前言:(个人建议) 1.进行数据处理工作,由于通常数据量比较大.所以在个人电脑中,要将基础数据.不断增长的过程数据.结果数据等分门别类,使得简单易找. 2.将重要数据备份,因为在数据处理过程中,由于出错使重要数据损失,勿让重要数据成绝版.所以生成或保存压缩文件是很好的选择. 3.当数据量大,需要进行批量处理时.模板文档或代码要杜绝出现细节错误.容易一锅端,费时间且低效率. 处理工具:ArcMap 处理数据:MOD13Q1的NDVI成品(.tif)文件 研究区矢量文件(以河南省省界为例) 处理流程

时间序列S-G滤波之Python 根据上上篇博文(MODIS系列之NDVI(MOD13Q1)五:NDVI处理流程)做出的NDVI.我们求NDVI时间序列图,但该NDVI时序图为地表各土地类型综合的NDVI时序图.(详情同样参考该系列五博文的文底) 建议:大家应该也能发现从网上粘贴的代码,大部分在各自实际运行中会出现报错,不能运行.这其中有代码本身的错误,但也不乏运行环境的欠缺.误操作.电脑自身特点等原因.本博客的所有代码都经过实际运行再上传,哪怕比较熟悉的代码,再上传前都会尽可能实际运行.目的便

最大合成法(MVC)能够在Envi中的Band Math中进行,式子是B1>B2,可是无法批量化.本文实如今ArcGIS中利用Python代码批量进行,例如以下: 用到的Modis NDVI数据是在MRT中进行拼接与转投影后的月数据,一个月有两期,数据格式是.tif,文件名称的格式如:20040101.1_km_16_days_NDVI.tif.20040102.1_km_16_days_NDVI.tif代表2004年1月份的两期数据.本次处理的为2004-2013年的10年的数据. Pytho

今天偶然看到如果使用eviews做HP滤波,一时好奇,于是找了点资料看看~ 由于纯属自学,没有找到教材,大家姑且一看咯,也不知道对不对哈.

块效应及其产生原因 我们在观看视频的时候,在运动剧烈的场景常能观察到图像出现小方块,小方块在边界处呈现不连续的效果(如下图),这种现象被称为块效应(blocking artifact). 首先我们需要搞清楚块效应产生的原因.h.264在编码过程中对像素残差进行了DCT变换,变换后得到的DCT系数是与每个像素都相关的,这些系数代表了被变换数据的基础色调与细节.h.264在DCT变换后对DCT系数进行了量化,量化能有效去除相邻像素间的空间冗余,也就是说会抹去元素数据的部分细节.比较理想的情况是量化抹

最小值滤波 (C 语言实现) 遇到最小值滤波的问题,小白不知道.一个程序写了三天,最终今天傍晚出来了. .. 非常easy的for循环.可是没有理解最小值滤波.怎么写都是错啊~ 这是我见过做好的描写叙述,关于最小值滤波: 3*3的像素点阵,对于中心点做最小值滤波的话,它的值将从77变换到0 处理结果图: 我一直支持也坚持开源分享的原则.为大家更好的相互学习,给出源码 /****************************************************************

用PCA(主成分分析法)进行信号滤波 此文章从我之前的C博客上导入,代码什么的可以参考matlab官方帮助文档 现在网上大多是通过PCA对数据进行降维,其实PCA还有一个用处就是可以进行信号滤波.网上对此的介绍比较少,正好最近研究了一下,所以把自己的理解记录下来. 对于PCA原理的介绍网上已经有很多帖子,我比较喜欢的是这个:PCA的数学原理.文章把PCA降维定性和数学理解分析得生动且透彻,这里不再重复. 直接上干货吧,简单一个例子: 给定信号: 其中有用信号为三个频率不同且幅值相位不相同的余弦函

均值滤波 主要思想为邻域平均法,即用几个像素灰度的平均值来代替每个像素的灰度.有效抑制加性噪声.缺点:容易引起图像模糊,可以对其进行改进,主要避开对景物边缘的平滑处理. 均值滤波器的缺点是存在着边缘模糊的问题.对椒盐噪声不起作用 P5 = (P1+P2+P3+P4+P5+P6+P7+P8+P9)/9 P5 = (P1+P2+P3+P4+P6+P7+P8+P9)/8   方便在硬件上做运算 >>3 matlab代码 clc clear clear all close all %%%对图像做均值滤

一.题目描述 对下面的图片进行滤波和边缘提取操作,请详细地记录每一步操作的步骤. 滤波操作可以用来过滤噪声,常见噪声有椒盐噪声和高斯噪声,椒盐噪声可以理解为斑点,随机出现在图像中的黑点或白点:高斯噪声可以理解为拍摄图片时由于光照等原因造成的噪声. 二.实现过程 1.加载原图 import cv2 #加载图片 img=cv2.imread("test14.bmp",0) imgzi = cv2.putText(img, 'original', (40,25),cv2.FONT_HERSH

学习H264之前,最好阅读一下维基百科中有关H264的相关介绍,里面包含了其的发展历程.主要特点.参考文献.参考网站等. 研究H264的主要文件包括两份参考手册(一份是语法结构参考手册,一份是JM开发手册)和软件开发模型JM.x.y(Joint Model H264编解码参考开发模型). 一.编码框架 1H264的编码框架主要如图1所示: 原来的英语解释是: The Encoder includes two dataflow paths, a “forward” path (left to ri

