티스토리

How many Programing

검색하기

블로그 홈

How many Programing

couque.tistory.com/m

CouqueD'asse 님의 블로그입니다.

구독자: 0

방명록 방문하기

주요 글 목록

자료구조 및 STL 요약 시간복잡도시간복잡도는 알고리즘이나 연산이 입력 크기 \(n\)에 따라 수행되는 시간을 표현하는 방식입니다. 주로 빅오 표기법을 사용하여 최악의 경우를 나타냅니다. 예: \(O(1)\), \(O(n)\), \(O(n^2)\), \(O(\log n)\), \(O(n \log n)\).스택과 큐스택 (Stack): LIFO (Last In, First Out) 구조. 예: 함수 호출 스택, 웹 브라우저의 뒤로 가기.큐 (Queue): FIFO (First In, First Out) 구조. 예: 프린터 작업 대기열, BFS 탐색.벡터와 리스트벡터 (Vector): 동적 배열로, 요소에 대한 임의 접근이 빠름 (\(O(1)\)). 예: 연속적인 데이터 처리가 필요한 경우.리스트 (List): 이중 연결 리스트로,.. 공감수 0 댓글수 3 2024. 7. 24.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 23 15.3 서포트 벡터 머신 15.3.1 서포트 벡터 머신 알고리즘 서포트 벡터 머신 : 기본적으로 두 개의 클래스로 구성된 데이터를 가장 여유 있게 분리하는 초평면을 찾는 머신 러닝 알고리즘 초평면 : 두 클래스의 데이터를 분리하는 N차원 공간상의 평면을 의미함 SVM 알고리즘 : 지도 학습의 일종, 분류와 회귀에 사용될 수 있음. 기본적으로 선형으로 분리 가능한 데이터에 적용할 수 있음. 데이터는 선형으로 분리되지 않는 경우가 많으며, 이러한 경우 커널 트릭이라는 기법을 사용함. 커널 트릭 : 적절한 커널 함수를 이용하여 입력 데이터 특징 공간 차원을 늘리는 방식 15.3.2 SVM 클래스 사용하기 SVM 클래스 : ml모듈에 포함되어 있음 SVM::create() : 객체 생성 static Ptr S.. 공감수 0 댓글수 0 2022. 9. 7.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 22 15.2 k 최근접 이웃 15.2.1 k 최근접 이웃 알고리즘 kNN 알고리즘 : 분류 또는 회귀에 사용되는 지도 학습 알고리즘의 하나 분류 - 특징 공간에서 테스트 데이터와 가장 가까운 k개의 훈련 데이터를 찾고, k개의 훈련 데이터 중에서 가장 많은 클래스를 테스트 데이터의 클래스로 지정 회귀 - 테스트 데이터에 인접한 k개의 훈련 데이터 평균을 테스트 데이터 값으로 설정 k를 1로 설정하면 최근접 이웃 알고리즘이 됨. 그러므로 보통 k는 1보다 큰 값으로 설정하며, k 값을 어떻게 설정하느냐에 따라 분류 및 회귀 결과가 달라질 수 있음. 최선의 k 값을 결정하는 것은 주어진 데이터에 의존적이며, 보통 k 값이 커질수록 잡음 또는 이상치 데이터의 영향이 감소함. 그러나 k 값이 어느 정도 이상으로 커.. 공감수 0 댓글수 0 2022. 9. 2.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 21 15장 머신 러닝 15.1 머신 러닝과 OpenCV 15.1.1 머신 러닝 개요 머신 러닝 : 주어진 데이터를 분석하여 규칙성, 패턴 등을 찾고, 이를 이용하여 의미 있는 정보를 추출하는 과정 학습 (훈련) : 규칙을 찾아 가는 과정 모델 : 학습에 의해 결정된 규칙 예측 (추론) : 새로운 데이터를 학습된 모델에 입력으로 전달하고 결과를 판단하는 과정 지도 학습 : 정답을 알고 있는 데이터를 이용하여 학습을 진행하는 방식 레이블 : 훈련 데이터에 대한 정답에 해당하는 내용 주로 회귀와 분류에 사용 회귀 : 연속된 수치 값을 예측하는 작업 분류 : 이산적인 값을 결과로 출력하는 머신 러닝 비지도 학습 : 훈련 데이터의 정답에 대한 정보 없이 오로지 데이터 자체만을 이용하는 학습 방식 두 사진 집합에서 서.. 