数学

9.1 二元运算及其性质 检验是否是二元运算的方法： <1>S中任意两个元素都可以进行这种运算，且运算结果是唯一的。 <2>S中任意两个元素运算的结果都属于S 由缓至急，循循而进。先来看一元运算实例。 二元运算的算律： 幂等律定义如下： 实例： -------------------------------------重点来了--------------------------------------------- 实例： 唯一性定理： 零元亦是如此。 逆元亦然。 来源： CSDN 作者： 梦里一声何处鸿 链接： https://blog.csdn.net/Deam_swan_goose/article/details/103809548

Blurs an image using the median filter. C++: void medianBlur ( InputArray src , OutputArray dst , int ksize ) highlight=smooth#void medianBlur(InputArray src, OutputArray dst, int ksize)" title="Permalink to this definition" style="color: rgb(101, 161, 54); text-decoration: none; visibility: hidden; font-size: 0.8em; padding: 0px 4px;"> Python: cv2. medianBlur ( src, ksize [ , dst ] ) → dst highlight=smooth#cv2.medianBlur" title="Permalink to this definition" style="color: rgb(101, 161, 54); text-decoration: none; visibility: hidden; font-size: 0.8em; padding: 0px 4px;"> Parameters: src –

filter2D Convolves an image with the kernel. C++: void filter2D ( InputArray src , OutputArray dst , int ddepth , InputArray kernel , Point anchor =Point(-1,-1), double delta =0, int borderType =BORDER_DEFAULT ) Python: cv2. filter2D ( src, ddepth, kernel [ , dst [ , anchor [ , delta [ , borderType ] ] ] ] ) → dst C: void cv Filter2D ( const CvArr* src , CvArr* dst , const CvMat* kernel , CvPoint anchor =cvPoint(-1,-1) ) Python: cv. Filter2D ( src, dst, kernel, anchor=(-1, -1) ) → None Parameters: src – input image. dst – output image of the same size and the same number of channels as src .

我们来看一个 灰度图像 ，让 表示灰度 出现的次数，这样图像中灰度为 的像素的出现概率是 是图像中全部的灰度数， 是图像中全部的像素数, 实际上是图像的直方图，归一化到 。 把 作为相应于 的累计概率函数, 定义为： 是图像的累计归一化直方图。 我们创建一个形式为 的变化，对于原始图像中的每一个值它就产生一个 ，这样 的累计概率函数就能够在全部值范围内进行线性化，转换公式定义为： 注意 T 将不同的等级映射到 域。为了将这些值映射回它们最初的域，须要在结果上应用以下的简单变换： 上面描写叙述了灰度图像上使用直方图均衡化的方法。可是通过将这样的方法分别用于图像 RGB 颜色值的红色、绿色和蓝色分量，从而也能够对彩色图像进行处理。 Python: cv2. equalizeHist ( src [ , dst ] ) → dst C: void cv EqualizeHist ( const CvArr* src , CvArr* dst ) Parameters: src – Source 8-bit single channel image. dst – Destination image of the same size and type as src . The function equalizes the histogram of the input image using

指数变换的基本表达式为：y=b c(x-a) -1 当中參数 b 、 c 控制曲线的变换形状，參数 a 控制曲线的位置。 指数变换的作用是扩展图像的高灰度级、压缩低灰度级。能够用于亮度过高的图像 本博客全部内容是原创，假设转载请注明来源 http://blog.csdn.net/myhaspl/ 对太阳图像进行变换，使低亮度区（温度较低区域）不再显示，突出亮度区（温度较高区域）。 newimg=np.array(np.power(b,c*(img-a))-1,np.uint8) cv2.imshow('src',img) cv2.imshow('dst',newimg) cv2.waitKey() cv2.destroyAllWindows() 来源： https://www.cnblogs.com/mfrbuaa/p/3847980.html

在这个混乱的星球上，有两大神器.一个是Emacs,另一个是……Vim?No.对学数学的人来说，另一大神器是$\LaTeX$.学数学的朋友对于后者可能比较熟悉,$\LaTeX$是计算机界的大牛,图灵奖得主高德纳的力作,是写数学论文的不二选择(严格地说高德纳发明的是TeX,$\LaTeX$是在TeX的基础上稍微改造而来的).用$\LaTeX$写的数学文章,排版优美,数学式子漂亮.在$\LaTeX$面前,Word编辑器,mathtype之类的不值一提.然而,$\LaTeX$不是所见即所得的，也就是说，当你写数学文章的时候,你面对的，不是一个个数学式子，而是一行行代码.这样无疑会让原本就难看懂的数学式子更难看懂,当你想看看书写效果的时候，必须编译一下.如此一来，你的思维流必然会被打断，你写文章的士气必然会降低..而且,当你想输入一个类似于行间公式的东西的时候,你必须输入＼ｂｅｇｉｎ｛XXX｝．．．＼ｅｎｄ｛XXX｝，这无疑会带给你无穷的麻烦. Emacs很好地解决了$\LaTeX$的这类问题.它和你的计算机上的$\LaTeX$配合起来天衣无缝.Emacs是计算机界的大牛Richard Stallman的力作.它和Tex同属开源软件. Emacs估计是很强大的编辑器.我刚刚接触它.它的优点在于强大的可扩展性和可定制性，不同的人可以把Emacs变成自己想要的样子，定制出自己想要的功能

