大家好，又见面了，我是你们的朋友全栈君。...1、将项目打成WAR包放在Tomcat的webapps目录下 2、在Tomcat的安装目录的conf下找到server.xml的文件，如：D:\apache-tomcat-9.0.8\conf\server.xml...Context path=”” docBase=”myproject” reloadable=”true” /> Context标签内容，注意path填空，docBase为项目名称 4、再次访问即可携带项目名称或不带都可以访问到项目
[起点，终点，最远的点，到最远点的近似距离]。...所以我们还要到轮廓点中去找它们 import cv2 import numpy as np img = cv2.imread('star.jpg') img_gray = cv2.cvtColor(img...它是根据 Hu 矩来计算的 import cv2 import numpy as np img1 = cv2.imread('star.jpg',0) img2 = cv2.imread('star2....(cnt1,cnt2,1,0.0) print ret 结果是: • A 与自己匹配 0.0 • A 与 B 匹配 0.001946 • A 与 C 匹配 0.326911 注意:Hu 矩是归一化中心矩的线性组合...，之所以这样做是为了能够获取代表 图像的某个特征的矩函数，这些矩函数对某些变化如缩放，旋转，镜像映射(除 了 h1)具有不变形
从数组中提取的项（例如，通过索引）由Python对象表示，其类型是在NumPy中构建的阵列标量类型之一。 阵列标量允许容易地操纵更复杂的数据排列。 ?...ndarray.data：该缓冲区包含数组的实际元素。通常，我们不需要使用此属性，因为我们将使用索引访问数组中的元素。...squeeze(a[, axis]) 展开数组的形状。 改变阵列的种类 asarray(a[, dtype, order]) 将输入转换为数组。...column_stack(tup) 将1-D阵列作为列堆叠成2-D阵列。 dstack(tup) 按顺序深度堆叠阵列（沿第三轴）。 hstack(tup) 按顺序堆叠数组（列式）。...fliplr(m) 向左/向右翻转阵列。 flipud(m) 向上/向下翻转阵列。 reshape(a, newshape[, order]) 为数组提供新形状而不更改其数据。
0 首先要知道Numpy是啥文献摘要 数组编程为访问和操作矢量、矩阵和高维数组中的数据提供了强大的语法。 NumPy是Python语言的主要数组编程库。...---- 2 Numpy数组 2.1数据结构 NumPy数组是有效存储和访问多维数组(张量)的数据结构，并且能够进行各种科学计算。...因此该数组的步长为（24，8）。NumPy可以按C或Fortran内存顺序存储数组，先迭代行或列。这使得用这些语言编写的外部库可以直接访问内存中的NumPy数组数据。...2.2索引 用户使用“索引”(访问子数组或单个元素)、“运算符”以及“array-aware 函数”与NumPy数组交互；这些共同为数组编程提供了一个易于阅读、可表达的高级API，而NumPy则处理快速操作的底层机制...使用NumPy的高级API，用户可以在具有数百万核的多个系统上利用高度并行的代码执行，所有这些都只需最少的代码更改。 这些阵列协议现在是NumPy的一个关键功能，预计其重要性只会增加。
import cv2 import numpy as np o=cv2.imread('C:/Users/xpp/Desktop/coins.png')#原始图像 cv2.imshow("original...如果两个图像轮廓的矩一致，那么两个图像轮廓一致。在图像位置发生变化时，虽然图像轮廓的面积、周长等特征不变，但是更高阶的特征会随着位置的变化而发生变化。...中心矩通过减去均值获取平移不变性，忽略两个图像的位置关系，比较不同位置的两个图像的一致性。中心矩不具有缩放不变性，例如，两个形状一致、大小不一的图像，中心矩不同。...+q阶空间矩： 零阶矩：m00 一阶矩：m10, m01 二阶矩：m20, m11, m02 三阶矩：m30, m21, m12, m03 f(x，y)的p+q阶中心矩： 二阶中心矩：mu20,...零阶矩“m00”的含义最为直观表示图像轮廓的面积。