공감수 0 댓글수 0 2022. 8. 19.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 20 14.3 특징점 매칭 14.3.1 OpenCV 특징점 매칭 특징점 매칭 : 두 영상에서 추출한 특징점 기술자를 비교하여 서로 비슷한 특징점을 찾는 작업 (크기 불변 특징점으로부터 구한 기술자를 매칭하면 크기와 회전에 강인한 영상 매칭을 수행가능) DMatch 클래스 : 한 장의 영상에서 추출한 특징점과 다른 한 장의 영상, 또는 여러 영상에서 추출한 특징점 사이의 매칭 정보를 표현 BFMatcher 클래스 : 질의 기술자 집합에 있는 모든 기술자와 훈련 기술자 집합에 있는 모든 기술자 사이의 거리를 계산하고, 이 중 가장 거리가 작은 기술자를 찾아 매칭하는 방식 (매우 직관적이지만 특징점 개수가 늘어날수록 거리 계산 횟수가 급격하게 늘어날 수 있음) FlannBaseMatcher 클래스 : 근사화된 거리.. 공감수 0 댓글수 0 2022. 8. 3.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 19 14장 지역 특징점 검출과 매칭 14.1 코너 검출 14.1.1 해리스 코너 검출 방법 템플릿 매칭은 영상의 크기가 바뀌거나 회전이 되면 제대로 동작하지 않는 한계가 있음 두 영상 사이에 기하학적 변환이 있어도 효과적으로 사용할 수 있는 지역 특징점 기반 매칭 방법 특징 : 영상으로부터 추출할 수 있는 유용한 정보를 의미 (평균 밝기, 히스토그램, 에지, 직선 성분, 코너 등) 지역 특징 : 에지, 직선 성분, 코너처럼 영상 전체가 아닌 일부 영역에서 추출할 수 있는 특징 코너 : 에지의 방향이 급격하게 변하는 부분으로서 삼각형의 꼭지점이나 연필 심처럼 뾰족하게 튀어나와 있는 부분이 코너가 될 수 있음. 직선 성분 등의 다른 지역 특징에 비해 분별력이 높고 대체로 영상 전 영역에 골고루 분포하기 때문에 .. 공감수 0 댓글수 0 2022. 8. 2.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 18 13장 객체 검출 13.1 템플릿 매칭 입력 영상에서 작은 크기의 부분 영상 위치를 찾아내고 싶은 경우 사용함 템플릿 : 찾고자 하는 대상이 되는 작은 크기의 영상 템플링 매칭 : 작은 크기의 템플릿 영상을 입력 영상 전체 영역에 대해 이동하면서 가장 비슷한 위치를 수직적으로 찾아내는 방식 // 템플릿 매칭 void template_matching() { Mat img = imread("circuit.bmp", IMREAD_COLOR); Mat templ = imread("crystal.bmp", IMREAD_COLOR); if (img.empty() || templ.empty()) { return; } img = img + Scalar(50, 50, 50); Mat noise(img.size(), CV.. 공감수 0 댓글수 0 2022. 7. 27.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 17 12.2 외곽선 검출 이진 영상에서 객체의 위치 및 크기 정보를 추출하는 유용한 방법 객체의 외과선 픽셀 좌표를 모두 추출하여 계층 정보와 함께 반환함 12.2.1 외곽선 검출 객체의 외곽선 : 객체 영역 픽셀 중에서 배경 영역과 인접한 일련의 픽셀을 의미 객체 바깥쪽 외곽선과 안쪽 홀 외곽선으로 구분할 수 있음 객체 하나의 외곽선은 여러 개의 점으로 구성됨 : vector 타입으로 저장 하나의 영상에는 여러 개의 객체가 존재할 수 있음 : vector 타입으로 표현함 // 외곽선 검출 및 그리기 void contours_basic() { Mat src = imread("contours.bmp", IMREAD_GRAYSCALE); if (src.empty()) { return; } vector conto.. 