吹吹晚风_社区达人页

个人头像照片
吹吹晚风
已加入开发者社区72

勋章 更多

个人头像照片
星级博主
星级博主
个人头像照片
技术博主
技术博主
个人头像照片
江湖新秀
江湖新秀

成就

已发布52篇文章
6条评论
已回答1个问题
0条评论
已发布0个视频
github地址

我关注的人 更多

技术能力

兴趣领域
  • Python
  • 机器学习/深度学习
  • 数据可视化
  • 计算机视觉
擅长领域
技术认证

暂时未有相关云产品技术能力~

暂无个人介绍

暂无精选文章
暂无更多信息

2024年05月

  • 04.19 16:27:08
    发表了文章 2024-04-19 16:27:08
  • 04.19 16:25:02
    发表了文章 2024-04-19 16:25:02

    基础算法题

    基础算法编程题
  • 04.19 16:19:49
    发表了文章 2024-04-19 16:19:49

    Locally Adaptive Color Correction for Underwater Image Dehazing and Matching

    该文提出了一种新颖的水下图像处理方法,结合颜色转移和局部调整来校正颜色,以应对水下光照和散射造成的图像退化。传统颜色转移方法基于全局参数,不适应水下场景中颜色变化的局部性质。文章中,作者通过融合策略,利用光衰减水平估计来实现局部颜色校正。首先,通过暗通道先验恢复彩色补偿图像,然后估计光衰减图。接着,创建一个合成图像,该图像的统计特性代表高衰减区域,用于颜色转移。最后,通过加权融合初始图像和颜色转移图像,生成最终的颜色校正图像。这种方法旨在提高水下图像的对比度和颜色准确性,特别关注高衰减区域。
  • 04.19 16:10:22
    发表了文章 2024-04-19 16:10:22

    Redis数据库

    这段内容介绍了NoSQL数据库的概念和分类,以及Redis的详情和历史发展。NoSQL是一种为解决高并发、高可扩展性和大数据存储问题而设计的非关系型数据库。它主要有四种类型:键值存储(如Redis)、列存储(如HBase)、文档型(如MongoDB)和图形数据库。Redis是一个高性能的键值对数据库,支持多种数据类型,常用于内容缓存。Redis由Salvatore Sanfilippo开发,因其优秀性能获得了广泛使用,后来被VMware赞助并持续发展。练习部分引导读者进行Redis的安装及字符串类型的基本操作,包括存储、修改、删除、查看、追加和获取长度,以及利用其递增特性生成订单号。
  • 04.08 15:02:39
    发表了文章 2024-04-08 15:02:39

    图像直方图

    以下是内容摘要: 本文介绍了直方图在图像处理中的应用,包括图像增强和图像分割。直方图均衡化用于改善图像的亮度分布,而根据直方图可获取分割阈值以实现图像分割。此外,直方图对比有助于图像分类。直方图是表示图像亮度分布的图表,通过分析直方图的峰值可判断图像属于低调、中间调还是高调。直方图均衡化则能将图像转换为灰度分布更均匀的新图像。
  • 04.08 14:41:10
    发表了文章 2024-04-08 14:41:10

    爬虫

    该文介绍了爬虫的基础知识,包括爬虫的定义(通过编程模拟浏览器抓取网络数据)、价值(实际应用和就业需求)、法律地位(合法但有违法风险,分为善意和恶意爬虫)以及可能带来的风险(影响网站运营和触犯法律)。为避免问题,建议优化程序、审查抓取内容。爬虫类型包括通用、聚焦和增量式爬虫。文中还提到了反爬与反反爬策略,以及robots.txt协议作为网站数据爬取的君子协定。此外,讨论了HTTP协议(包括User-Agent和Connection)和HTTPS协议的安全性及加密方式。
  • 04.08 14:40:07
    发表了文章 2024-04-08 14:40:07

    机器学习之理解Bias-Variance Tradeoff

    这篇内容讨论了机器学习中的Bias-Variance Tradeoff概念。Bias代表模型预测期望值与真实值的差距,高Bias(欠拟合)可能源于模型过于简单。Variance则是模型预测在不同数据集上的变异性,高Variance(过拟合)可能因模型过于复杂,过度拟合噪声。理想的模型应在Bias和Variance之间找到平衡,以降低测试误差。文章通过多项式拟合正弦曲线的例子说明了如何在不同复杂度模型间进行权衡。
  • 04.08 14:34:33
    发表了文章 2024-04-08 14:34:33

    数据库查询(一)

    SQL查询教程概览:介绍统计查询(如count(), avg()等,注意空值和distinct的区别)、分组查询(group by和having的应用)、子查询(非关联子查询和比较运算符的使用)及分页查询(limit用于结果限制)。还提及了union、intersect和except操作以及交叉表查询。
  • 04.02 11:03:37
    发表了文章 2024-04-02 11:03:37

