Skip to content

Commit 886246f

Browse files
committed
错误修正
1 parent df5fb73 commit 886246f

File tree

9 files changed

+85
-95
lines changed

9 files changed

+85
-95
lines changed

Diff for: Question_01_10/README.md

+14-14
Original file line numberDiff line numberDiff line change
@@ -30,7 +30,7 @@ red = img[:, :, 2].copy()
3030

3131
灰度是一种图像亮度的表示方法,通过下式计算:
3232
$$
33-
Y = 0.2126\cdot R + 0.7152\cdot G + 0.0722\cdot B
33+
Y = 0.2126\ R + 0.7152\ G + 0.0722\ B
3434
$$
3535

3636
| 输入(imori.jpg) | 输出(answers_image/answer_2.jpg) |
@@ -82,8 +82,8 @@ $$
8282

8383
即:
8484

85-
* 类内方差:${S_w}^2=w_0\cdot{S_0}^2+w_1\cdot {S_1}^2$
86-
* 类间方差:${S_b}^2 = w_0 \cdot (M_0 - M_t)^2 + w_1\cdot(M_1 - M_t)^2 = w_0\cdot w_1\cdot (M_0 - M_1) ^2$
85+
* 类内方差:${S_w}^2=w_0\ {S_0}^2+w_1\ {S_1}^2$
86+
* 类间方差:${S_b}^2 = w_0 \ (M_0 - M_t)^2 + w_1\ (M_1 - M_t)^2 = w_0\ w_1\ (M_0 - M_1) ^2$
8787
* 图像所有像素的方差:${S_t}^2 = {S_w}^2 + {S_b}^2 = \text{常数}$
8888

8989
根据以上的式子,我们用以下的式子计算分离度$X$:[^1]
@@ -98,11 +98,11 @@ $$
9898
$$
9999
\arg\max\limits_{t}\ X=\arg\max\limits_{t}\ {S_b}^2
100100
$$
101-
换言之,如果使${S_b}^2={w_0}\cdot{w_1}\cdot(M_0 - M_1)^2$最大,就可以得到最好的二值化阈值$t$。
101+
换言之,如果使${S_b}^2={w_0}\ {w_1}\ (M_0 - M_1)^2$最大,就可以得到最好的二值化阈值$t$。
102102

103103
| 输入(imori.jpg) | 输出 ($\text{th} = 127$​) (answers_image/answer_4.jpg) |
104-
| :--------------: | :-------------------------------------: |
105-
| ![](imori.jpg) | ![](answers_image/answer_4.jpg) |
104+
| :--------------: | :----------------------------------------------------: |
105+
| ![](imori.jpg) | ![](answers_image/answer_4.jpg) |
106106

107107
> 答案
108108
> Python >> [answers/answer_4.py](answers/answer_4.py)
@@ -134,9 +134,9 @@ $$
134134
$$
135135
H=\begin{cases}
136136
0&(\text{if}\ \text{Min}=\text{Max})\\
137-
60\cdot \frac{G-R}{\text{Max}-\text{Min}}+60&(\text{if}\ \text{Min}=B)\\
138-
60\cdot \frac{B-G}{\text{Max}-\text{Min}}+180&(\text{if}\ \text{Min}=R)\\
139-
60\cdot \frac{R-B}{\text{Max}-\text{Min}}+300&(\text{if}\ \text{Min}=G)
137+
60\ \frac{G-R}{\text{Max}-\text{Min}}+60&(\text{if}\ \text{Min}=B)\\
138+
60\ \frac{B-G}{\text{Max}-\text{Min}}+180&(\text{if}\ \text{Min}=R)\\
139+
60\ \frac{R-B}{\text{Max}-\text{Min}}+300&(\text{if}\ \text{Min}=G)
140140
\end{cases}
141141
$$
142142
饱和度:
@@ -151,8 +151,8 @@ $$
151151
$$
152152
C = S\\
153153
H' = \frac{H}{60}\\
154-
X = C\cdot (1 - |H' \mod 2 - 1|)\\
155-
(R,G,B)=(V-C)\cdot(1,1,1)+\begin{cases}
154+
X = C\ (1 - |H' \mod 2 - 1|)\\
155+
(R,G,B)=(V-C)\ (1,1,1)+\begin{cases}
156156
(0, 0, 0)& (\text{if H is undefined})\\
157157
(C, X, 0)& (\text{if}\quad 0 \leq H' < 1)\\
158158
(X, C, 0)& (\text{if}\quad 1 \leq H' < 2)\\
@@ -205,7 +205,7 @@ $$
205205

