多年以后，那个屠龙少年终是再次拿起了当时的魔法书，在冰块融化之际，绽放... PART 1 很久很久没有在打过线下比赛，虽然是网络赛，各个队伍都聚在一起，在一间教室打比赛，这种激烈的竞争感已经很少能够感觉到了。 ACM赛制与NOIP赛制截然不同，更多的是对资源的分配与队友之间的团结协作，一个思
【博弈论】SG(Sprague–Grundy)定理证明和Nim游戏正确性证明 网上好像都是引用的维基，或者证的很不严谨 这里提供一个稍微严谨一点的证明，SG的部分基本上参考了维基 （自己想过，没想出来www） 要转载的话随便转载，就是不知道这垃圾玩意有没有转载的必要啊 定义 公平组合游戏，Nim游戏 满足如
Source: Coursera Machine Learning provided by Stanford University Andrew Ng - Machine Learning | Coursera Dimensionality Reduction - Principal Component Analysis (PCA) notations: $u_k$: the k-th principal component of variation $z^{(i)}$: the projection
此系列笔记来源于 Coursera上吴恩达老师的机器学习课程 核函数 Kernels 对于非线性数据，如： 我们可以增加高阶多项式，但是计算量将会十分大 因此需要引入非线性模型，而核函数便是其中一种。 我们取三个点 \(l^{(1)}、l^{(2)}、l^{(3)}\)， 对于给定的x，我们定义新的特征 \(f_i=similar
Gamma分布 Gamma分布几乎跟Erlang分布一样，唯一的区别是参数 k k k，在Gamma分布中 k k k可以是
cv2.findContours()中model和method记录： mode: cv2.RETR_EXTERNAL 只检测外轮廓信息 cv2.RETR_LIST 输出的轮廓间无等级关系，以list形式输出轮廓信息 cv2.RETR_CCOMP 输出两层轮廓信息，即内外两个边界. 上面一 层为外边界，里面一层为内孔的边界信息 cv2.RETR_TREE 以树结构
findContours函数参数： image:需要查找轮廓的图片，图片为二值图像 mode：查找轮廓的模式： cv2.RETR_EXTERNAL 只检测外轮廓 cv2.RETR_LIST 检测轮廓但不建立等级关系 cv2.RETR_CCOMP 建立具有两个等级关系的轮廓 cv2.RETR_TREE 建立具有树形等级结构的轮廓
提取照片中军旗棋子，供文本识别使用 本质：提取矩形四个角落，并进行透视变换； 检测矩形步骤： 图像预处理 边缘检测 提取轮廓 检测凸包 角点检测 实例： 原始图像 """ #!/usr/bin/env python # -*- coding:utf-8 -*- @desc: 用手机拍摄军旗棋子照片，将这两个棋子内容从照片中提取出来，供下
希腊字母 \alpha \theta \beta \varphi \rho \lambda \varepsilon \mu \omega \tau \sigma \(\alpha\) \(\theta\) \(\beta\) \(\varphi\) \(\rho\) \(\lambda\) \(\varepsilon\) \(\mu\) \(\omega\) \(\tau\) \(\sigma\)
快速逆平方根 浮点数表示 32位浮点数表示为: 符号位 阶码 尾数 s(1) e(8) m(23) \[\begin{align} E=127+e \\ M = 10^{23}m \\ \\ \end{align} \]得到浮点数为： \[x=(-1)^s\times2^{e_x}\times(1+m_x) \]应用 计算平方根倒数，即： \[y=\frac{1}{\sqrt{x}} \]\[y^2=\frac{1}
OpenCV-车牌号检测 在github上看到一个小项目觉得挺有意思：借助传统图像处理技巧，通过opencv进行车牌号位置检测。虽然我实际测试后效果不太好，但也能学到另一种处理思路。 原作者链接：https://github.com/Aqsa-K/Car-Number-Plate-Detection-OpenCV-Python 文章目录 OpenCV-车
# Author：Winter Liu is coming!import cv2 as cvimport numpy as npimport pytesseract # 预处理，高斯滤波（用处不大），4次开操作# 过滤轮廓唯一def contour_demo(img): gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) gray = cv.GaussianBlur(gray, (5, 5), 1) ref, thresh = c
[Typora 笔记] 数学输入整理 1.希腊字母表 大写 md 小写 md \(A\) A \(\alpha\) \alpha \(B\) B \(\beta\) \beta \(\Gamma\) \Gamma \(\gamma\) \gamma \(\Delta\) \Dleta \(\delta\) \delta \(E\) E \(\epsilon\) \epsilon \(\vareps
OpenCV旧版，返回三个参数： im2, contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) 要想返回三个参数： 把OpenCV 降级成3.4.3.18 就可以了，在终端输入pip install opencv-python==3.4.3.18 OpenCV 新版调用，返回两个参数： contours, hierarchy =
//利用曲线逼近，计算逼近曲线的长度 //首先创建一个逼近曲线 vector<Point2f> approx; approxPolyDP(contours[i], approx, 2, true); arcLength(contours[i], false); double dstLength = arcLength(approx, true);