    数据库(五)

    `UPDATE` SQL语句用于修改表中的数据。基本语法是:`UPDATE 表名 SET 属性名1=新值1,属性名2=新值2 WHERE 条件表达式`。例如,更新员工工资:`UPDATE emp SET salary=5000 WHERE id=1`。可以使用`+=`操作符增加值,如`UPDATE emp SET salary=salary+500 WHERE dept_id=2`。统计查询中,`COUNT`, `MAX`, `MIN`, `AVG`, `SUM`等函数用于数值、字符和日期的统计分析,注意`WHERE`子句不能直接使用聚集函数。
  • 04.02 11:02:12
    发表了文章 2024-04-02 11:02:12

    数据库(四)

    `DELETE` 语句用于从表中移除数据。基本语法是 `DELETE FROM 表名 WHERE 条件表达式`,条件可选,若省略则删除所有数据。例如,`DELETE FROM emp WHERE dept_id = 10` 删除10号部门员工。`TRUNCATE` 表名更快,用于清空表,但不支持条件,且数据不可恢复。子查询可用于`CREATE TABLE AS SELECT`来复制表,或在`INSERT`, `UPDATE`语句中进行复杂操作,如更新特定区域员工的工资。
  • 04.02 11:01:23
    发表了文章 2024-04-02 11:01:23

    数据库(三)

    数据完整性是数据库管理中的关键概念,确保数据的准确和一致。主要包括: 1. 实体完整性:通过主键(唯一且非空)来标识表中的每条记录,如创建`test2`表时设置`n1`为主键。 2. 创建表`test3`时,`n1`和`n2`组合成为主键,确保多字段的唯一性。 3. 唯一约束:用于保证列值的唯一性,如在`test1`中添加对`n2`的唯一约束,或创建`test4`时`n1`和`n2`的组合值唯一。 4. 引用完整性:通过外键约束实现,如`emp`表的`dept_id`引用`dept`表的`id`,确保数据间的关联合法性。外键可以有级联操作,如`on delete cascade`和`o
  • 04.02 10:45:03
    发表了文章 2024-04-02 10:45:03

    数据库(二)

    数据查询教程包括单表查询操作,如Select语句用于选取属性,可指定列名、使用别名、计算表达式,并通过Distinct去除重复元组。条件查询(Where子句)支持比较运算,如Between、In、Like(支持模糊匹配)及空值判断。连接查询用于合并多表数据,如内连接、外连接和笛卡尔积。例如,通过连接emp和dept表,可获取员工姓名及其所在部门名称。
  • 04.02 10:44:04
    发表了文章 2024-04-02 10:44:04

    数据库(一)

    登录MySQL数据库的命令是`mysql -u用户名 -p密码`,其中`-u`后面接用户名,`-p`后面接密码。如果服务器不在本地,还需指定`-h`参数加上IP地址或域名,以及可选的`-P`参数指定端口号。创建数据库使用`create database 数据库名`,查看数据库用`show databases;`。数据类型包括整数类型(如int)、字符串(如char、varchar、text)、日期时间类型(如date、time、datetime)等。数据库操作还包括创建表、修改表结构、删除表以及数据的增删改查操作。数据恢复和备份涉及mysqldump工具及source命令来导入导出数据。
  • 04.02 10:22:56
    发表了文章 2024-04-02 10:22:56

    直方图均衡化

    直方图均衡化是一种图像处理技术,通过改变图像灰度级分布,增强图像对比度。手动实现包括计算灰度直方图、像素总数、灰度分布频率、累积分布频率,然后归一化映射到新灰度级,最终得到增强对比度的图像。该方法适用于改善灰度集中或明暗对比不明显的图像,但全局处理可能导致背景干扰增强,丢失细节,且某些图像可能过度增强。局部直方图均衡化可作为改进方案。
  • 04.02 10:19:55
    发表了文章 2024-04-02 10:19:55

    高斯函数 Gaussian Function

    **高斯函数,或称正态分布,以数学家高斯命名,具有钟形曲线特征。关键参数包括期望值μ(决定分布中心)和标准差σ(影响分布的宽度)。当μ=0且σ²=1时,分布为标准正态分布。高斯函数广泛应用于统计学、信号处理和图像处理,如高斯滤波器用于图像模糊。其概率密度函数为e^(-x²/2σ²),积分结果为误差函数。在编程中,高斯函数常用于创建二维权重矩阵进行图像的加权平均,实现模糊效果。
  • 04.02 10:12:11
    发表了文章 2024-04-02 10:12:11

    boxfilter盒子滤波

    **Boxfilter** 是图像处理中的优化技术,通过积分图实现,将O(MN)复杂度的像素和、方差运算降至O(1)。不同于均值滤波,Boxfilter不计算像素均值,而是直接累加邻域像素值。该方法适用于快速计算局部特征,但不支持多尺度。通过滑动矩形模板并更新中间变量缓冲区,高效地完成滤波操作。
  • 04.02 10:10:40
    发表了文章 2024-04-02 10:10:40