206206
池化操作是**卷积神经网络(Convolutional Neural Network)**中重要的图像处理方式。平均池化按照下式定义:
207207
$$
208-
v=\frac{1}{|R|}\cdot \sum\limits_{i=1}^R\ v_i
208+
v=\frac{1}{|R|}\ \sum\limits_{i=1}^R\ v_i
209209
$$
210210
请把大小为$128\times128$的`imori.jpg`使用$8\times8$的网格做平均池化。
211211

@@ -242,12 +242,12 @@ $$
242242

243243
按下面的高斯分布公式计算权值:
244244
$$
245-
g(x,y,\sigma)=\frac{1}{2\cdot \pi\cdot\sigma^2}\cdot e^{-\frac{x^2+y^2}{2\cdot \sigma^2}}
245+
g(x,y,\sigma)=\frac{1}{2\ \pi\ \sigma^2}\ e^{-\frac{x^2+y^2}{2\ \sigma^2}}
246246
$$
247247

248248
标准差$\sigma=1.3$的$8-$近邻高斯滤波器如下:
249249
$$
250-
K=\frac{1}{16}\cdot \left[
250+
K=\frac{1}{16}\ \left[
251251
\begin{matrix}
252252
1 & 2 & 1 \\
253253
2 & 4 & 2 \\

Diff for: Question_11_20/README.md

+3-3
Original file line numberDiff line numberDiff line change
@@ -188,12 +188,12 @@ $$
188188
=& \frac{I_x(x,y) - I_x(x-1,y)}{(x+1)-x} \\
189189
=& I_x(x,y) - I_x(x-1,y)\\
190190
=&[I(x+1, y) - I(x,y)] - [I(x, y) - I(x-1,y)]\\
191-
=& I(x+1,y) - 2\cdot I(x,y) + I(x-1,y)
191+
=& I(x+1,y) - 2\ I(x,y) + I(x-1,y)
192192
\end{align*}
193193
$$
194194
同理:
195195
$$
196-
I_{yy}(x,y)=I(x,y+1)-2\cdot I(x,y)+I(x,y-1)
196+
I_{yy}(x,y)=I(x,y+1)-2\ I(x,y)+I(x,y-1)
197197
$$
198198
特此,Laplacian 表达式如下:
199199
$$
@@ -259,7 +259,7 @@ $$
259259

260260
LoG 滤波器使用以下式子定义:
261261
$$
262-
\text{LoG}(x,y)=\frac{x^2 + y^2 - s^2}{2 \cdot \pi \cdot s^6} \cdot e^{-\frac{x^2+y^2}{2\cdot s^2}}
262+
\text{LoG}(x,y)=\frac{x^2 + y^2 - s^2}{2 \ \pi \ s^6} \ e^{-\frac{x^2+y^2}{2\ s^2}}
263263
$$
264264

265265
| 输入 (imori_noise.jpg) | 输出(answers_image/answer_19.jpg) |

Diff for: Question_21_30/README.md

+34-34
Original file line numberDiff line numberDiff line change
@@ -13,7 +13,7 @@
1313

1414
来归一化直方图吧。
1515

16-
有时直方图会存在偏差
16+
有时直方图会偏向一边
1717

1818
比如说,数据集中在$0$处(左侧)的图像全体会偏暗,数据集中在$255$处(右侧)的图像会偏亮。
1919

@@ -26,7 +26,7 @@ $$
2626
x_{out}=
2727
\begin{cases}
2828
a& (\text{if}\quad x_{in}<c)\\
29-
\frac{b-a}{d-c}\cdot(x_{in}-c)+a&(\text{else if}\quad c\leq x_{in}<d)\\
29+
\frac{b-a}{d-c}\ (x_{in}-c)+a&(\text{else if}\quad c\leq x_{in}<d)\\
3030
b&(\text{else})
3131
\end{cases}
3232
$$
@@ -48,7 +48,7 @@ $$
4848

4949
可以使用下式将平均值为$m$标准差为$s$的直方图变成平均值为$m_0$标准差为$s_0$的直方图:
5050
$$
51-
x_{out}=\frac{s_0}{s}\cdot (x_{in}-m)+m_0
51+
x_{out}=\frac{s_0}{s}\ (x_{in}-m)+m_0
5252
$$
5353

5454
| 输入 (imori_dark.jpg) | 输出 (answers_image/answer_22_1.jpg) | 直方图(answers_image//answer_22_2.png) |
@@ -68,7 +68,7 @@ $$
6868

