当对灰度图像执行中值滤波时,我们对像素的强度值进行排序.我们如何对彩色图像中像素的强度值进行排序,因为每个像素有3个通道R,G,B.什么是公式.谢谢.

我无法理解获取第一个隐藏层的输出形状背后的逻辑。我随意举了一些例子如下：

示例1：

model.add(Dense(units=4,activation='linear',input_shape=(784,)))  
model.add(Dense(units=10,activation='softmax'))
model.summary()

Model: "sequential_4"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_7 (Dense)              (None, 4)                 3140      
_________________________________________________________________
dense_8 (Dense)              (None, 10)                50        
=================================================================
Total params: 3,190
Trainable params: 3,190
Non-trainable params: 0

示例2：

model.add(Dense(units=4,activation='linear',input_shape=(784,1)))   
model.add(Dense(units=10,activation='softmax'))
model.summary()
Model: "sequential_6"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_11 (Dense)             (None, 784, 4)            8         
_________________________________________________________________
dense_12 (Dense)             (None, 784, 10)           50        
=================================================================
Total params: 58
Trainable params: 58
Non-trainable params: 0

示例3：

model.add(Dense(units=4,activation='linear',input_shape=(32,28)))    
model.add(Dense(units=10,activation='softmax'))
model.summary()
Model: "sequential_8"
_________________________________________________________________ …

我在灰度图像上应用了一些操作,现在我得到了新值,但问题是强度值现在小于0,0到255之间且大于255.对于[ 0-255] 之间的值,没有问题,但对于强度值<0和强度值> 255存在问题,因为这些值不能出现在灰度图像中.

因此,我需要对值进行标准化,以使所有值无论是负数还是大于255或其他任何值都在0到255范围内,以便可以显示图像.

为此,我知道两种方法:

方法#1

newImg = ((255-0)/(max(img(:))-min(img(:))))*(img-min(img(:)))

where min(img(:))和max(img(:))是在输入图像上执行某些操作后获得的最小值和最大值img.所述min可小于0,并且max可以是大于255.

方法#2

我只是将小于0的所有值设为0,将所有大于255的值设为255,所以:

img(img < 0) = 0;
img(img > 255) = 255;

我尝试使用这两种方法,但我使用第二种方法获得了良好的结果,但没有使用第一种方法.你能有人告诉我这是什么问题吗？

我有以下代码:

Scalar m;   //Scalar is a class for a 4 variable vector. m is its instance.        
Scalar std;
meanStdDev(hist, m, std);

它运作良好,但不适用于以下情况.

vector < float > m;
vector < float > std;
meanStdDev(hist, m, std);

我无法理解这个问题,因为我也在创建一个向量,就像Scalar一样.请解释.

请任何人告诉我如何仅使用形态学操作从这个图像中删除突出物.另外,我想将圆(白色)半径减少5个像素.我知道我们可以通过使用侵蚀来做到这一点,但应该是结构元素(磁盘类型)半径应该是多少以及我们应该为所选半径执行多少次迭代.

我的意思是我们可以有结构元素se = strel('disk',5)并执行一次迭代或se = strel('disk',1)并执行5次迭代.

我知道可以在MATLAB中创建磁盘结构元素,如下所示:

se=strel('disk',4); 

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

是否有任何函数或方法或任何其他方式在opencv中创建与上面相同的结构元素.我知道我们可以使用循环手动创建它,但我只想知道是否存在某些功能.

我知道 sklearn.cluster.KMeans 下定义的 KMeans 算法需要特征缩放

我的问题是，在使用 KMeans 之前是否需要手动完成，或者 KMeans 是否会自动执行特征缩放？如果是自动的，请告诉我它在 KMeans 算法中指定的位置，因为我无法在此处的文档中找到它：

https://scikit-learn.org/stable/modules/ generated/sklearn.cluster.KMeans.html

顺便说一句，人们说 Kmeans 本身负责特征缩放。

我们h是一个5x5矩阵,为什么零填充使用fft2中

H = fft2(h,250,250);

没有给出与padarray手动使用相同的结果,如

H = fft2(padarray(H,[122 122]));

是因为在我的第二个例子中,填充矩阵只有249列和行？我应该添加额外的列/行零吗？