Matlab 车牌识别技术

1.1设计内容及要求:

课题研究的主要内容是对数码相机拍摄的车牌,进行基于数字图像处理技术的车牌定位技术和车牌字符分割技术的研究与开发,涉及到图像预处理、车牌定位、倾斜校正、字符分割等方面的知识,总流程图如图1-1所示。

图1-1系统总流程图

1.2方案

1、车牌图像的定位。分析了车牌定位的基本原理和现有的定位方法,利用图像处理的技术,提出了基于数学形态学与边缘检测以及颜色相结合的车牌定位方法。最后对车牌定位实验结果进行分析。

2、倾斜校正。分析了倾斜校正的基本原理和一些倾斜校正方法,并对实验结果进行分析。

3、车牌字符分割。分析了各种字符分割算法,然后对分割出的车牌图像进行灰度化、灰度拉伸、二值化、去边框处理等一系列预处理后,提出了一种

基于模板匹配与垂直投影相结合的字符分割方法。最后对字符分割实验结果进行了分析。

设计原理及设计方案

课题研究的主要内容是对数码相机拍摄的车牌,进行基于数字图像处理技术的车牌定位技术和车牌字符分割技术的研究与开发,涉及到图像预处理、车牌定位、倾斜校正、字符分割等方面的知识,总流程图如图2-1所示,其中车牌定位的流程图如图2-2所示,字符分割与归一化的流程图如图2-3所示。

图2-1系统总流程图

图2-2 车牌定位的流程图

图2-3 字符分割与归一化流程图

设计的步骤和结果

3.1 图像灰度变换

灰度图指的是包含光亮程度,但没有色彩信息的图片,比如亮度持续变化的黑白图像就是一张灰度图。灰度变换就是将有色彩的图像转化为只有光亮度的图像。色彩图片分为R、G、B 三个量,依次对应着红、绿、蓝等三种颜色,灰度变换就是将R、G、B 三个分量变为一个等值的过程。像素点越亮的灰度值越大(显白色时像素值最大的为255),相反则越暗(显黑色时像素值为0)。要把原来的彩图变化为用灰度表示时,其图像的灰度变换的值可以用下面两个公式计算:

第一个式子用的是权值加重的方法,第二个式子用的是均值法。Matlab中的R、G、B转灰度的函数rgb2gray① 使用的就是第一个式子权值加重[6]。

对应代码实现如下:

Scolor=imread([pn fn]);

figure,imshow(Scolor),title('原始图像');

Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图

figure;imshow(Sgray);title('灰度图')

3.2 图像边缘检测

图像边缘是指图片的灰度空间突变或梯度上突变的全部像素组合。接下来在车牌定位与字符的识别前我们需先对图片做边缘检测处理,提升图像像素,让图像更容易接下来的后续操作。在进行完边缘检测处理之后,能在相当程度上压低噪声影响、切割出车牌区域、留下完整车牌字符,使其方便接下来的定位与识别。

根据牌照字符识别所用的图像采集仪器基本装在固有的位置和车牌的特有属性,相对容易看出汽车车牌一般都在一个水平的长方形区域里,位置范围基本比较固定,而且牌照里的字符基本都在一水平方向上。因此,再进行一些转换,容易清晰的呈出车牌区域的边缘。本次系统设计采用了Roberts算子来对图像进行边缘检测。还有别的算法如Sobel算子和拉普拉斯算子等。

Roberts算子是通过对图像局部做差分处理来寻找图像边缘的,使用互为九十度角上的差分来估计梯度,Roberts算子则是采用对角方向相邻两像素之差,

其幅值为:

grd=edge(Egray,'canny',0.09,'both');

figure,imshow(grd);title('robert算子边缘检测');

3.3 车牌定位

基于Matlab车牌识别设计与实现的关键的是牌照位置标记与车牌分割,在整幅图像中先通过合适的算法去提取图像,得到牌照的位置然后再进行平滑、灰度与二值化等处理接着再对提取出来的图片进行分割得到字符。

定位与分割牌照和二值化处理是本次毕业设计的几个重要技术,其主要是为了将已经过前期预处理后所得到的灰度图象中车牌的区域显示出来,接着把包括车牌符号的那块区域图象从处理过的原始图象中提取出来,再由程序的子系统进行识别,要是能准确的切割出车牌的位置就能更好的提升整个程序识别的效率。而且由于车牌图片是初始图片中一个相对突出的子区域图像,简单的概况就是一个水平度比较高近似矩形的横区域图。它在原图中所占的位置相对比较集中,且其灰度值与原图的其它区域也有很大的区别,因此在其边缘就形成了一个灰度有很大变化的区域边界,这样也就有利于我们直接通过边缘检测对图象进行分割。而汽车车牌的二值化处理是字符分割方法中一个非常重要的步骤。