6969
均衡化操作由以下式子定义。$S$是总的像素数;$Z_{max}$是像素点的最大取值(在这里是$255$);$h(z)$表示取值为$z$的累积分布函数:
7070
$$
71-
Z' = \frac{Z_{max}}{S} \cdot \sum\limits_{i=0}^z\ h(i)
71+
Z' = \frac{Z_{max}}{S} \ \sum\limits_{i=0}^z\ h(i)
7272
$$
7373

7474
| 输入 (imori.jpg) | 输出 (answers/answer_23_1.jpg) | 直方图(answers_image/answer_23_2.png) |
@@ -91,11 +91,11 @@ $$
9191

9292
由于下式引起非线性变换,在该式中,$x$被归一化,限定在$[0,1]$范围内。$c$是常数,$g$为伽马变量(通常取$2.2$):
9393
$$
94-
x' = c\cdot {I_{in}}^ g
94+
x' = c\ {I_{in}}^ g
9595
$$
9696
因此,使用下面的式子进行伽马校正:
9797
$$
98-
I_{out} ={\frac{1}{c}\cdot I_{in}} ^ {\frac{1}{g}}
98+
I_{out} ={\frac{1}{c}\ I_{in}} ^ {\frac{1}{g}}
9999
$$
100100
| 显示屏上的图像显示 | $\gamma$修正值 |
101101
| :--------------------: | :--------------------: |
@@ -118,7 +118,7 @@ $$
118118

119119
最近邻插值在图像放大时补充的像素取最临近的像素的值。由于方法简单,所以处理速度很快,但是放大图像画质劣化明显。
120120

121-
使用下面的公式放大图像吧!$I'$为放大后图像,$I$为放大前图像,$a$为放大率,方括号是四舍五入取证操作
121+
使用下面的公式放大图像吧!$I'$为放大后图像,$I$为放大前图像,$a$为放大率,方括号是四舍五入取整操作
122122

