- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习和计算机视觉
【从零学习OpenCV 4】图像膨胀
代码清单6-13 dilate()图像膨胀 1.void cv::dilate(InputArray src, 2. 代码清单6-14 myDilate.cpp图像膨胀 1.#include <opencv2\opencv.hpp> 2.#include <iostream> 3. //黑背景图像膨胀 38. dilate(LearnCV_black, dilate_black1, struct1); 39. dilate(LearnCV_black, dilate_black2, . imshow("dilate_black2", dilate_black2); 43. 44. . imshow("dilate_write2", dilate_write2); 50. 51.
84020发布于 2020-02-13 - 来自专栏图像处理与模式识别研究所
图像膨胀
kernel=np.ones((5,5),np.uint8)#设置核kernel dilation=cv2.dilate(o,kernel,iterations=9)#膨胀图像 cv2.imshow( "original",o) cv2.imshow("dilation",dilation) cv2.waitKey() cv2.destroyAllWindows() 算法：图像膨胀是对图像的边界进行扩张 如果图像内两个对象的距离较近，在膨胀过程中，两个对象可能会连在一起。膨胀和腐蚀作用相反，膨胀可以填补分割图像后的空白位置。 [3, 1]、img[3, 2]、img[3, 3]时，核内像素点与前景图像像素点重合 最后得到膨胀图像 dst=cv2.dilate(src, kernel[, anchor[, interations 图像的深度是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F kernel表示膨胀操作时所采用的结构类型，通过函数cv2.getStructuringElement()生成 anchor
58720编辑于 2022-05-28 - 来自专栏又见苍岚
膨胀卷积
膨胀卷积有一个超参数：膨胀因子S，通过膨胀因子我们可以控制卷积核的膨胀程度，上图中的膨胀因子为2。膨胀因子是如何控制卷积核的膨胀程度的呢？ 膨胀卷积的感受野的计算方式 F_1 ,F _2 ,F _3 分别是第1，2，3层特征图。 缺点 gridding problem，如果我们叠加多个相同的膨胀卷积，会发现感受野中有很多像素没有利用上（感受野的方阵中只有蓝色和红色方块参与计算，白色方块使用零填充，相当于没有参与运算），出现大量空洞 膨胀因子可以设计成锯齿状结构，例如 [1, 2, 5, 1, 2, 5] 循环结构。 膨胀因子需要满足以下公式： M_i=Max(M_{i+1}-2r_i,M_{i+1}-2(M_{i+1}-r_i),r_i)M 参数含义： 基于Pytorch的代码实现 Pytorch中膨胀卷积和普通卷积共用一个
1K10编辑于 2024-05-28 - 来自专栏AI那点小事
膨胀的牛牛
牛牛有一天依次遇到n堆被施展了魔法的草料,牛牛只要遇到一堆跟他当前相同大小的草料,它就会把草料吃完,而使自己的大小膨胀一倍。一开始牛牛的大小的是A,然后给出牛牛依次遇到的n堆草料的大小。 输入例子: 5 1 2 1 3 1 2 输出例子: 4 import java.util.Scanner; /* * 不多说，在线处理 * 每输入一个数，若与A相同，A= A*2 * i < N ; i++){ num[i] = in.nextInt(); if(num[i] == A){ A *= 2;
47920发布于 2020-04-18 - 来自专栏拓端tecdat
R语言广义线性模型(GLMs)算法和零膨胀模型分析
连接函数有： 平方根连接（用于泊松模型） 考虑一些均值μ和方差σ2的随机变量Y。 在那种情况下，运行带有对数链接函数的伯努利回归，首先与对原始数据运行泊松回归，然后在我们的二进制变量零和非零上使用。 我们在这里运行零膨胀模型进行比较， summary(regZIP) Count model coefficients (poisson with log link): Estimate -16 *** X2 1.004814 0.024172 41.570 <2e-16 *** Zero-inflation model coefficients ( 0.96121 -0.016 0.9872 --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 由于零的膨胀
2.1K11发布于 2020-10-21 - 来自专栏CodecWang
12: 腐蚀与膨胀
