原创 ch04 Julia圖像裁剪、縮放和旋轉

using Images,ImageView img = load("lighthouse.png"); print(size(img)); 結果: (512, 768) names(ImageTransformations

原创 利用QT將c++程序打包

第一步:打開一個QT程序,以release方式運行一次。操作如下圖: 這時你的工程項目文件夾下,會生成一個關於release的文件夾: 第二步:打開關於release相關的文件夾,找到該目錄下release目錄下的.exe程序

原创 pytorch利用卷積神經網絡進行CIFAR-10圖像分類

卷積神經網絡 在這教程中,主要學習訓練CNN,來對CIFAR-10數據集進行圖像分類。 該數據集中的圖像是彩色小圖像,其中被分爲了十類。 一些示例圖像,如下圖所示: 測試GPU是否可以使用 數據集中的圖像大小爲32x32x3

原创 ch03 julia圖像基礎操作

using Images 加載圖像 img = load("lighthouse.png") 結果: 例3-1:獲取像素 test = img[1,1:2] test1 = test.*255 println("test:",

原创 julia ImageMetadata

注意:該包無法獲取圖片Exif信息,故不多贅述。 如果需要讀取圖片Exif信息可採用python解決。參考往照片中寫入pos信息 using Images,ImageMetadata # 查看ImageMetadata中所有

原创 MinGW+OpenCV4.3+QT環境搭建

主要流程參考: MinGW+OpenCV4.2+QT源碼編譯到程序演示 部分問題的解決 由於網絡問題,部分文件無法下載會報202錯誤,需手動下載。 在CMakeDownloadLog查看需要手動下載的的網址 下載並替換這三個文件

原创 JuliaImages、skimage與matlab框架比較

下表對於從其他框架進行遷移的人員以及識別JuliaImages中缺少的函數可能很有用。 請注意,有些相關的程序包尚未集成到更通用的框架中,也沒有託管在JuliaImages中(例如DICOM.jl等); 此處未記錄此類函數。 該表

原创 ch02 Julia圖像的數據結構

圖像數據類型 例2-1:查看圖像數據 using Images img = load("lena_gray_512.tif"); img2 = load("lena_color_512.tif"); # 查看第一行第一列的元素

原创 ch00(a) Julia圖像庫的安裝

安裝需要用的的庫 julia> using Pkg julia> Pkg.add("Images") julia> Pkg.add("ImageMetadata") julia> Pkg.add("ImageView") juli

原创 ch01 Julia圖像的讀寫與顯示

1.圖像讀取 在磁盤中的圖片讀取 # 查看當前路徑 julia> pwd() "C:\\Users\\67231\\Desktop\\JuliaImages" # 更改路徑 julia> cd("ch01") julia> pw

原创 Julia數值計算總結

文章目錄關鍵字控制流數值類型整數類型及其取值浮點數類型及其取值非常特殊的 3 種浮點數數值類型層次結構圖:類型聲明數學運算數學運算符位運算符比較操作符運算符的優先級和結合性數學函數速覽數組基礎函數構造和初始化連接在數組中搜索的函數

原创 JuliaImages 中的各種包

JuliaImages 中的各種包 !!! 提示大多數用戶應該先從教程開始,然後再深入瞭解文檔中的各個包。juliamages的大部分函數來自於編寫在其他環境中,但也存在一些非常基本的操作,教程將使這個工作流程更加清晰。 本節記錄

原创 ch00(b) JuliaImages支持的圖像或視頻格式

Images.load或FileIO.load支持的圖像或視頻格式。 格式名稱 擴展名 IO library detection or magic number JLD .jld loads and saves on allpla

原创 Python包 - networkx

Python包 - networkx networkx是Python的一個包,用於構建和操作複雜的圖結構,提供分析圖的算法。圖是由頂點、邊和可選的屬性構成的數據結構,頂點表示數據,邊是由兩個頂點唯一確定的,表示兩個頂點之間的關係。

原创 NetworkX創建圖節點並添加邊

In [1]: import networkx as nx In [3]: import matplotlib.pyplot as plt In [4]: G = nx.Graph() In [5]: G.add_nodes