공감수 0 댓글수 0 2022. 7. 21.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 16 12장 레이블링과 외곽선 검출 12.1 레이블링 이진 영상에서 흰색으로 구분된 각 객체 영역에 고유의 번호를 지정하는 레이블링 기법 영상 내부에 있는 각 객체의 위치, 크기, 모양 등 특징을 분석할 때 사용됨 12.1.1 레이블링의 이해 영상 내에 존재하는 객체 픽셀 집합에 고유 번호를 매기는 작업 = 연결된 구성 요소 레이블링 객체 인식을 위한 전처리 과정으로 자주 사용됨 이진화된 영상에서 수행됨 : 입력 영상의 픽셀 값이 0이면 배경, 0이 아니면 객체 픽셀로 인식함 하나의 객체는 한 개 이상의 인접한 픽셀로 이루어지며, 하나의 객체를 구성하는 모든 픽셀에는 같은 레이블 번호가 지정됨 4-방향 연결성 : 특정 픽셀의 상하좌우로 붙어 있는 픽셀끼리 연결됨 8-방향 연결성 : 상하좌우로 연결된 픽셀뿐만 .. 공감수 0 댓글수 0 2022. 7. 19.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 15 11장 이진화와 모폴로지 11.1 영상의 이진화 영상에서 관심있는 객체 영역과 배경 영역을 구분하기 위한 용도로 사용 11.1.1 이진화 영상의 각 픽셀을 두 개의 부류로 나누는 작업 입력 영상을 주요 객체 영역과 배경 영역으로 나누거나 또는 영상에서 중요도가 높은 관심 영역(ROI Region Of Interest)과 그렇지 않은 비관심 영역으로 구분하는 용도로 사용 영상의 이진화에서는 픽셀 값을 0 또는 255로 설정 : 이진화가 적용된 이진 영상은 흰색과 검은색 픽셀로만 구성됨 그레이스케일 영상에 대해 이진화를 수행하려면 영상의 픽셀 값이 특정 값보다 크면 255로 설정, 작으면 0으로 설정함 이때 각 픽셀과의 크기 비교 대상이 되는 값을 임계값(threshold) 또는 문턱치라고 함 임계값은 그레.. 공감수 0 댓글수 0 2022. 7. 15.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 14 10장 컬러 영상 처리 10.1 컬러 영상 다루기 OpenCV의 컬러영상 : 기본적으로 BGR 색상 순서로 픽셀 값을 표현 또한, 각 색상 성분 값은 uchar 자료형을 사용하여 표현 = Vec3b 자료형 // 컬러 영상의 픽셀 값 반전 void color_inverse() { Mat src = imread("butterfly.jpg", IMREAD_COLOR); if(src.empty()) { return; } Mat dst(src.rows, src.cols, src.type()); for (int j = 0; j < src.rows; j++) { for (int i = 0; i < src.cols; i++) { Vec3b& p1 = src.at(j, i); Vec3b& p2 = dst.at(j, i).. 공감수 0 댓글수 0 2022. 7. 12.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 13 9.2 직선 검출과 원 검출 9.2.1 허프 변환 직선 검출 직선 : 영상에서 찾을 수 있는 많은 특징 중의 하나이며 영상을 분석함에 있어 중요한 정보를 제공 영상에서 직선 성분을 찾기 위해서는 우선 에지를 찾아내고, 에지 픽셀들이 일직선상에 배열되어 있는지를 확인 허프 변환 : 2차원 xy 좌표에서 직선의 방정식을 파라미터 공간으로 변환하여 직선을 찾는 알고리즘 2차원 평면 직선 방정식 : y = ax + b 축적 배열 : 0으로 초기화된 2차원 배열에서 직선이 지나가는 위치의 배열 원소 값을 1씩 증가시켜 생성 // 허브 변환 직선 검출 void hough_lines() { Mat src = imread("building.jpg", IMREAD_GRAYSCALE); if (src.empty()) { .. 공감수 0 댓글수 0 2022. 7. 6.
