小编ray*_*ica的帖子

我.mat通过scipy.io.loadmat它加载了一个MATLAB 文件,它给了我一个numpy.void对象列表.

有人可以告诉我它们是什么,如何使用它们以及在哪里可以获得一些参考文档？

我试图摆脱一些我的图像背景噪音.这是未经过滤的图像.

为了过滤,我使用此代码生成应保留在图像中的掩码:

 element = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
 mask = cv2.erode(mask, element, iterations = 1)
 mask = cv2.dilate(mask, element, iterations = 1)
 mask = cv2.erode(mask, element)

使用此代码,当我从原始图像中屏蔽掉不需要的像素时,我得到的是:

正如你所看到的,中间区域的所有小点都消失了,但是来自密集区域的许多小点也消失了.为了减少过滤,我尝试将第二个参数更改getStructuringElement()为(1,1),但这样做会给我第一个图像,就像没有过滤任何东西一样.

有什么方法可以应用这两个极端之间的过滤器吗？

另外,任何人都可以向我解释到底是getStructuringElement()做什么的吗？什么是"结构元素"？它做了什么以及它的大小(第二个参数)如何影响过滤级别？

我正在制作一个小应用程序sails.js,我需要将图像存储在数据库中.为此,我需要将图像转换为base64编码的数据URL,以便我可以将其保存为我的sails模型中的字符串.但是,我不知道如何以这种形式转换它.所有较早的问题都是关于将图像转换为base64编码的数据URL的问题,他们回答了有关在客户端进行此操作的问题.但是,我想在服务器端执行此操作,而我将通过发布请求获取图像.我怎样才能做到这一点？

看一个'solver.prototxt'在BVLC/caffe git上发布的例子,有一个训练元参数

weight_decay: 0.04

这个元参数是什么意思？我应该赋予它什么价值？

我有两个黑白图像,我需要计算互信息.

Image 1 = X 
Image 2 = Y

我知道互信息可以定义为:

MI = entropy(X) + entropy(Y) - JointEntropy(X,Y)

MATLAB已经具有内置函数来计算熵但不计算联合熵.我想真正的问题是:我如何计算两幅图像的联合熵？

这是我想要找到的联合熵的图像示例:

X =

0    0    0    0    0    0
0    0    1    1    0    0
0    0    1    1    0    0
0    0    0    0    0    0
0    0    0    0    0    0

Y =

0    0    0    0    0    0 
0    0    0.38 0.82 0.38 0.04 
0    0    0.32 0.82 0.68 0.17
0    0    0.04 0.14 0.11 0 
0    0    0 …

我想创建一个16位图像.所以我写了一个代码.

     import skimage 
     import random
     from random import randint                        
     xrow=raw_input("Enter the number of rows to be present in image.=>")
     row=int(xrow)
     ycolumn=raw_input("Enter the number of columns to be present in image.=>")
     column=int(ycolumn)

       A={}
       for x in xrange(1,row):
           for y in xrange(1,column):
               a=randint(0,65535)
               A[x,y]=a 

       imshow(A)

但每当我运行此代码时,我得到一个错误显示"TypeError:图像数据无法转换为浮动".是否有任何解决方案.

我为我的写作中的错误道歉,因为这是我上面提到的第一个问题.

傅立叶变换F的幅度和相位定义为:

Mag = sqrt(Real(F)^2 + Imaginary(F)^2)

和

Phase = arctan(Imaginary(F)/Real(F))

我曾尝试编写matlab代码,该代码采用灰度图像矩阵,对矩阵执行fft2(),然后根据变换计算幅度和相位.然后我想计算傅里叶变换的虚部和实部.这是通过将前两个方程重新排列为:

Real = Mag/sqrt(1 + tan(Phase)^2)

和

Imaginary = Real*tan(Phase)

最后组合和逆fft2:

F = Real + i*Imaginary
image = ifft2(F)

我希望看到与输入相同的图像,但我得到了垃圾.我的数学错了吗？我的matlab mfile代码如下:

function y = forwardBackwardFFT(image)

F = fft2(image);
mag = sqrt(real(F).^2 + imag(F).^2);
phase = atan(imag(F)./real(F));

re = sqrt((mag.^2)./(1 + tan(phase).^2));
im = re.*tan(phase);
F = re + i*im;
f = ifft2(F);

subplot(1,2,1);
imshow(image);
Title('Original Image');

subplot(1,2,2);
imshow(f);
Title('Image after forward and backward FFT');
y = f;

非常感谢 :)

我正在尝试对findContours得到的轮廓进行简单的面积计算.我的openCv版本是3.1.0

我的代码是:

cc = cv2.findContours(im_bw.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.contourArea(cc[0])

error: 'C:\\builds\\master_PackSlaveAddon-win32-vc12-static\\opencv\\modules\\imgproc\\src\\shapedescr.cp...: error: (-215) npoints >= 0 && (depth == CV_32F || depth == CV_32S) in function cv::contourArea\n'

似乎无法解决它,我感觉它只是类型转换,我希望findContours结果匹配contourArea的类型

谢谢 :)

编辑:结果我需要采取findContours的第二个参数

 im2, cc, hierarchy = cv2.findContours(im_bw.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

我正在使用具有欧几里德距离的KNN对简单数据进行分类.我已经看到了一个关于我想用MATLAB knnsearch函数完成的例子,如下所示:

load fisheriris 
x = meas(:,3:4);
gscatter(x(:,1),x(:,2),species)
newpoint = [5 1.45];
[n,d] = knnsearch(x,newpoint,'k',10);
line(x(n,1),x(n,2),'color',[.5 .5 .5],'marker','o','linestyle','none','markersize',10)

上面的代码采用了一个新点,即[5 1.45]找到与新点最接近的10个值.任何人都可以给我看一个MATLAB算法,详细解释该knnsearch函数的作用吗？有没有其他方法可以做到这一点？

我正在研究视网膜眼底图像.图像由黑色背景上的圆形视网膜组成.通过OpenCV,我设法获得了围绕整个圆形Retina的轮廓.我需要的是从黑色背景中裁剪出圆形视网膜.