灰度和彩色图像处理,word版本 可编辑,附分析与总结 读取二进制文件lab3prob4,文件的尺寸是435*580,图像数据类型为‘uint8’,(1)读取并显示图像,colormap设置为gray;(2)重新显示(1)中图像,colormap设置为HSV; (3)自己尝试定义一个新的colormap,幅度值的变化范围为[0 255]。 分别读取二进制文件lab3prob3r, lab3prob3g, lab3prob3b, 图像数据类型为‘uint8’,图像的尺寸是1024*1024,(1)合并RGB三通道,并显示图像;(2)对RGB三个通道分别进行灰度线性处理,实现三个通道的灰度值均值为140,均方差为60,然后再合并显示图像;(3)把RGB颜色模型转换到HSV颜色模型,对V分量进行线性变换实现均值为140,均方差为60,然后显示新的图像;(4)比较(2)和(4)中图像,进行简单分析和说明; 创建如下图1所示图像,一个圆为红色,一个圆为蓝色,另外一个圆为绿色,圆的半径为100。(1)组建一个RGB图使其显示如下颜色,B的中心坐标(400,375),G的中心坐标(300,420),R的中心坐标(300,300);(2)分别使R,G,B中的一个值为0.5 (原来为1,单位化后的值范围(0-1)),并显示得到的图的颜色;(3)创建如图2所示的颜色盘(中心坐标(100,100)),半径为100;(提示使计算在HIS空间,然后利用HSV2rgb转化);
2024-05-21 14:51:43 9.03MB 数字图像处理 实验报告 灰度和彩
1
南京邮电大学数据库系统实验报告三(小型MIS开发)
2024-05-20 19:11:41 362KB sql 南京邮电大学 数据库实验报告
1
实验三(2) SQL语言的DCL 一、实验目的 SQL的数据控制通过DCL(数据控制语言) 实现。DCL通过对数据库用户的授权和收权命令来实现有关数据的存取控制,以保证数据库的安全性。 本次实验了解DCL语言的GRANT和REVOKE语句对数据库存取权限的控制,学会SQL Server 2000的查询分析器中用DCL语言对数据库存取权限进行设定。 本实验需要2学时。 二、实验内容 1.创建新的数据库用户 2.用GRANT语句对数据库存取权限进行授权操作,语法格式如下: GRANT <特权组> To <用户组>|PUBLIC PUBLIC指数据库的所有用户。 3.用REVOKE语句将DBA(数据库管理员)、DBO(建库用户)授与其它用户对数据库的操作权收回,语法格式如下: REVOKE <权限组>|ALL PRIVILEGES [ON <对象名>] FROM <用户组名>|PUBLIC 三、实验任务 1. 创建新的数据库用户 要在STUDENTS数据库中创建一个“user0”数据库用户,可以按下面的步骤创建新数据库用户。 1) 在企业管理器中扩展SQL服务器及数据库文件夹。用鼠标右键单击用户 文件夹,弹出一个快捷菜单,在弹出的菜单中选择“新建数据库用户”项,会出现对话框。 2) 在对话框的登录名栏中选择一个SQL服务器登陆名和用户名。(选新建) 3) 单击“确定”按钮。 2.打开数据库SQL Server 2000的查询分析器,用新建的用户user0进行登录。 3.在查询分析器中,对STUDENTS中的表进行操作:查询(SELECT)等。会出现提示如图3:
1
数字电路 全加器实验报告(含实物接线图以及手绘接线图)
2024-05-16 20:42:26 1.09MB photo
1
【智能药盒实验报告(内含完整代码)】
2024-05-13 21:13:49 1.57MB
1
软件工程导论 结构化分析方法实验 实验报告
2024-05-13 10:08:19 159KB 软件工程导论 实验报告
1
1.# 基于docker技术搭建Hadoop与MapReduce分布式环境 2.# 基于hadoop与MapReduce的分布式编程 3.# HDFS基本操作实验 4.# 使用docker构建spark运行环境 5.# 使用mllib完成mnist手写识别任务
2024-05-12 17:51:14 4.61MB hadoop
1
计算机网络课程的实验报告,路由器配置,网络协议,网关,域名解析等等计算机网络基础配置方法。
2024-05-10 14:13:23 688KB 计算机网络
1
源程序+ 数据集+ 实验报告 问题描述: 理解序列数据处理方法,补全面向对象编程中的缺失代码,并使用torch自带数据工具将数据封装为dataloader 分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU,并在至少一种数据集上进行实验 从训练时间、预测精度、Loss变化等角度对比分析RNN、LSTM和GRU在相同数据集上的实验结果(最好使用图表展示) 不同超参数的对比分析(包括hidden_size、batch_size、lr等)选其中至少1-2个进行分析 ps:用户签到数据实验的难度会稍高一些,若在实验中选用,可酌情加分
2024-05-08 11:05:31 18.51MB 深度学习 pytorch python
1