#정규표현식과 re모듈의 사용 정규표현식 regular expression 특정한 패턴과 일치하는 문자열를 '검색', '치환', '제거' 하는 기능을 지원 정규표현식의 도움없이 패턴을 찾는 작업(Rule 기반)은 불완전 하거나, 작업의 cost가 높음 e.g) 이메일 형식 판별, 전화번호 형식 판별, 숫자로만 이루어진 문자열 등 raw string 문자열 앞에 r이 붙으면 해당 문자열이 구성된 그대로 문자열로 변환 a = 'abcdef\n' print(a) b = r'abcdef\n' print(b) abcdef abcdef\n 기본 패턴 a, X, 9 등등 문자 하나하나의 character들은 정확히 해당 문자와 일치 e.g) 패턴 test는 test 문자열과 일치 대소문자의 경우 기본적으로 구별하나, 구별하지 않도록 설정 가능 몇.. 공감수 0 댓글수 0 2022. 7. 6.
#클래스와 인스턴스 class란? 실세계의 것을 모델링하여 속성(attribute)와 동작(method)를 갖는 데이터 타입 python에서의 string, int, list, dict.. 모두가 다 클래스로 존재 예를들어 학생이라는 클래스를 만든다면, 학생을 나타내는 속성과 학생이 행하는 행동을 함께 정의 할 수 있음 따라서, 다루고자 하는 데이터(변수) 와 데이터를 다루는 연산(함수)를 하나로 캡슐화(encapsulation)하여 클래스로 표현 모델링에서 중요시 하는 속성에 따라 클래스의 속성과 행동이 각각 달라짐 object 란? 클래스로 생성되어 구체화된 객체(인스턴스) 파이썬의 모든 것(int, str, list..etc)은 객체(인스턴스) 실제로 class가 인스턴스화 되어 메모리에 상주하는 상태를 의미 clas.. 공감수 0 댓글수 0 2022. 7. 1.
#모듈 이해 및 사용 모듈 임포트 그동안 사용했던 함수들 처럼, 다양한 기능들이 미리 함수로 구현되어 모듈 형태로 제공 대표적으로 추후 과정에서 사용하게 될 아래의 모듈들이 존재 requests - HTTP 요청/응답 모듈 numpy - 수치해석 모듈 pandas - 데이터 분석 모듈 import import를 사용하여 해당 모듈 전체를 import from import 해당 모듈에서 특정한 타입만 import 임포트 해당 모듈내에 정의된 모든 것을 import 일반적으로 사용이 권장되지 않음 as 모듈 import 시, alias(별명) 지정가능 공감수 0 댓글수 0 2022. 6. 29.
#함수 이해 및 활용 - 2 Lambda 함수 단일문으로 표현되는 익명함수 익명함수란 이름이 없는 구현체만 존재하는 간단한 함수를 의미 코드 상에서 한번만 사용되는 기능이 있을 때, 굳이 함수로 만들지 않고 1회성으로 만들어서 쓸 때 사용. add2 = lambda x, y : x + y add2(5, 10) 15 strings = ['bob', 'charles', 'alexander', 'teddy'] strings.sort(key = lambda s:len(s)) print(strings) ['bob', 'teddy', 'charles', 'alexander'] filter, map, reduce lambda가 유용하게 사용되는 3가지 대표적 함수 함수형 프로그래밍의 기본 요소이기도 함 filter : 특정 조건을 만족하는 요소.. 공감수 0 댓글수 0 2022. 6. 29.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 12 9장 에지 검출과 응용 9.1.1 미분과 그래디언트 에지(edge) : 한쪽 방향으로 픽셀 값이 급격하게 바뀌는 부분 1차원 이산함수에서 미분 근사화 방법 1. 전진 차분 : L(x + 1) - L(x) = 자기 자신 바로 앞에 있는 픽셀에서 자기 자신 픽셀 값을 뺀 형태 2. 후진 차분 : L(x) - L(x - 1) = 자기 자신 픽셀에서 바로 뒤에 있는 픽셀 값을 뺀 형태 3. 중앙 차분 : (L(x + 1) - L(x - 1)) / 2 = 자기 자신을 제외하고 바로 앞과 뒤에 있는 픽셀 값을 이용 그래디언트(gradient) : x축 방향 미분과 y축 방향 미분을 한꺼번에 벡터로 표현한 것 그래디언트 벡터의 방향 : 변화 정도가 가장 큰 방향을 나타냄 그래디언트 벡터의 크기 : 변화율 세기를 나타.. 공감수 0 댓글수 0 2022. 6. 22.