welcome to my blog 加法 a = torch . Tensor ( np . arange ( 6 ) . reshape ( ( 2 , 3 ) ) ) ''' a的值 tensor([[0., 1., 2.], [3., 4., 5.]]) ''' b = torch . Tensor ( np . arange ( 6 ) . reshape ( ( 2 , 3 ) ) ) ''' b的值 tensor([[0., 1., 2.], [3., 4., 5.]]) ''' res = torch . add ( a , b ) print ( res ) ''' 结果 tensor([[ 0., 2., 4.], [ 6., 8., 10.]]) ''' 减法 a = torch . Tensor ( np . arange ( 6 ) . reshape ( ( 2 , 3 ) ) ) ''' a的值 tensor([[0., 1., 2.], [3., 4., 5.]]) ''' b = torch . Tensor ( np . random . randint ( 0 , 9 , size = ( 2 , 3 ) ) ) ''' b的值 tensor([[4., 0., 5.], [6., 8., 4.]]) ''' res = torch . sub

试除法： //试除法 inline bool check(int x) { if(x<=2) return false; for(register int i=2;i<=sqrt(x);++i) if(x%i==0) return false; return true; } //E筛法 for(register int i=2;i<=n;++i) { if(vis[i]) continue;vis[i]=1; for(int j=i;j*i<=n;++j) vis[i*j]=1; } //质因数分解 void divide(int n) { m=0; for(register int i=2;i<=sqrt(n);++i) { if(n%i==0) { p[++m]=i;c[m]=0; while(n%i==0) n/=i,c[m]++; } } if(n>1) p[++m]=n,c[m]=1; for(register int i=1;i<=m;++i) cout<<p[i]<<'^'<<c[i]; } 来源： https://www.cnblogs.com/gcfer/p/12130139.html

首先，隆重推出傅里叶级数的公式，不过这个东西属于“文物”级别的，诞生于19 世纪初，因为傅里叶他老人家生于1768 年，死于1830 年。 但傅里叶级数在数论、组合数学、信号处理、概率论、统计学、密码学、声学、光学等领域都有着广泛的应用，这不由得让人肃然起敬。一打开《信号与系统》、《锁相环原理》等书籍，动不动就跳出一个“傅里叶级数”或“傅里叶变换”，弄一长串公式，让人云山雾罩。 如下就是傅里叶级数的公式： 不客气地说，这个公式可以说是像“臭婆娘的裹脚布——又臭又长”，而且来历相当蹊跷，不知那个傅里叶什么时候灵光乍现，把一个周期函数f(t) 硬生生地写成这么一大堆东西。单看那个①式，就是把周期函数f(t) 描述成一个常数系数a0、及1 倍ω的sin 和cos 函数、2 倍ω的sin 和cos 函数等、到n 倍ω的sin 和cos 函数等一系列式子的和，且每项都有不同的系数，即An 和Bn，至于这些系数，需要用积分来解得，即②③④式，不过为了积分方便，积分区间一般设为[- π, π] ，也相当一个周期T 的宽度。 能否从数学的角度推导出此公式， 以使傅里叶级数来得明白些， 让我等能了解它的前世今生呢？下面来详细解释一下此公式的得出过程： １、把一个周期函数表示成三角级数： 首先，周期函数是客观世界中周期运动的数学表述，如物体挂在弹簧上作简谐振动、单摆振动、无线电电子振荡器的电子振荡等

SQL Server中行列转换 Pivot UnPivot PIVOT 用于将列值旋转为列名（即行转列），在SQL Server 2000 可以用聚合函数配合 CASE 语句实现 PIVOT 的一般语法是： PIVOT ( 聚合函数(列) FOR 列 in (…) )AS P 完整语法： table_source PIVOT( 聚合函数（ value_column ） FOR pivot_column IN(<column_list>) ) UNPIVOT 用于将列明转为列值（即列转行），在 SQL Server 2000 可以用 UNION 来实现 完整语法： table_source UNPIVOT( value_column FOR pivot_column IN(<column_list>) ) 注意：PIVOT、UNPIVOT是SQL Server 2005 的语法，使用需修改数据库 兼容级别 在数据库属性->选项->兼容级别改为 90 典型实例 一、行转列 1 、建立表格 if object_id ( 'tb' ) is not null drop table tb go create table tb ( 姓名 varchar ( 10 ) , 课程 varchar ( 10 ) , 分数 int ) insert into tb values ( ' 张三 ' ,