目标 了解形态学操作的概念 学习膨胀、腐蚀、开运算和闭运算等形态学操作 OpenCV函数：cv2.erode(), cv2.dilate(), cv2.morphologyEx() 教程 啥叫形态学操作 = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5)) # 十字形结构Copy to clipboardErrorCopied 膨胀 膨胀与腐蚀相反 ，取的是局部最大值，效果是把图片"变胖"： dilation = cv2.dilate(img, kernel) # 膨胀Copy to clipboardErrorCopied 开/闭运算 先腐蚀后膨胀叫开运算 Copy to clipboardErrorCopied 闭运算则相反：先膨胀后腐蚀（先膨胀会使白色的部分扩张，以至于消除/"闭合"物体里面的小黑洞，所以叫闭运算） img = cv2.imread(' 先腐蚀后膨胀会分离物体，所以叫开运算，常用来去除小区域物体。 先膨胀后腐蚀会消除物体内的小洞，所以叫闭运算。开/闭理解了之后很容易记忆噢(⊙o⊙)。
1.4K30编辑于 2021-12-07 - 来自专栏用户11825160的专栏
【C++】STL详解（四）—从零撸出vector，写完我膨胀了
2 模板实例化与类型绑定 使用类模板时，需要通过 显示实例化 来确定类型。实例化后，T 会被替换为具体类型。 常规策略是开辟更大的空间（一般按 2 倍扩容，或者直接扩到 n），然后迁移原有元素，再补充新元素。 4 : capacity() * 2); } *_finish = x; ++_finish; } pop_back insert函数可以在所给迭代器pos位置插入数据，在插入数据前先判断是否需要增容 4 : capacity() * 2); pos = _start + len;//更新pos位置，解决上述问题 } iterator end = _finish - 1; //指向最后一个数据 //拷贝构造v2(v1) vector(const vector<T>& v) :_start(nullptr) , _finish(nullptr) , _endofstorage(nullptr
15110编辑于 2025-12-20 - 来自专栏存储内核技术交流
聊聊PostgreSQL表膨胀
PostgreSQL膨胀 膨胀在PG中表示表或者索引的大小大于实际数据的大小，其次表中每个block或者page的空间利用率低。 这行数据依然在Block B中，这个就是dead tuple.所以在PG中，如果有非常多的update和delete,会产生非常多的dead tuples,这些dead tuples的集合就是PG中的膨胀 针对PG中的膨胀问题是通过vacuum来解决，PG中的auto vacuum会阻塞read/write操作，手动的vacuum则不会阻塞。 验证PostgreSQL膨胀 OS版本 [perrynzhou@local-dev ~/Debug/pg_home]$ uname -a Linux local-dev 4.18.0-348.7.1.el8 rows) xmin隐藏列表示数据插入时候的事务ID,xmax隐藏列表示数据删除/更改时候的事务ID.这次模拟是在会话A中初始化插入数据->会话B中更新数据->在回到会话A中查询数据来观察数据表是如何膨胀的
2.3K11编辑于 2023-02-26 - 来自专栏Java知识图谱
Synchronized锁及其膨胀
2、修饰代码块 修饰代码块比修饰方法颗粒度更小。当实例方法代码块被synchronized修饰时，通过当前实例调用此方法的所有线程共用一把锁，不同对象调用此方法线程间互不影响。 2、性能比较 无锁与偏向锁的性能差异非常接近，几乎可以忽略不计。 （二）轻量级锁 线程间存在锁的伪竞争行为，即同一时刻绝对不会存在两个线程申请获取锁，各线程尽管都有使用锁的需求，但是是交替使用锁。 2、性能比较 轻量级锁由于同一时刻不存在两个线程互相竞争锁，因此不存在线程阻塞-唤醒的上下文切换，因此性能相对重量级锁要高很多。 2、性能比较 重量级锁由于涉及到线程阻塞-唤醒的上下文切换，造成相比较与无锁状态，效率低很多。 2、重入性 synchronized锁是可重入锁，可重入意味着嵌套调用不会产生死锁问题。 3、乐（悲）观锁 synchronized锁是一种悲观锁，通过加锁实现线程间同步。
31320编辑于 2022-04-22 `varlibdockercontainers` 目录膨胀问题