#함수 이해 및 활용 - 1 함수? 지금까지 무심코 코드에서 사용된 많은 함수들이 존재 합니다. 예를들면, sum, len, range 같은 함수 등이 있죠. 함수란 우리가 알고있는 개념처럼 주어진 입력(input)에 대해서 의도된 출력(output)를 전달하는 역할을 합니다. 그렇다면, 하나씩 살펴보겠습니다.sum 함수는 리스트, 튜플등을 입력으로 전달하면 전체 아이템의 합을 출력으로 전달하는 역할을 합니다. len 함수는 리스트, 튜플등을 입력으로 전달하면 아이템의 개수를 출력으로 전달하는 역할을 합니다. range 함수는 정수를 입력으로 전달하면 [0, 정수) 로 이루어진 리스트를 생성하는 역할을 합니다. 그리고, 위의 함수들은 모두 python 내부에 이미 정의(구현)이 되어 있습니다. 위와 같은 함수를 내장함수(built-.. 공감수 0 댓글수 0 2022. 6. 22.
#조건문과 반복문 - 3 3장 반복문 이해하기(for) for 반복문 리스트, 문자열 등등 순회 가능한 객체를 순회하면서 값을 처리할 때 사용 아래와 같은 문법으로 사용 여기서 i는 매번 수행 될 때마다, a의 아이템으로 순차적으로 변경 됨 모든 아이템이 순회되면 for 블록 종료 a = [1, 2, 4, 3, 5] for i in a: print (i, i * 2) 1 2 2 4 4 8 3 6 5 10 문자열의 아이템 출력하기 문자열의 경우 순회 가능, 리스트의 유사하게 순회 가능 a = 'hello world' for ch in a: print(ch) h e l l o w o r l d dict의 아이템 출력하기 dictionary의 경우 기본적으로 순회 하게 되면 key값을 참조 keys()함수를 이용하여 key 값만 순회.. 공감수 0 댓글수 0 2022. 6. 20.
#조건문과 반복문 - 2 2장 반복문 이해하기(while) loop (반복문) 반복적인 작업을 가능하게 해주는 도구 특정 조건을 만족하는 경우 수행할 수 있음 (while) 리스트, 문자열, 튜플 등 컬렉션 타입의 아이템을 하나씩 순회하면서 사용 가능 (for) 코드 작업에서, 가장 많이 사용하는 구문 중 하나 주의할점: while을 사용할 경우, 반복을 멈추게 하는 장치가 필요 그렇지 않으면 셀이 무한히 수행되며, jupyter notebook의 재부팅이 필요 while 키워드 while 뒤의 조건이 True일 경우, while 코드 블록을 계속 수행 while 코드 블록 if와 마찬가지로 while문 아래의 들여쓰기로 작성 된 부분을 의미 조건이 False가 되면 블록 수행을 멈추고 이후 코드를 실행 a = [1, 10, 4.. 공감수 0 댓글수 0 2022. 6. 20.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 11 8장 영상의 기하학적 변환 8.1 어파인 변환 영상의 평행 이동, 확대 및 축소, 회전 등의 조합으로 만들 수 있는 기하학적 변환 8.1.1 어파인 변환 영상의 기하학적 변환은 영상을 구성하는 픽셀의 배치 구조를 변경함으로써 전체 영상의 모양을 바꾸는 작업 픽셀 값은 그대로 유지하면서 위치를 변경하는 작업 void affine_transform() { Mat src = imread("tekapo.bmp"); if (src.empty()) { return; } Point2f srcPts[3], dstPts[3]; srcPts[0] = Point2f(0, 0); srcPts[1] = Point2f(src.cols - 1, 0); srcPts[2] = Point2f(src.cols - 1, src.rows -.. 공감수 0 댓글수 0 2022. 6. 17.
