小编Cri*_*ngo的帖子

我\xe2\x80\x99m对libtiff相当陌生，但我\xe2\x80\x99已经设法获得tiff文件\n保存和打开没有太多麻烦。

现在，我\xe2\x80\x99m雄心勃勃，并尝试将自定义标签添加到我的文件中。我\xe2\x80\x99ve\n阅读了文档（请参阅此处）并编写了一些测试代码，这些代码编译时没有\n错误，但在运行时失败，并在第一次调用\n具有自定义字段的 TIFFSetField 时发生访问冲突（调用 TIFFSetField带有\n标准字段就可以了）。

我的测试代码如下：不到 100 行，唯一的外部依赖项（除了 libtiff）是我从 .pgm 文件打开测试图像的代码。谁能指出我\xe2\x80\x99m 做错了什么？顺便说一句，我正在使用 libtiff 4.0.3。

#include "stdafx.h"\n#include "PGM.h"      // Just for reading in the test image\n#include "tiffio.h"\n\n// There are a number of TIFF-related definitions we need to make in order to support the custom tags\n// that we want to include in our files. The form of these definitions and subroutines comes straight\n// out of the libtiff documentation, and the values of the custom tags themselves come …

我需要使用半径为 17 或更大的 3D 结构元素来计算 3D 形状数组 (400,401,401)、大小为 64320400 字节的形态学开度。结构元素 ndarray 的大小为 42875 字节。使用scipy.ndimage.morphology.binary_opening，整个过程消耗 8GB RAM。

I have read scipy/ndimage/morphology.py on GitHub, and as far as I can tell, the morphology erosion operator is implemented in pure C. It is to difficult for me to understand the ni_morphology.c source, so I haven't found any part of this code which leads to such enormous memory utilization. Adding more RAM is not a workable solution, since memory usage may increase …

我正在使用 Octave 编写一个脚本来绘制不同时间段的函数。我希望制作一个情节动画，以便看到随时间的变化。

有没有办法保存每个时间点的每个图，以便可以组合所有图来创建此动画？

我正在尝试使用Scipy/Numpy在Python中实现时间序列的"相位加扰".简而言之,我想:

1. 拿一个时间序列.
2. 使用FFT测量频域中的功率和相位.
3. 扰乱现有阶段,随机重新分配阶段到频率.
4. 使用IFFT返回具有加扰相位的实值(即,非复数)时间序列,使得时间序列的功率谱保持不变,但是时间序列的点与原始点不同.

我有一个表面上似乎有用的脚本(见图),但我怀疑我错过了一些重要的东西.特别是,我返回的阶段扰码时间序列具有复值条目而不是实值条目,我不知道该怎么做.如果任何信号处理人员可以权衡并教育我,我会非常感激.

这是适用于Jupyter Notebook的示例脚本:

%matplotlib inline
import matplotlib
import numpy as np
import matplotlib.pyplot as plt
from scipy.fftpack import fft, ifft

def phaseScrambleTS(ts):
    """Returns a TS: original TS power is preserved; TS phase is shuffled."""
    fs = fft(ts)
    pow_fs = np.abs(fs) ** 2.
    phase_fs = np.angle(fs)
    phase_fsr = phase_fs.copy()
    np.random.shuffle(phase_fsr)
    fsrp = np.sqrt(pow_fs) * (np.cos(phase_fsr) + 1j * np.sin(phase_fsr))
    tsr = ifft(fsrp)
    return tsr

ts = np.array([0.02, -1.04, 2.50, 2.21, 1.37, -0.05, 0.06, -0.22, -0.48, -0.31, …

我的数据上有重复的条纹图案，我试图通过傅立叶变换它并删除图案来将其取出。但是我似乎无法找到返回图像空间的正确方法。

red_cube_array = (cube_array - np.median(cube_array)) * taper

im_fft  = (fftpack.fft2(red_cube_array))
im_po   = fftpack.fftshift((np.conjugate(im_fft) * im_fft).real)

mask = np.empty_like(im_po[0])*0 + 1
mask[417:430, 410:421] = 0
mask[430:443, 438:450] = 0

im_po_mask = im_po * mask

im_ifft = fftpack.ifft2(fftpack.ifftshift(im_po_mask))

taper只是一个在执行 FFT 时平滑边缘以消除边缘效应的数组。然后我对数组进行 FFT 并非常粗略地过滤掉垃圾。然而，回去似乎不起作用。我是不是在某个地方绊倒了？

我想知道如何使用 OpenCV 在 Python 3 中编写一个函数，它接收图像和阈值，并在严重模糊并降低质量（越快越好）后返回“暗”或“亮”。这听起来可能含糊不清，但任何有效的方法都行。

我想检查是否已清除某些轴,根据这些轴执行某些进一步的任务.我cla用来清除一些轴,而不是delete.例如:

figure

hs1 = subplot(121); plot(rand(100,2), 'x');

hs2 = subplot(122); plot(rand(100,2), 'o');

cla(hs1)

然后,问题是如何确定是否hs1被清除.

我正在处理具有形状的图像，并且我正在尝试计算具有 1 个孔的对象和具有 2 个孔的对象。

我找到了关于它的信息，但它是在 MATLAB 中将 那些有孔的对象分割出来 他们使用了 Euler 特性，我知道在 Python 中存在 skimage 库，但我不能使用它。

我也找到了一些代码，但我无法理解。http://www.cis.rit.edu/class/simg782/homework/hw3/hw3solutions.pdf第 16 页。

PRO hw3 4,A,LA,LC,count
;Find all the holes
Ac=A EQ 0
LC=label region(Ac,/ALL)
;Construct an array with the holes filled in
Afill=(A GT 0) OR (LC GT 1)
;Display the arrays
sa=size(A,/dim)
window,/free,xsize=sa[0],ysize=sa[1]
tvlct,rr,gg,bb,/get
tek color
TV,Afill
window,/free,xsize=sa[0],ysize=sa[1]
TV,LC
;Count the objects with holes. First we
;find all the objects and then match up
;the object labels and the hole …

我有以下数据框：

我需要重新采样数据来计算每周的 pct_change()。我怎样才能获得每周的变化？

有点像，data['pct_week'] = data['Adj Close'].resample('W').ffill().pct_change()但数据需要分组data.groupby(['month', 'week'])

这样每个月都会产生 4 个每周变化的值。然后我可以绘制

我所做的是df['pct_week'] = data['Adj Close'].groupby(['week', 'day']).pct_change()但我收到了这个错误TypeError: 'type' object does not support item assignment

为什么使用在不同版本的 MATLAB（2016 与 2021）中运行的相同代码来计算sum(b.*x1)其中bis single 和x1is double 时会得到不同的结果。如何避免MATLAB版本之间出现此类错误？

MATLAB v.2021：

sum(b.*x1)

ans =

  single

  -0.0013286

MATLAB 2016

sum(b.*x1)

ans =

  single

  -0.0013283