典型目录结构展开代码语言：TXTAI代码解释/var/lib/docker/containers/└──<container-id>/├──config.v2.json├──hostconfig.json ├──checkpoints/└──<container-id>-json.log其中：文件作用config.v2.json容器运行配置hostconfig.json网络、挂载、资源限制*-json.log 2️⃣应用日志直接输出到stdout以下行为会直接写入json.log：log.Println()fmt.Println()console.log()JavaSystem.out.println()典型场景 立刻释放磁盘）1️⃣清空日志（不中断服务）展开代码语言：BashAI代码解释truncate-s0/var/lib/docker/containers/*/*.log✔️容器继续运行✔️磁盘空间立即释放2️⃣ :driver:json-fileoptions:max-size:"20m"max-file:"5"✅三、长期治理（生产最佳实践）1️⃣应用日志分级控制生产环境关闭DEBUG高频日志禁止stdout2️⃣
1.3K21编辑于 2025-12-17- 来自专栏帮你学MatLab
形态学膨胀腐蚀
imdilate一起使用 % 要展开几何对象，通常需要创建与对象形状相同的结构元素 SE = strel('square',3); % 将输入图像和结构元素传递给imdilate % 向前景对象的所有边添加1 BW2 = imdilate(BW,SE); imshow(imresize(BW2,40,'nearest')) % 为了进行比较，创建一个不同形状的结构元素 % 使用新的结构元素扩展原始图像 SE2 = strel ('diamond',1); BW3 = imdilate(BW,SE2); imshow(imresize(BW3,40,'nearest')) montage({BW,BW2,BW3}, 'Size 、显示图像 BW1 = imread('circbw.tif'); imshow(BW1) % 创建一个对角结构元素 SE = strel('arbitrary',eye(7)); % 腐蚀图像 BW2 = imerode(BW1,SE); % 显示原始图像和腐蚀图像 % 对角线条纹是由于结构元素的形状 imshow(BW2) montage({BW1,BW2}, 'Size', [2 1]); ?
1.2K20发布于 2019-06-12 - 来自专栏微卡智享
Android OpenCV（三十）：图像膨胀
图像腐蚀、膨胀是基于高亮部分(白色)操作的，膨胀是对高亮部分进行膨胀，类似“领域扩张”，腐蚀是高亮部分被腐蚀，类似“领域蚕食”。 图像膨胀 图像膨胀的作用是将目标图像扩大，运算效果取决于结构元素大小内容以及逻辑运算性质。图像膨胀操作可以用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声。 static final int CV_SHAPE_RECT = 0, CV_SHAPE_CROSS = 1, CV_SHAPE_ELLIPSE = 2, mBinary = Mat() val gray = Mat() Imgproc.cvtColor(bgr, gray, Imgproc.COLOR_BGR2GRAY 膨胀效果
1.2K20发布于 2021-04-21 - 来自专栏拓端tecdat
用SAS进行泊松，零膨胀泊松和有限混合Poisson模型分析
intercept = -2 B2_age = 0 B2_acadmos = 0 B2_minordrg = 0 B2_logspend = 0; eta1 = B1_intercept + = B2_intercept + B2_age * age + B2_acadmos * acadmos + B2_minordrg * minordrg + B2_logspend * logspend 0.0036 */ 零膨胀泊松模型 *** ZERO-INFLATED POISSON MODEL WITH FMM PROCEDURE ***; proc fmm data = tmp1 tech = B2_intercept + B2_age * age + B2_acadmos * acadmos + B2_minordrg * minordrg + B2_logspend * logspend ; exp_eta2 = exp(eta2); prob2 = exp(-exp_eta2) * exp_eta2 ** majordrg / fact(majordrg); eta3
82020发布于 2020-07-17 Zephyr确认部分RDNA 2 GPU因裂纹、膨胀或短路而失效
中国显卡品牌厂商Zephyr近日披露，迄今为止已在保修期内更换了多款高端基于RDNA 2 的显卡，这些GPU均为核心故障。 Zephyr展示了一托盘已损坏的RDNA2（6800/6900XT）显卡芯片，以证明Zephyr愿意处理退货处理，无论芯片是否短路、裂开或基板起泡。 在RX 6000系列显卡风波爆发时，一家德国零售商已将其归因于加密热潮和高湿度存储的结合。然而，没有制造商站出来发表声明，因为这不是一个大规模且从未被重视的问题。 许多人仍然喜欢RDNA 2 GPU，因为它的性价比极高。 编辑：芯智讯-林子
10210编辑于 2026-03-20- 来自专栏深蓝居
