摘要： 协方差矩阵——PCA的关键。 PCA的目的就是“降噪”和“去冗余”。“降噪”的目的就是使保留下来的维度间的相关性尽可能小，而“去冗余”的目的就是使保留下来的维度含有的“能量”即方差尽可能大。那首先的首先，我们得需要知道各维度间的相关性以及个维度上的方差！那有什么数据结构能同时表现不同维度间的相关... 阅读全文

摘要： K-means算法是最简单的一种聚类算法。算法的目的是使各个样本与所在类均值的误差平方和达到最小（这也是评价K-means算法最后聚类效果的评价标准）K-means聚类算法的一般步骤：初始化。输入基因表达矩阵作为对象集X，输入指定聚类类数N，并在X中随机选取N个对象作为初始聚类中心。设定迭代中止条件... 阅读全文

摘要： 二值化是一种大家经常用到的方法，介绍一种最简单的，但是实用性比较强的二值化的方法。是一种局部二值化的方法。 假设一幅100×100大小的原始图像，计算该图像的平均灰度值，假设为M。将图像分解为10×10大小的子图像，共获得10幅子图像 （1）如果一幅子图像的所有像素值都小于M/3的话，就把该子图像的所有像素值都设为0； （2）其余的子图像可以采用最小类内方差或最大类间方差来进行二值化； 是有点简单。呵呵 阅读全文

摘要： 困扰多年，看了不久以后就又会忘记。一.方向导数（1）方向导数是个数值。二维空间情形：我们把f(x+Dx,y+Dy)-f(x,y)的值Value1与PP1的距离value2的比值的极值叫做沿PP1的方向导数。三维空间计算过程相似；二.梯度（1）梯度是一个向量。（2）沿梯度方向的方向导数达到最大值；sxyd.sdut.edu.cn/gaoshu2/lesson/8.7fangxiangdaoshuyutidu.htm以二维空间为例，对于Z=f(x,y).在某点P(x0,y0)处的梯度可以理解为(DZ/Dx|x=x0，DZ/Dy|y=y0)。具体到离散状态，用差分的形式来表示就是（一维的表示方法）沿 阅读全文

摘要： 最近有用到Canny算子做边缘检测。回顾一下Canny算子的基本原理：总的来说，图像的边缘检测必须满足两个步骤 （1）有效的抑制噪声，使用高斯算子对图像进行平滑； （2）尽量精确的确定边缘的位置；Canny算子的边缘检测可以分为三个步骤：Step 1: 高斯平滑函数。目的是为了平滑以消除噪声；Step 2：一阶差分卷积模板。目的是为了达到边缘增强。 该步骤有点类似于与两个方向模板进行卷积运算。这两个方向模板为(a)和（b)所示：左图体现的是在X方向上的差异，右图体现的是在y方向上的差异。同时获得梯度幅值的大小以及方向角。通过该步，获得在边缘位置处特征被加强的图像。Step 3：非极大值抑制（. 阅读全文

摘要： OpenCv方法实现将三幅子图像拼接在一起 阅读全文