此模块中的函数返回一个矩阵，而不是数组对象。 矩阵是行和列元素的矩形阵列。 矩阵中的元素可以是数字、符号或数学表达式。...import numpy.matlib import numpy as np print (np.matlib.empty((2,2))) NumPy的Broadcast运用 广播是numpy对不同形状的数组执行数值计算的一种方式...形状中不足的部分通过在前面添加1来填充。 输出阵列的形状是输入阵列形状的每个维度的最大值。...NumPy为数组对象引入了一种简单的文件格式：npy。 npy文件用于存储重建阵列所需的数据、图形、数据类型和其他信息。...一维阵列的秩是1，二维阵列的秩为2，依此类推。 在NumPy中，每个线性阵列称为轴，即维度。例如，二维阵列等效于两个一维阵列，第一个一维阵列中的每个元素都是一维阵列。所以一维数组是NumPy中的轴。
矩 对于随机变量 X,X 的 K 阶原点矩为 X 的 K 阶中心矩为 期望实际上是随机变量 X 的 1 阶原点矩,方差实际上是随机变量 X 的 2 阶中心矩 变异系数(Coefficient of...利用 matplotlib 模拟偏度和峰度 计算期望和方差 import matplotlib.pyplot as plt import math import numpy as np def calc...我们直接利用 表示期望应当明确 (2)公式中 是利用中的伪随机数生成的其均值用于表示期望 此时(1)公式中对事件赋予的权值默认为 1,即公式的本来面目为 计算偏度和峰度 def calc_stat...图形表示的是利用 numpy 随机数生成函数生成的随机数的统计分布,利用 matplotlib.pyplot.hist 绘制的直方图.即是出现数字的分布统计,并且是归一化到 0~1 区间后的结果....，但常用的就这六个，只有第一个是必须的，后面四个可选 arr: 需要计算直方图的一维数组 bins: 直方图的柱数，可选项，默认为10 normed: 是否将得到的直方图向量归一化。
numpy的话就是np.var() 3. k阶样本原点矩 设是总体的一个简单随机样本，称 为样本的阶原点矩（可以看到时，相当于样本均值），通常用样本的无阶原点矩来估计总体分布的阶原点矩。...4. k阶样本中心矩 设是总体的一个简单随机样本，为样本均值，称 为样本的阶中心矩，通常用样本的阶中心矩来估计总体分布的阶中心矩。 5. 顺序统计量 ?...这个numpy的话就是np.max(), np.min() 三种重要的抽样分布 在使用统计量进行统计推断的时候常常需要知道它的分布， 统计量的分布称为抽样分布， 有三个非常重要的统计量的分布我们需要知道...它也是度量样本分散性的重要数字特征，特别对于具有异常值的数据，它作为分散性具有稳健性。 下面是方差， 标准差， 变异系数的numpy实现。...，中心距，原点矩等。
Pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。...NumPy NumPy库是Python中用于科学计算的核心库。它提供了一个高性能的多维数组对象，以及用于处理这些数组的工具。 ?..._# 固定长度的unicode类型 查看数组 >>> a.shape # 阵列尺寸 >>> len(a) # 数组的长度 >>> b.ndim # 阵列维数 >>> e.size...((a,d))# 创建堆叠的列阵列 array([[ 1, 10], [ 2, 15], [ 3, 20]]) >>> np.c_[a,d] # 创建堆叠的列阵列....loc[:,df3.notnull().all()] # 选择不带NaN的列 # 用isin索引选择 >>> df[(df.Country.isin(df2.Type))] # 找到相同的元素 >>>