#조건문과 반복문 - 1 1장 조건문(if, elif, else) 활용하기 condition (조건문) 특정 조건을 만족하는 경우에만 수행할 작업이 있는 경우 사용 모든 조건은 boolean으로 표현 됨 (예외 사항은 아래 배울 예정) if, elif, else 키워드가 사용 조건문의 경우 if, elif, else 블록에 종속된 코드는 들여쓰기로 표현 가능 즉 아래코드에서와 같이, 조건문 아래에 들여쓰기된 2줄의 코드만이 조건문의 조건에 따라 수행될 수도, 수행되지 않을 수도 있는 코드라고 할 수 있음 들여쓰기 된 코드를 블록(block), 또는 코드블록이라고 함 python에서 모든 블록의 시작점의 마지막에는 :(콜론, colon) 추가가 필요 if 6 >= 5: print ('6 is greater than 5') prin.. 공감수 0 댓글수 0 2022. 6. 17.
#데이터 타입과 컬렉션 - 3 dictionary 키와 값을 갖는 데이터 구조 키는 내부적으로 hash값으로 저장 순서를 따지지 않음. 즉, 인덱스가 없음 항목 추가 및 변경 기존에 키가 존재하면, 새로운 값으로 업데이트 존재하지 않으면, 새로운 키, 값 생성 a = {'Korea' : 'Seoul', 'Canada': 'Ottawa', 'USA' : 'Washington D.C'} print(a['Korea']) Seoul a['Japan'] = 'Tokyo' print(a) {'Korea': 'Seoul', 'Canada': 'Ottawa', 'USA': 'Washington D.C', 'Japan': 'Tokyo'} b= {0:1, 1:6, 4:8, 7:9} print(b[4]) 8 update() 두 딕셔너리를 병합함 겹치는 .. 공감수 0 댓글수 0 2022. 6. 17.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 10 7.3 샤프닝 : 영상 날카롭게 하기 샤프닝 : 초점이 잘 맞는 사진처럼 사물의 윤곽이 뚜렷하고 선명한 느낌이 나도록 영상을 변경하는 필터리 기법 7.3.1 언샤프 마스크 필터 언샤프(블러링이 적용된 영상)한 영상을 이용하여 역으로 날카로운 영상을 생성하는 필터 void unsharp_mask() { Mat src = imread("rose.bmp", IMREAD_GRAYSCALE); if (src.empty()) { return; } imshow("src", src); for (int sigma = 1; sigma 공감수 0 댓글수 0 2022. 6. 14.
#데이터 타입과 컬렉션 - 2 2장 문자열 타입의 이해와 활용 문자열 복수개의 문자를 순서대로 나열 한 것 문자열은 ' 혹은 " 사이에 문자를 넣어서 생성 a = 'hello world' b = "hello world" c = '''hello world''' d = """hello world""" -1 인덱스 -1이 가장 마지막 인덱스를, -2가 마지막에서 두번째 인덱스를 의미함 a = 'hello world' b = "hello world" print(a[-1]) print(b[-2]) d l 인덱스의 범위 인덱스는 0 ~ 문자열의 길이 범위만 유효 음수 인덱스는 -문자열의 길이 ~ -1 범위만 유효 문자열 slicing 부분 문자열을 추출 시작, 끝 인덱스가 생략되어 있다면, 0부터 혹은 끝까지로 간주 b = "hello worl.. 공감수 0 댓글수 0 2022. 6. 14.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 9 6장 영상의 산술 및 논리 연산 6.1 영상의 산술 연산 두 개의 입력 영상에 대하여 다양한 형태의 덧셈 뺄셈 연산을 수행하는 방법 dst(x, y) = src1(x, y) + src2(x, y) src1과 src2는 입력 영상, dst는 덧셈 연산의 결과 영상 그레이스케일 최댓값인 255보다 커지는 경우가 발생할 수 있어서 결과 영상의 픽셀 값을 255로 설정하는 포화 연산도 함께 수행 dst(x, y) = saturate(src1(x, y) + src2(x, y)) = add() // 덧셈 dst(x, y) = saturate(src1(x, y)*alpha + src2(x, y)*beta + gamma = addweighted() // 가중치 덧셈 dst(x, y) = saturate(src1(x, .. 공감수 0 댓글수 0 2022. 6. 13.