    低光图像增强

    这篇摘要讨论了低光照图像增强技术,涉及HDRNet、GAN、轻量化伪影、语义分割网络和Retinex等方法。核心任务是提升图像亮度和细节。方法包括分布映射(如伽马矫正、直方图均衡化)、模型优化(Retinex理论)和深度学习(亮度增强与噪声去除)。传统方法不依赖数据,但可能产生伪影;深度学习方法需大量训练数据,无监督学习更优。不足之处在于缺乏成对数据集和精确标签。
  • 04.02 10:07:26
    发表了文章 2024-04-02 10:07:26

    二叉树前中后序遍历

    这段内容是关于二叉树的前序、中序和后序遍历的Python实现。`Solution`类包含三个方法:`preorderTraversal`、`inorderTraversal`和`postorderTraversal`,分别返回二叉树节点值的前序、中序和后序遍历列表。每个方法都是递归的,遍历顺序为:前序(根-左-右)、中序(左-根-右)、后序(左-右-根)。
  • 03.28 17:38:59
    发表了文章 2024-03-28 17:38:59

    白平衡相关内容,算法

    色温: 讨论白平衡,就要从色温谈起,色温顾名思义就是色彩的温度,它指的是绝对黑体从绝对零度开始持续加热所呈现出来的颜色。温度升高,颜色开始从红、橙、黄、绿、蓝、靛、紫,逐渐变化。这些颜色的差异来自于不同波长光线的比例不同,色温越低,波长较长的光线比例大,红色成分就多。色温越高,波长较短的光线比例大,蓝色的成分就多。
  • 03.28 17:36:09
    发表了文章 2024-03-28 17:36:09

    暗通道先验算法

    暗通道先验算法
  • 03.28 17:32:34
    发表了文章 2024-03-28 17:32:34

    Gamma校正

    下面是自己所整理的一些gamma校正的东西如有侵权请联系删除。
  • 03.28 17:28:44
    发表了文章 2024-03-28 17:28:44

    积分图求解Haar特征

    Haar特征原理
  • 03.28 17:23:16
    发表了文章 2024-03-28 17:23:16

    数据结构与算法 经典排序方法(Python)

    数据结构与算法 经典排序方法(Python)
  • 03.28 17:06:34
    发表了文章 2024-03-28 17:06:34

    【数据分析】Numpy (一)

    【数据分析】Numpy (一)
  • 03.28 16:53:09
    发表了文章 2024-03-28 16:53:09

    【数据分析】numpy (二)

    numpy作为数据分析,深度学习常用的库,本篇博客我们来介绍numpy的一些进阶用法
  • 03.28 16:34:34
    发表了文章 2024-03-28 16:34:34

    conda 创建虚拟环境

    conda 创建虚拟环境
  • 03.28 16:28:20
    发表了文章 2024-03-28 16:28:20

    一文讲解图像梯度

    图像梯度计算的是图像变化的幅度。对于图像的边缘部分,其灰度值变化较大,梯度值变化也较大;相反,对于图像中比较平滑的部分,其灰度值变化较小,相应的梯度值变化也较小。一般情况下,图像梯度计算的是图像的边缘信息。它在图像处理和计算机视觉中具有重要的应用,常用于边缘检测、特征提取和图像增强等任务。
  • 03.28 16:17:21
    发表了文章 2024-03-28 16:17:21

    力扣刷题日常(一)

    力扣刷题日常(一)
  • 03.28 16:10:52
    发表了文章 2024-03-28 16:10:52

    力扣刷题日常(二)

    力扣刷题日常(二)
  • 03.28 16:06:24
    发表了文章 2024-03-28 16:06:24

    力扣Python方法解析

    力扣Python方法解析
  • 03.28 16:02:20
    发表了文章 2024-03-28 16:02:20

    数据结构-二分查找

    数据结构-二分查找
  • 03.28 15:57:40
    发表了文章 2024-03-28 15:57:40

    数据结构-滑动窗口

    数据结构-滑动窗口
  • 03.28 15:51:58
    发表了文章 2024-03-28 15:51:58

    矩阵 螺旋矩阵

    矩阵 螺旋矩阵
  • 03.28 15:48:58
    发表了文章 2024-03-28 15:48:58

    三大排序:冒泡、选择、插入

    三大排序:冒泡、选择、插入
  • 03.28 15:43:18
    发表了文章 2024-03-28 15:43:18

    数据结构-链表(一)