绘制程序如下 from scipy.stats import expon import numpy as np import matplotlib.pyplot as plt rv = expon(scale...矩统计中有重要的地位，比如参数估计的一种重要方法就是利用了矩。然而，根据矩的定义，我们需要对不同阶的X幂求期望，这个过程包含复杂的积分过程，并不容易。...我们通过幂级数的形式证明了，对矩生成函数求导，可以获得各阶的矩。相对于积分，求导是一个容易进行的操作。 矩生成函数的性质 矩生成函数的一面是幂级数，我们已经说了很多。...矩生成函数的另一面，是它的指数函数的解析形式。...当然，你也可以通过矩的定义来求矩。但许多情况下，上面指数形式的积分可以使用一些已有的结果，所以很容易获得矩生成函数。矩生成函数的求解矩的方式会便利许多。
每一个轮廓都是一个Numpy数组，包含对象边界点（x，y）的坐标。 1.2怎样绘制轮廓 函数cv2.drawContours()可以被用来绘制轮廓。它可以根据你提供的边界点绘制任何形状。...2.轮廓特征 2.1矩 图像的矩可以帮助我们计算图像的质心，面积等。 函数cv2.moments()会将计算得到的矩以一个字典的形式返回。...import numpy as npimport cv2img = cv2.imread('1024.jpg',0)ret,thresh = cv2.threshold(img,127,255,0)image...,contours,hierarchy=cv2.findContours(thresh,1,2)cnt=contours[0]M=cv2.moments(cnt)print(M)根据这些矩的值，我们可以计算出对象的重心...cx=int(M['m10']/M['m00'])cy=int(M['m01']/M['m00'])2.2轮廓面积 可以使用函数cv2.contourArea()计算得到，也可以用矩（0阶矩），M['m00
设计一个4·4的不带符号的阵列乘法器 3. 设计一个5·5的带符号的阵列乘法器 一、 建立一个工程，设计4位求补器，并加以仿真 1....Symbol File for Current File cmp.bsf 显示如下 注意：下面俩个工程和第一个工程操作步骤一致，不做详细图解说明了 二、 建立一个工程，设计4×4不带符号的阵列乘法器...设计原理图文件保存为mul.bdf （1）新建——Block Diagram，保存为mul （2）添加元件前，规划好阵列的安排方式，将与阵列、加法器阵列 a....分开放】的方式，将与阵列、加法器阵列分开存放 然后通过相同的标号标识连线关系 （4）添加元件： 输入信号input、输出信号output、FA、与门and2、Gnd...设计原理图文件保存为cmul.bdf （1）新建——Block Diagram，保存为cmul （2）添加元件： 输入信号、输出信号、不带符号的4位乘法器、异或门 input
矩 相关介绍 比较两条轮廓最简洁的方法之一是比较它们的轮廓矩。轮廓矩代表了一条轮廓、一幅图像、一组点集的某些高级特征。下面的所有讨论对轮廓、图像、点集都同样适用，简便起见，将它们统称为对象。...矩的数值定义如下式： m_{p, q}=\sum_{i=1}^{N} I\left(x_{i}, y_{i}\right) x^{p} y^{q} 在上式中, m_{p, q} 代表对象中所有像素的总和...将m_{10}和m_{01}相加再除以mo,能得到整个对象的平均x值和y值。 cv2.moments 计算多边形或光栅化形状的所有矩，最高可达三阶。...官方文档 仅适用于来自 Python 绑定的轮廓矩计算: 注意，输入数组的 numpy 类型应该是 np.int32或 np.float32。...对“相似”的定义可能有很多。为了使比较过程变得简单，OpenCV的函数cv2.matchShapes 允许我们简单提供两个物体，然后计算它们的矩，并根据我们提供的标准进行比较。
它返回一个数组，其中每行包含这些值—[起点、终点、最远点、到最远点的近似距离]。我们可以用图像把它形象化。我们画一条连接起点和终点的线，然后在最远处画一个圆。记住，返回的前三个值是cnt的索引。...import cv2 as cv import numpy as np img = cv.imread('star.jpg') img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY...形状匹配 OpenCV附带一个函数cv.matchShapes()，该函数使我们能够比较两个形状或两个轮廓，并返回一个显示相似性的度量。结果越低，匹配越好。它是根据矩值计算出来的。...import cv2 as cv import numpy as np img1 = cv.imread('star.jpg',0) img2 = cv.imread('star2.jpg',0) ret...参考 Hu矩是平移、旋转和比例不变的七个矩。第七个是无偏斜量。这些值可以使用cpu.HuMoments()函数找到。 对轮廓的这些属性暂时不是很感兴趣，就直接摘抄下来了。