123123
<img src="assets/nni_fig.png">
124124
$$
@@ -150,9 +150,9 @@ $$
150150

151151
4. 根据下式求得放大后图像$(x',y')$处的像素值:
152152
$$
153-
d_x = \frac{x'}{a} - x\\
153+
d_x = \frac{x'}{a} - x\\
154154
d_y = \frac{y'}{a} - y\\
155-
I'(x',y') = (1-d_x)\cdot (1-d_y)\cdot I(x,y) + d_x\cdot (1-d_y)\cdot I(x+1,y) + (1-d_x)\cdot d_y\cdot I(x,y+1) + d_x\cdot d_y\cdot I(x+1,y+1)
155+
I'(x',y') = (1-d_x)\ (1-d_y)\ I(x,y) + d_x\ (1-d_y)\ I(x+1,y) + (1-d_x)\ d_y\ I(x,y+1) + d_x\ d_y\ I(x+1,y+1)
156156
$$
157157
| 输入 (imori.jpg) | 输出(answers_image/answer_26.jpg) |
158158
| :--------------: | :-------------------------------: |
@@ -174,22 +174,22 @@ $$
174174
各自像素间的距离由下式决定:
175175
$$
176176
\begin{align*}
177-
d_{x_1} = |\frac{x'}{a\cdot x} - (x-1)|\quad
178-
d_{x_2} = |\frac{x'}{a\cdot x}- x| \quad
179-
d_{x_3} = |\frac{x'}{a\cdot x}- (x+1)|\quad
180-
d_{x_4} = |\frac{x'}{a\cdot x} - (x+2)|\\
181-
d_{y_1} = |\frac{x'}{a\cdot y} - (y-1)|\quad
182-
d_{y_2} = |\frac{x'}{a\cdot y} - y| \quad
183-
d_{y_3} = |\frac{x'}{a\cdot y} - (y+1)| \quad
184-
d_{y_4} = |\frac{x'}{a\cdot y} - (y+2)|
177+
d_{x_1} = |\frac{x'}{a\ x} - (x-1)|\quad
178+
d_{x_2} = |\frac{x'}{a\ x}- x| \quad
179+
d_{x_3} = |\frac{x'}{a\ x}- (x+1)|\quad
180+
d_{x_4} = |\frac{x'}{a\ x} - (x+2)|\\
181+
d_{y_1} = |\frac{x'}{a\ y} - (y-1)|\quad
182+
d_{y_2} = |\frac{x'}{a\ y} - y| \quad
183+
d_{y_3} = |\frac{x'}{a\ y} - (y+1)| \quad
184+
d_{y_4} = |\frac{x'}{a\ y} - (y+2)|
185185
\end{align*}
186186
$$
187187
权重由基于距离的函数取得。$a$在大部分时候取$-1$。大体上说,图中蓝色像素的距离$|t|\leq 1$,绿色像素的距离$1<|t|\leq 2$:
188188
$$
189189
h(t)=
190190
\begin{cases}
191-
(a+2)\cdot|t|^3 - (a+3)\cdot|t|^2 + 1 &\text{when}\quad |t|\leq 1 \\
192-
a\cdot|t|^3 - 5\cdot a\cdot|t|^2 + 8\cdot a\cdot |t| - 4\cdot a&\text{when}\quad 1<|t|\leq 2\\
191+
(a+2)\ |t|^3 - (a+3)\ |t|^2 + 1 &\text{when}\quad |t|\leq 1 \\
192+
a\ |t|^3 - 5\ a\ |t|^2 + 8\ a\ |t| - 4\ a&\text{when}\quad 1<|t|\leq 2\\
193193
0&\text{else}
194194
\end{cases}
195195
$$
@@ -230,7 +230,7 @@ y'
230230
a&b\\
231231
c&d
232232
\end{matrix}
233-
\right)\cdot
233+
\right)\
234234
\left(
235235
\begin{matrix}
236236
x\\
@@ -254,8 +254,8 @@ y
254254
\right)+
255255
\left(
256256
\begin{matrix}
257-
tx\\
258-
ty
257+
t_x\\
258+
t_y
259259
\end{matrix}
260260
\right)
261261
$$
@@ -270,11 +270,11 @@ y'\\
270270
\right)=
271271
\left(
272272
\begin{matrix}
273-
a&b&tx\\
274-
c&d&ty\\
273+
a&b&t_x\\
274+
c&d&t_y\\
275275
0&0&1
276276
\end{matrix}
277-
\right)\cdot
277+
\right)\
278278
\left(
279279
\begin{matrix}
280280
x\\
@@ -295,13 +295,13 @@ x\\
295295
y
296296
\end{matrix}
297297
\right)=
298-
\frac{1}{a\cdot d-b\cdot c}\cdot
298+
\frac{1}{a\ d-b\ c}\
299299
\left(
300300
\begin{matrix}
301301
d&-b\\
302302
-c&a
303303
\end{matrix}
304-
\right)\cdot
304+
\right)\
305305
\left(
306306
\begin{matrix}
307307
x'\\
@@ -310,8 +310,8 @@ y'
310310
\right)-
311311
\left(
312312
\begin{matrix}
313-
tx\\
314-
ty
313+
t_x\\
314+
t_y
315315
\end{matrix}
316316
\right)
317317
$$
@@ -330,7 +330,7 @@ y'\\
330330
0&1&t_y\\
331331
0&0&1
332332
\end{matrix}
333-
\right)\cdot
333+
\right)\
334334
\left(
335335
\begin{matrix}
336336
x\\
@@ -366,7 +366,7 @@ $$
366366
## 问题三十:仿射变换( Afine Transformations )——旋转
367367

368368
1. 使用仿射变换,逆时针旋转$30$度。
369-
2. 使用仿射变换,逆时针旋转30度并且能让全部图像显现(也就是说,单纯地做仿射变换会让图片边缘丢失,这一步中要让图像的边缘不丢失,需要耗费一些工夫)。
369+
2. 使用仿射变换,逆时针旋转$30$度并且能让全部图像显现(也就是说,单纯地做仿射变换会让图片边缘丢失,这一步中要让图像的边缘不丢失,需要耗费一些工夫)。
370370

371371
使用下面的式子进行逆时针方向旋转$A$度的仿射变换:
372372
$$
@@ -379,11 +379,11 @@ y'\\
379379
\right)=
380380
\left(
381381
\begin{matrix}
382-
\cos(A)&-\sin(A)&tx\\
383-
\sin(A)&\cos(A)&ty\\
382+
\cos(A)&-\sin(A)&t_x\\
383+
\sin(A)&\cos(A)&t_y\\
384384
0&0&1
385385
\end{matrix}
386-
\right)\cdot
386+
\right)\
387387
\left(
388388
\begin{matrix}
389389
x\\

Diff for: Question_21_30/README.pdf

45.6 KB
Binary file not shown.

0 commit comments

Comments
 (0)