Spencer

12import cv2 as cvimport numpy as np 图像滤波（低通滤波）1234img = cv.imread("def.jpg", cv.IMREAD_COLOR)cv.imshow('img', img)cv.waitKey(0)cv.destroyAllWindows() 卷积原理下面说一下卷积的原理。 显然，就是拿一个小矩阵在大矩阵上做点积乘法，得到一个值代替原来的像素。所以对于$n\cdot n$的矩阵，假设卷积核shi$m\cdot m$那么卷积之后的结果矩阵大小为$(n-m+1)\cdot (n-m+1)$，如图所示，卷积用来提取特征。 参数还有步长，也就是卷积核每次移动的单位。上面例子默认为1，如果步长为p，那么最终卷积结果的大小为 [\frac{(n-m) + 2p}{p}]可以带入尝试，结果正确，下面是代码。 1234blur = cv.blur(img, (5, 5))#进行平滑处理cv.imshow('blur', blur)cv.waitKey(0)cv.destroyAll ...

123import cv2 as cvimport numpy as npimport ipykernel 腐蚀原理这里是针对二值图像，黑白图像！可以说其矩阵元素是由0，1组成，0表示黑，1即255表示白。我们用一个全1的卷积核进行卷积，比如33的卷积核，每一次点乘运算的时候，如果图像中对应3\3个元素的值也都是1，这样最终结果就输出1，否则，全是0。 显然，上述操作就会导致，边界处外面是黑，里面是白，那么在边界处进行卷积时，结果会把原来像素位置变为0，也就是白色部分向内腐蚀！腐蚀可以迭代，显然迭代次数越多，边界越向内，腐蚀就会越深，一直到腐蚀没了！ 其最大的作用就是比如在下图中，字上有一些非常刺眼的噪声，就是那些格格不入的白线。 我们用腐蚀几次就可以把噪声去除了！ 1234567#腐蚀操作img = cv.imread("def.jpg", cv.IMREAD_COLOR)kernel = np.ones((5, 5), np.uint8)#矩阵表示核数，越大腐蚀越多erosion = cv.erode(img, kernel, iterations=1)#迭 ...

1234import numpy as npimport cv2 as cvimport matplotlib.pyplot as pltimport ipykernel 12345678#开运算：先腐蚀，再膨胀。img = cv.imread('def.jpg', 1)kernel = np.ones((5, 5), np.uint8)opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)#此处只需要一个开运算函数，即可代表刚才两个过程cv.imshow('opening', opening)cv.waitKey(0)cv.destroyAllWindows() 12345678#闭运算：先膨胀，再腐蚀。img = cv.imread('def.jpg', 1)kernel = np.ones((5, 5), np.uint8)closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)#此处只需要一个闭运算函数，即可代表刚才 ...

1234import numpy as npimport cv2 as cvimport matplotlib.pyplot as pltimport ipykernel 1234567891011#梯度运算 = 膨胀-腐蚀，得到轮廓#膨胀 = 对象周围的像素值和自身像素值的最大值#腐蚀 = 对象周围的像素值和自身像素值的最小值img = cv.imread('def.jpg',cv.IMREAD_COLOR)kernel = np.ones((5,5),np.uint8)gradient = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel)cv.imshow('gradient',gradient)cv.waitKey(0)cv.destroyAllWindows()

1234import numpy as npimport cv2 as cvimport matplotlib.pyplot as pltimport ipykernel 接之前的腐蚀原理。我们直接调用膨胀函数。 1234567891011#膨胀操作，我们可以腐蚀操作之后，为了恢复对图像的损失，用膨胀操作。img = cv.imread('def.jpg', cv.IMREAD_COLOR)kernel = np.ones((5, 5), np.uint8)erosion = cv.erode(img, kernel, iterations=1)#进行腐蚀操作plt.imshow(erosion)plt.axis("off")plt.show()dilation = cv.dilate(erosion, kernel, iterations=1)#注意，在服饰的基础上膨胀，恢复了原图像plt.imshow(dilation)plt.axis("off")plt.show()即可看到先腐蚀后膨胀的图像，恢复了图像的损失并且去噪了 ...

1234import cv2 as cvimport numpy as npimport matplotlib.pyplot as pltimport ipykernel 12345678910111213#礼帽 = 原图像 - 开运算，即原图像减去我们加强过的图像，就剩下轮廓噪音#黑帽 = 闭运算 - 原始图像，噪音减去噪音，应该只留下了轮廓img = cv.imread("def.jpg", cv.IMREAD_COLOR)kernel = np.ones((5, 5), np.uint8)topHat = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)blackHat = cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel)titles = ['Original', 'Top Hat', 'Black Hat']images = [img, topHat, blackHat]for i in range(3): ...

12345import cv2 as cvimport numpy as npimport matplotlib.pyplot as pltimport ipykernelfrom IPython.display import Latex 我们来看一下矩阵\begin{equation*} G_x(x) =\begin{bmatrix}-1 & 0 & +1 \-2 & 0 & +2 \-1 & 0 & +1\end{bmatrix} A\end{equation*}下角标x表示横向梯度计算，矩阵右边为正表示右边的值减去左边的值，得到我们认为是梯度。 \begin{equation*} G_y(x) = \begin{bmatrix} +1 & +2 & -1 \ 0 & 0 & 0 \ -1 & -2 & -1\end{bmatrix} A\end{equation*}y方向梯度同理，可以看出上下的像素变化。 ​ 12345img = cv.imread(&qu ...

Greek letters \alpha A \nu N \beta B \xi \Xi \gamma \Gamma o O \delta \Delta \pi \Pi \epsilon \varepsilon E \rho \varrho P \zeta Z \sigma \Sigma \eta H \tau T \theta \vartheta \Theta \upsilon \Upsilon \iota I \phi \varphi \Phi \kappa K \chi X \lambda \Lambda \psi \Psi \mu M \omega \Omega Arrows \leftarrow \Leftarrow \rightarrow \Rightarrow \leftrightarrow \rightleftharpoons \uparrow \downarrow \Uparrow \Downarr ...

nginx的文件存放目录 配置文件存放目录：/etc/nginx 主配置文件：/etc/nginx/conf/nginx.conf 管理脚本：/usr/lib64/systemd/system/nginx.service 模块：/usr/lisb64/nginx/modules 应用程序：/usr/sbin/nginx 程序默认存放位置：/usr/share/nginx/html 日志默认存放位置：/var/log/nginx 配置文件目录为：/usr/local/nginx/conf/nginx.conf

SHA256sum系列命令检测文件完整性1sha256sum file即可计算文件哈希 下面收到文件哈希之后来检验 1echo "sha256哈希 文件名" | sha256sum --check 如果不匹配则会显示mot match 如果哈希值存在于文件中，可以如下命令 1echo "$(cat 哈希值文件名) 待比较的文件" | sha256 --check 验证文件私钥签名我们使用gpg工具，安装之后在命令行 12gpg --verify filename.asc filenamegpg --verify filename.sig filename 两种格式均可，第一种文件之中就已经包含公钥，第二种我们要先导入公钥，用以下命令 1gpg --import public.asc 然后再验证。 下面是一个破解hash的好用的网站 https://hashes.com/en/decrypt/hash openssl使用首先我们要注意，crt和pem后缀通常代表公钥，key和pem后缀通常代表私钥，这里也就是说pem后缀既可以是公钥也可以是私钥。 ...