#데이터 타입과 컬렉션 - 1 1장 기본 타입 및 변수의 이해 변수 : 데이터를 저장하는 공간 = 대입 연산자 오른쪽 수식이나 값을 계산 한 뒤, 왼쪽에 명시된 변수에 해당 값을 대입 a = 10 # int b = 11.4 # float 주석 코드에서 #으로 시작하는 뒷 부분은 실행되지 않음 # 주석입니다. a = 10 b = 11.4 함수 특정 기능을 반복적으로 호출하여 사용가능한 코드블럭 print 함수 : 해당 변구의 값을 출력 / , 로 여러 변수를 나열하면 한줄에 출력 / 기본적으로 한칸 띄어쓰기 후 출력 print(a, b) print(a, 10, 200, b) sep : 구분자, 각 출력할 변수 사이에서 구별하는 역할을 함 end : 마지막에 출력할 문자열 print(a, b, 10, 100, sep='*', end='!.. 공감수 0 댓글수 0 2022. 6. 13.
#자료구조와 함께 배우는 알고리즘 입문 C언어 - 13 11장 해시 11-1 해시법 데이터를 저장할 위치(인덱스)를 간단한 연산으로 구하는 것으로, 검색뿐만 아니라 추가, 삭제도 효율적으로 수행하는 방법 충돌 : 저장할 버킷이 중복되는 현상 충돌에 대한 대처 1. 체인법 : 같은 해시값을 갖는 요소를 연결 리스트로 관리 2. 오픈 주소법 : 빈 버킷을 찾을 때까지 해시를 반복 키 값과 데이터 // 회원데이터 구조체 정의(헤더) #ifndef __Member #define __Member typedef struct { int no; char name[20]; } Member; #define MEMBER_NO 1 #define MEMBER_NAME 2 int MemberNoCmp(const Member* x, const Member* y); int MemberN.. 공감수 0 댓글수 0 2022. 6. 8.
#OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 - 8 5.2 영상의 명암비 조절 5.2.1 기본적인 명암비 조절 방법 전체 픽셀에 적절한 실수를 곱하는 곱셈 연산 명암비 : 영상에 밝은 영역과 어두운 영역 사이에 드러나는 밝기 차이의 강도 : 명암 대비 : 콘트라스트(contrast) void contrast1() { Mat src = imread("lenna.bmp", IMREAD_GRAYSCALE); if (src.empty()) { return; } float s = 2.f; Mat dst = s * src; imshow("src", src); imshow("dst", dst); waitKey(); destroyAllWindows(); } 5.2.2 효과적인 명암비 조절 방법 // 입력 영상의 픽셀 값이 128보다 크면 밝게 만들고 작으면 어둡게 만드.. 공감수 0 댓글수 0 2022. 6. 3.
#자료구조와 함께 배우는 알고리즘 입문 C언어 - 12 10장 트리 10-1 트리 데이터 사이의 계층 관계를 나타내는 자료구조 트리 구성하는 요소 : 노드, 가지 트리 관련 용어 루트 : 가장 윗부분에 위치하는 노드 리프 : 가장 아랫부분에 위치하는 노드 (마지막에 위치한 노드) 안쪽 노드 : 루트를 포함하여 리프를 제외한 노드 자식 : 어떤 노드로부터 가지로 연결된 아래쪽 노드 (자식을 여러개 가질 수 있음) 부모 : 어떤 노드로부터 가지로 연결된 위쪽 노드 형제 : 같은 부모를 가지는 노드 조상 : 어떤 노드에서 가지로 연결된 위쪽 노드 전체 자손 : 어떤 노드에서 가지로 연결된 아래쪽 노드 전체 레벨 : 루트로부터 얼마나 떨어져 있는지에 대한 값 차수 : 노드가 갖는 자식의 수 높이 : 루트부터 가장 멀리 떨어진 리프까지의 거리 서브 트리 : 트리 안에.. 공감수 0 댓글수 0 2022. 6. 3.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.