平稳性分为宽平稳和严平稳，我们分别给出定义： 严平稳 严平稳是一种条件很苛刻的定义，时间序列的所有统计性质（如均值、方差、协方差...N阶矩）都不会随时间推移而发生变化，才能被认为是平稳的。...宽平稳时间序列的统计性质主要由低阶矩（二阶矩以内）决定，所以只需保证二阶以内统计特性不随时间变化而变化即可。...均值是一阶矩，描述符合某种分布的随机变量的取值，总是在某个值周围波动。 方差是二阶矩，描述了这种波动的大小程度或者离散程度。 自协方差也是二阶矩，是一种特殊的协方差，是时间和时间本身的特殊协方差。...： import numpy as np from matplotlib import pyplot as plt white_noise = np.random.standard_normal(size...这样做就可以极大的减少了随机变量的个数，同时增加了待估变量的样本容量，降低了分析的难度，二阶矩方差和协方差也同理，感兴趣可以参考[1] 参考链接 [1].
《精通 Python OpenCV 4》的 GitHub 存储库，其中包含从第一章到最后一章学习本书所需的所有支持项目文件，可以在以下网址访问。...例如，使用不带 B 的 BGR 子图，您可以看到它大部分是黄色的。 这是因为绿色和红色值产生黄色。 您可以看到的另一个关键特征是与我们设置为0的特定通道相对应的黑色子图。...可以通过以下 URL 访问《精通 Python OpenCV 4》的 GitHub 存储库，其中包含从本书第一章到最后一章的所有必要的支持项目文件。...可通过 github 访问《精通 Python OpenCV4》的 GitHub 存储库，其中包含从本书第一章到最后一章的所有必要的支持项目文件。。...《精通 Python OpenCV 4》的 GitHub 存储库，包含从第一章到最后一章的所有本书所需的支持项目文件，可以在下一个 URL 中访问。
image.png 常见分布的期望和方差如下： image.png 协方差 协方差常用于衡量两个变量的总体误差 相关系数 两个变量相关程度 中心矩、原点矩 X的数学期望E(X...)是X的一阶原点矩。...X的方差D(X)是X的二阶中心矩。...参数估计 参数估计是概率论的应用，就是我们怎么通过实验获得的值来估计概率函数的参数 点估计 分布函数的形式已知，参数未知 对未知参数进行定值估计，极大似然和矩估计是点估计的一种算法 矩估计...我的机器学习pandas篇 我的机器学习matplotlib篇 我的机器学习numpy篇
，我们先用上一节的代码把轮廓找到： import cv2 import numpy as np img = cv2.imread('handwriting.jpg', 0) _, thresh =...图像矩 矩可以理解为图像的各类几何特征，详情请参考：[Image Moments] M = cv2.moments(cnt)Copy to clipboardErrorCopied M中包含了很多轮廓的特征信息...蓝色的叫最小外接矩，考虑了旋转： x, y, w, h = cv2.boundingRect(cnt) # 外接矩形 cv2.rectangle(img_color1, (x, y), (x + w...形状匹配是通过图像的Hu矩来实现的(cv2.HuMoments())，大家如果感兴趣，可以参考：Hu-Moments 练习 前面我们是对图片中的数字3进行轮廓特征计算的，大家换成数字1看看。...小结 常用的轮廓特征： cv2.contourArea()算面积，cv2.arcLength()算周长，cv2.boundingRect()算外接矩。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
