ （均衡化是规定化的特例） 12345自动增强效果不易控制有选择地增强需给指定的直方图 基于空间平滑滤波的图像增强方法 卷积：$$(fg)(t)=\int f(r)g(t-r)dr\(fg)(t)=\sum_{r=}^{} ...

灰度反转k位灰度图：2k-1 - val(灰度值) 对数分布$$g(x,y) = clog(1+f(x,y))$$ 对图像动态范围进行压缩，调高低灰度的值 人眼视觉与入光成对数关系 直方图灰度直方图：灰度像素个数。（不能表示图像中每个像素的位置信息） 反映特征 总体偏左/右，灰度值普遍偏小/大，图像偏暗/亮 集中局部区域，对比度较低 均匀分布，对比度较高 图像的代数运算 图像相加 $$g(x,y)=f_1(x,y)+f_2(x,y)$$ 图像合成 $$g(x,y)=cf_1(x,y)+(1-c)f_2(x,y)$$ 图像多次叠加，去除噪声 $$g(x,y)=\frac{1}{n}\sum{f_i(x,y)}$$ 相减运算：变换检测 $$g(x,y)=f_1(x,y)-f_2(x,y)$$ (若结果小于0，一般取0) 图像的几何操作 图像平移操作 块偏移、图偏移$$\left[\begin{matrix}x_1\y_1\1\end{matrix}\right]\left[\begin ...

数字图像–基本概念 采用p、q、r…小写字母 -> 像素 S，…大写字母 -> 像素集 约定像素间的关系领域 4-邻域：相对于显示坐标系 -> （x，y）->最多4的邻近像素: $$N_{D}(p)$$ 4-对角邻域： 8-邻域：4-邻域+4-对角邻域 : $$N_{8}(p)$$ 像素间的邻接性(connectivity) 4-邻接、8-邻接 m-邻接（混合邻接）：对于对角像素p、q(?): 满足相似性准则 邻域交集 ∩ 为 空 消除8-链接的对角像素间的歧义 通路 通路：由一系列依次连通的像素组成 连通 (这时8邻接所成的通路->歧义)->4连通、8连通、m连通 距离度量函数对于在图像显示坐标系中坐标分别位于（x，y）、（u，v）和（w，z）的像素 p、q、r。 欧式距离 街区距离 $ D_{4} $ 棋盘距离 $$D_{8}$$ 4.Dm距离：m连通的路径决定 图像文件格式BMP、JREG、GIF、TIFF、PCX等 TIFF 高质量格式（非损失压缩） GIF 8位文件格式（256种色彩） JPE ...

前言♥本章属于学习笔记，不一定具有参考价值，或请酌情阅读（估计也没人看）♥ 编译源代码 -> 编译程序 -> 目标代码 -> 运行系统）（载入数据(input data)） -> 计算结果 编译系统的总体结构 词法分析（扫描）识别各个单词（关键字、标识符…）-> 确定单词类型 -> 转化为同一机内表示 词法单元形式：token<种别码，属性值> 语法分析（语法分析器((Syntax Analyzer)/parser)）从词法分析器中输出的token中识别出各类短语，并编译出语句。（赋值语句分析树(中间代码)） 组合成句 分析树 指出错误 输入token 输出语句 语义分析(semantic analysis) -> 语法制导翻译 (可同时与语法分析进行) 分析右语法分析器识别出来的语法成分的语义。 （由语句语义 -> 影响语法分析） 获取标识符属于 语义检查 子程序静态绑定 变量静态绑定 中间代码编译系统内部表示形式 (语义分析过程中产生) 容易生成 容易编译成目标代码 代码优化 ...

无旋Treap(FHQ-Treap)支持维护序列，可持久化等特性 又称分裂合并treap。 相比于普通的Treap，相同操作下，fhqTreap速度上稍慢些（频繁的使用分裂合并操作），但是代码的编写要比普通Treap容易些，并且也更能胜任区间问题。 通过分裂合并方式动态维护堆的性质。 基本操作：直接上模板代码了。 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150 ...

前言本人是从OI wiki学到的splay（模板代码来自于OIwiki），若希望更好的阅读体验，可去oiwiki阅读相关内容。 概念Splay Tree: 一种平衡二叉树，拥有二叉查找树的性质，同时通过伸展操作，实现的插入、查找、删除等操作均摊在O(logn)，当然分裂和合并操作也是可实现的（常用），并且保持平衡（几乎不可能为链） 伸展splay(x): 通过旋转使x转到根的位置上。 (由数组写成的模板代码) 声明： 1节点:x 节点总数:tot 父节点:fa[x] 左右儿子编号:ch[x][0|1] 节点权值:val[x] 权值出现次数:cnt[x] 树的大小:sz[i] 基本操作 maintain(x): 维护节点x的sz值 get(x): 判断节点x为fa[x]的左右儿子 clear(x): 销毁节点x splay&rotate&insert旋转（rotate）上移节点某个位置（从结果来看，不破坏二叉树的性质，左|右旋） （同treap、avl旋转） 右旋：12345678910//要旋转x上去，y是x的父亲ch[y][0]=ch[x][1];fa[ch[x ...

前言这道题，我得承认，我是sb。 过了10几天，终于给调出来了（） bug原因：下传标记问题。在split()函数里，标记没下传，就求节点左子树的大小了（寄） 解题思路（已经改得，不三不四了，fhqTreap模板来自OI wiki） 由于题目是要求对一段区间进行反转，所以，treap树的性质维护不会过多考虑值，而是只维护堆的性质。 将[1,n]按顺序插入（使树本来有序，分裂合并后：中序遍历->1,2,…,n） 随后，分裂，找到区间，标记反转，倘若分裂过程找到已经标记的点时，反转左右子树，并且下传标记 （？这样可能会有bug吧） 在合并过程中（一棵树会接在另一棵树的叶子上），同时反转并且下传标记。 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101 ...

前言♥本章属于学习笔记，不一定具有参考价值，或请酌情阅读（估计也没人看）♥ 图像概念 图：物体反射或投射电磁波的分布 像：人的视觉系统对接受的图信息在电脑中形成的印象或认识 分类图像：模拟图像，数字图像 模拟图像：物理（光、电）的强弱变化，记录 -> 记录的信息(波…)连续 数字图像：对模拟图像离散化（数字化）-> 二维数组 -> 像素 -> 像素包（灰度值、rgb、rgba） 数字图像表示： 黑白图： 像素灰度级：G（k-bit）：L=2k当k=1：G{0，1}，对于f(x,y),表示图像每块的像素灰度值：如图：k=8: 越大->越白（占总信息75%） 彩色图 三原色rgb –> 彩色图像像素值 图片大小图像（水平）尺度：M=2m，图像（垂直）：N=2n(x,y方向采样) b = M * N * k (k,换算单位)（8bit=1byte） 坐标约定12345678f(0,0)->f(0,1)->...f(1,0)......matlab:f( ...