    链表(Linked List)是一种常见的数据结构,用于存储和组织数据。与数组不同,链表的元素(节点)在内存中不必连续存储,而是通过指针链接在一起。 链表由多个节点组成,每个节点包含两部分:数据(存储实际的元素值)和指针(指向下一个节点的引用)。链表的第一个节点称为头节点,最后一个节点称为尾节点,尾节点的指针通常指向空值(null)。
  • 03.28 14:26:48
    发表了文章 2024-03-28 14:26:48

    Matlab 2022a 安装教程 附安装包

    Matlab 2022a 安装教程 附安装包
  • 03.28 14:19:56
    发表了文章 2024-03-28 14:19:56

    数据结构-链表(二)

    数据结构-链表
  • 03.28 14:15:17
    发表了文章 2024-03-28 14:15:17

    Python collections模块

    collections 模块是Python标准库中提供的一个模块,用于提供一些额外的数据容器和工具,扩展了内置的数据类型。它包含了一些有用的类和函数,用于处理各种数据结构和算法问题。下面是 collections 模块中常用的几个类的详细介绍:
  • 03.28 14:11:07
    发表了文章 2024-03-28 14:11:07

    Python Counter详解

    Counter 是 Python collections 模块中的一个类,用于统计可哈希对象的出现次数。它提供了一种方便的方式来计数元素,返回一个字典,其中元素作为键,出现次数作为值。下面详细介绍 Counter 类的使用方法
  • 03.28 14:04:06
    发表了文章 2024-03-28 14:04:06

    使用Python IDLE进行Debug调试

    使用Python IDLE进行Debug调试
  • 03.28 13:59:45
    发表了文章 2024-03-28 13:59:45

    数据结构-哈希表(一)

    哈希表(Hash Table),也称为散列表,是一种常见的数据结构,用于存储键值对。它通过将键映射到一个特定的索引位置来实现高效的数据访问和查找。
  • 03.28 13:51:47
    发表了文章 2024-03-28 13:51:47

    数据结构-哈希表(二)

    数据结构-哈希表(二)
  • 03.28 13:38:39
    发表了文章 2024-03-28 13:38:39

    Python内置函数map、split、join讲解

    Python内置函数map、split、join讲解
  • 03.28 13:27:16
    发表了文章 2024-03-28 13:27:16

    Python格式化操作符使用

    format() 是 Python 中用于字符串格式化的方法,它提供了灵活的方式来插入和格式化值到字符串中。他通过{}一对花括号来进行操作,下面是 format() 方法的用法详解:
  • 03.28 13:21:11
    发表了文章 2024-03-28 13:21:11

    关于图像的几个名词

    灰度:灰度表明图像明暗的数值,即黑白图像中点的颜色深度,范围一般从0到255 白色为255,黑色为0, 故黑白图片也称灰度图像,灰度值指的是单个像素点的亮度。灰度值越大表示越亮 灰度级:灰度级表明图像在不同灰度的最大数量,灰度级越大,图像的亮度范围越大
  • 03.28 13:18:45
    发表了文章 2024-03-28 13:18:45

    软件工程可行性分析报告

    软件工程实验报告

2024年04月

  • 发表了文章 2024-05-15

    基础算法题

  • 发表了文章 2024-05-15

    Locally Adaptive Color Correction for Underwater Image Dehazing and Matching

  • 发表了文章 2024-05-15

    图像直方图

  • 发表了文章 2024-05-15

    爬虫

  • 发表了文章 2024-05-15

    机器学习之理解Bias-Variance Tradeoff

  • 发表了文章 2024-05-15

    低光图像增强

  • 发表了文章 2024-05-15

    数据库(三)

  • 发表了文章 2024-05-15

    数据库(四)

  • 发表了文章 2024-05-15

    白平衡相关内容,算法

  • 发表了文章 2024-05-15

    数据库(五)

  • 发表了文章 2024-05-15

    数据库(一)

  • 发表了文章 2024-05-15

    conda 创建虚拟环境

  • 发表了文章 2024-05-15

    数据库(二)

  • 发表了文章 2024-05-15

    三大排序:冒泡、选择、插入

  • 发表了文章 2024-05-15

    直方图均衡化

  • 发表了文章 2024-05-15

    Python collections模块

  • 发表了文章 2024-05-15

    Python Counter详解

  • 发表了文章 2024-05-15

    数据结构-哈希表(二)

  • 发表了文章 2024-05-15

    软件工程可行性分析报告

  • 发表了文章 2024-05-15

    关于图像的几个名词

正在加载, 请稍后...
滑动查看更多
  • 回答了问题 2024-04-01

    百问求答幻兽帕鲁专场!回答问题赢天猫精灵IN糖等好礼

    重在参与

    踩0 评论0
正在加载, 请稍后...
滑动查看更多
正在加载, 请稍后...
暂无更多信息