前言 做任何事情都不是想象中的那么简单.好久没有更新技术博客了,跟最近瞎忙有很大关系,虽说是瞎忙也抽空研究了些技术. 主要是前端渲染,像原生的WebGL和Cesium.WebGL写了几篇博客,自我感觉还可以.Cesium是一个封装好的WEB端3D Earth框架,有了WebGL的基础之后切换到Cesium按理说一切应该是顺理成章,简单的测试了几个功能之后发现确实非常好,简单的几行代码就可以实现Google Earth的功能,当然Google Earth重要的绝对不是他的渲染框架. 前期做了很多G

目录 1. 专栏简介 2. 专栏地址 3. 专栏目录 1. 专栏简介 Python语言是目前很火热的语言,极大的促进了人工智能发展.你知道在ArcGIS中也会有python的身影吗?事实上,在ArcGIS中使用Python会起到事半功倍的效果,大大提高工作效率,本专栏讲解在ArcGIS中使用Python进行制图.地理处理.空间分析等批处理操作. 2. 专栏地址 「 刘一哥与GIS的故事 」之<ArcGIS遇上Python> 3. 专栏目录 [ArcGIS遇上Python]从入门到精通系列之第一

SIFT(Scale Invariant Feature Transform),尺度空间不变特征,目前手工设计的最好vision特征. 以下是学习http://blog.csdn.net/zddblog/article/details/7521424后的收获. 一.尺度空间 gaussian pyramid的产生: 1.为避免对第一组第一层图片(原始图片)做高斯滤波导致损失,在其基础上将尺度扩大一倍作为-1层,方法是用=0.5做高斯滤波. 2.对每组(octave)倒数第三张图片做降采样,产生下

数字图像处理方法的重要性源于两个主要应用领域: 改善图像信息以便解释. 为存储.传输和表示而对图像数据进行处理,以便于机器自动理解. 图像处理(image processing): 用计算机对图像进行分析,以达到所需结果的技术.又称影像处理.一般指数字图像处理.数字图像是指用工业相机.摄像机.扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值.图像处理技术一般包括图像压缩,增强和复原,匹配.描述和识别3个部分. 常用方法: 图像变换:由于图像阵列很大,直接在空间域中

这个特效简单来说,就是一个高通滤波器, 对图像做高斯滤波,用原图减去高斯滤波后的图,再将差值加上128. clc; clear all; close all; Image=imread('4.jpg'); Image=double(Image); Image1=Image; %% 设置高斯滤波器 Half_size=10; F_size=2*Half_size+1; G_Filter=fspecial('gaussian',F_size,F_size/6); %% 做高斯滤波 Image_Fil

[博客大赛]使用LM2677制作的3V至24V数控可调恒压源   http://bbs.ednchina.com/BLOG_ARTICLE_3013105.HTM LM2677,是TI公司生产的高效率5A开关buck稳压器,由于它内部具备的low ON-register DMOS功率开关,使得它能够驱动大电流负载.LM2677有+3.3V.+5V.+12V和AJUSTABLE四个版本,其中AJUSTABLE的输出范围是1.2V~37V,使用它可以做一个可调的恒压源. 官方手册中给出的AJUSTA

任何一个大学生对菲波那契数列(Fibonacci numbers)应该都不会陌生,它是这样定义的: F(1)=1; F(2)=2; F(n)=F(n-1)+F(n-2)(n>=3); 所以,1,2,3,5,8,13--就是菲波那契数列. 在HDOJ上有不少相关的题目,比如1005 Fibonacci again就是曾经的浙江省赛题. 今天,又一个关于Fibonacci的题目出现了,它是一个小游戏,定义如下: 1. 这是一个二人游戏; 2. 一共有3堆石子,数量分别是m, n, p个: 3. 两人

我造轮子,你造车,创客一起造起来!塔克创新资讯[塔克社区 www.xtark.cn ][塔克博客 www.cnblogs.com/xtark/ ]      本文介绍X-CTR100控制器 采集VIN输入电压功能,通过锂电池电压与电量关系,实现简单电量计功能. 原理 电池系统可通过电池电压检测实现简单的电源电量管理. 以电压为基础的方法属于最早应用的方法之一,它仅需测量电池两级间的电压.该方法基于电池电压和剩余电量之间存在的某种已知关系.它看似直接,但却存在难点:在测量期间,只有在不施加任何负载

第12章     GPIO输入—按键检测 全套200集视频教程和1000页PDF教程请到秉火论坛下载:www.firebbs.cn 野火视频教程优酷观看网址:http://i.youku.com/firege 本章参考资料:<STM32F4xx参考手册>.库帮助文档<stm32f4xx_dsp_stdperiph_lib_um.chm>. 按键检测使用到GPIO外设的基本输入功能,本章中不再赘述GPIO外设的概念,如您忘记了,可重读前面"GPIO框图剖析"小节,

一:原始信号 从音频文件中读取出来的原始语音信号通常称为raw waveform,是一个一维数组,长度是由音频长度和采样率决定,比如采样率Fs为16KHz,表示一秒钟内采样16000个点,这个时候如果音频长度是10秒,那么raw waveform中就有160000个值,值的大小通常表示的是振幅. 二:(线性)声谱图 (1)对原始信号进行分帧加窗后,可以得到很多帧,对每一帧做FFT(快速傅里叶变换),傅里叶变换的作用是把时域信号转为频域信号,把每一帧FFT后的频域信号(频谱图)在时间上堆叠起来就可

1.EXEALL.m function EXEALL(FilePath, FileName)%执行所有流程% FilePath: 文件夹所在路径% FileName: 文件夹名称 FullPath = [FilePath , FileName , '\' , FileName , '.txt']; allPixelPath = [FilePath , FileName , '\', FileName , '.allpixel.csv']; TestdataPath = [FilePath , F