小心MOSS日志文件膨胀
最近为了项目的需要，在我本已不堪重负的本本上装了个AD和MOSS。MOSS装的是2007 SP1，然后打上了好几百兆的补丁，用了一下还勉强可以使用，就只有把本本作为MOSS的开发环境了。
41620编辑于 2022-06-16 - 来自专栏云深之无迹
示波器从使用到膨胀
谢谢，测了一下午信号，现在膨胀的和猪一样： 因为，emmmmm，会使用示波器了（以前倒是也用，但是那是遥远的此前了）。 先说需求，我要测量一个小信号，想知道信号的峰值，长度等。 2、直流耦合：直流耦合直通，交流直流一起过，并不没有去掉交流分量。 对于示波器来说，波形触发采样是相当重要的功能了，但是这个太便宜了，只有上下沿的触发，我觉得也倒是够用。 注意下面的X2-1，不是现在得信号宽度，而是参考线之间得长度，这里需要设置一下线才可以。
56220编辑于 2023-02-27 - 来自专栏学习
2.复写零
复写零 1. 题目描述 给你一个长度固定的整数数组 arr，请你将该数组中出现的每个零都复写一遍，并将其余的元素向右平移。 注意：请不要在超过该数组长度的位置写入元素。 示例 示例 1： 输入：arr = [1,0,2,3,0,4,5,0] 输出：[1,0,0,2,3,0,0,4] 解释：调用函数后，输入的数组将被修改为：[1,0,0,2,3,0,0,4] 示例 2： 输入：arr = [1,2,3] 输出：[1,2,3] 解释：调用函数后，输入的数组将被修改为：[1,2,3] 提示： 1 <= arr.length <= 10⁴ 0 <= arr[i] <= 9 2 从后向前复写数组：从最后一个需要复写的元素开始倒序复写，遇到零时写两次，遇到非零元素时写一次。 具体方法： 第一步 ：遍历数组，找到「最后一个需要复写的数字」的索引。 倒序复写时，处理零和非零元素的区别。 通过上述方法，可以高效完成数组的就地修改，且符合题目要求。如果有其他疑问或优化建议，欢迎讨论！
19900编辑于 2025-01-23 - 来自专栏Greenplum
greenplum 检测膨胀表shell脚本
greenplum-table-percentage 此项目主要检测greenplum集群中膨胀的表,经过检测会生成一个csv文件，以便技术人员分析原因及解决问题 项目结构介绍 greenplum-table-percentage.sh 1、修改该脚本中的数据库连接信息 2、修改需要检测的schema_inspect,添加时请以英文逗号分割,例如:main,history 3、运行完改脚本会在log/20190603/table-percentage /下生成一个csv文件,该文件是以膨胀率都排序 log 日志目录,主要记录临时的生产的文件,以及检测结果文件 20190603 当前检测的日期文件 table-percentage 存放脚本生产的临时文件 table-percentage-sql all-table.sql-ori 查看制定schema下的所有的表 table-percentage.sql-ori 查看制定表的膨胀率
3.1K40发布于 2019-08-05 - 来自专栏PM吃瓜(公众号)
如何有效控制客户需求膨胀
过渡膨胀有原因 作为项目的承担着，在规定时间用有限的资源来保质保量的完成项目，让公司和最终客户都满意是项目组的神圣职责。然而，为了让客户满意就要满足客户所有的需求吗？ 解决办法 针对上述项目问题以及发生的原因，结合以前一些项目的教训经验，可以通过以下几点来有效屏蔽客户需求过渡膨胀的问题，让项目完成得更加漂亮。 看起来简单，但是实际上很复杂，项目主管在项目进程中要学会如何对常见变更进行控制，控制客户需求的肆意膨胀，保证项目健康稳定的进行。 以下这些方法，可以适当运用。
1K10发布于 2020-07-01 - 来自专栏Python和安全那些事
八.图像腐蚀与图像膨胀
1.图像膨胀 膨胀的运算符是“⊕”，其定义如下： 该公式表示用B来对图像A进行膨胀处理，其中B是一个卷积模板或卷积核，其形状可以为正方形或圆形，通过模板B与图像A进行卷积计算，扫描图像中的每一个像素点 从而计算B覆盖区域的像素点最大值，并用该值替换参考点的像素值实现膨胀。下图是将左边的原始图像A膨胀处理为右边的效果图A⊕B。 ---- 2.函数原型 图像膨胀主要使用的函数为dilate，其原型如下： dst = cv2.dilate(src, kernel, iterations) 参数dst表示处理的结果，src表示原图像 注意：迭代次数默认是1，表示进行一次膨胀，也可以根据需要进行多次迭代，进行多次膨胀。通常进行1次膨胀即可。 .png', cv2.IMREAD_UNCHANGED) #设置卷积核 kernel = np.ones((5,5), np.uint8) #图像膨胀处理 erosion = cv2.dilate(
1.5K20编辑于 2021-12-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号