实现代码如下:

[y,x,]=size(bg2);

I6=double(bg2);

%绘制行曲线图

Y1=zeros(y,1);%y行1列的零矩阵

for i=1:y

for j=1:x

if(I6(i,j,1)==1)

Y1(i,1)= Y1(i,1)+1;

end

end

end

[temp, MaxY]=max(Y1);

PY1=MaxY;

while ((Y1(PY1,1)>=50)&&(PY1>1))

PY1=PY1-7;

end

PY2=MaxY;

while ((Y1(PY2,1)>=50)&&(PY2<y))

PY2=PY2+7;

end

%绘制列曲线图

X1=zeros(1,x);

for j=1:x

for i=PY1:PY2

if(I6(i,j,1)==1)

X1(1,j)= X1(1,j)+1;

end

end

end

PX1=1;

while ((X1(1,PX1)<3)&&(PX1<x))

PX1=PX1+1;

end

PX2=x;

while ((X1(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

end

DW=Scolor(PY1:PY2,PX1:PX2,:);

%subplot(1,3,3);

figure,imshow(DW),title('车牌定

3.4 车牌的二值化

车牌二值化处理是决定字符分割好坏非常重要的一个步骤,所谓二值化实际上就是把原图中的每个像素点的分别设置为0或255两个值,简单来说就是把整副原图转换成黑白图像。这个二值化主要是在灰度的基础上实际也就是取一个比较合适的值,将字符准确地从车牌中分割出来。过程大致就是选取一个合适的值,若当图中的哪点的灰度值大于这个值时就将该点设为最大255,反之如果图像中的某点的灰度值小于这个值的时候就将该点值设为最小0。因此,只有选取好一个合适的阈值,才能使二值化之后的图像能较好地区分出字符和车牌背景。根据实验经验得知图像最大灰度值减去图像最大灰度值与最小灰度值之差的三分之一可获得令人满意的阈值,二值化的效果较好。选取合适的阈值就能使二值化图像准确的表达图像的车牌区域与其他区域,所以二值化阈值的选取就成为了图像二值化的关键所在。

实现的代码如下:

figure,imshow(DW),title('车牌定位后图像');

I1 = rgb2gray(DW); %将RGB图像转化为灰度图像

g_max=double(max(max(I1)));

g_min=double(min(min(I1)));

T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值

[m,n]=size(I1);% d:二值图像

imane_bw=im2bw(I1,T/256);

figure,imshow(imane_bw),title('二值化车牌图像');

位后图像');

fname=strcat('code module\Sam',liccode(k2),'.jpg');

%SamBw2 = imread(fname);

SamBw22 = imread(fname);

SamBw22 = rgb2gray(SamBw22);

SamBw2=imresize(SamBw22,[22 14],'nearest');

level=graythresh(SamBw2);

SamBw2=im2bw(SamBw2,level);

for i=1:22

for j=1:14

SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);

end

end

% 以上相当于两幅图相减得到第三幅图

Dmax=0;

for k1=1:22

for l1=1:14

if ( SubBw2(k1,l1) > 0 || SubBw2(k1,l1) <0 )

Dmax=Dmax+1;

end

end

end

Error(k2)=Dmax;

end

Error1=Error(kmin:kmax);

MinError=min(Error1);

findc=find(Error1==MinError);

if tt==1

findc=findc+36;

end

if tt==2

findc=findc+10;

end

tt=tt+1;

res=liccode(findc);

shibiejieguo(1,l)=res;

l=l+1;

end

图3-5字符识别流程图

在此我取用字符与模板相减的方式计算两者中那些字符相似度最高,其值为0越多证明两者越相似。接着依次输出相似度最高的字符,基本所有牌照上都只有7个字符,而且第一位基本都为汉字,是车辆所属省份的缩写,接着是大写字母与阿拉伯数字。所有的基本只有50多个汉字,26个大写字母与10个数字。此次我只设定4个汉字26个字母与10个数字的模板。设待识别字符为X,标准模板为Ti,相似度为Si,则有:

参考文献

[1] 冈萨雷斯.数字图像处理(第二版).电子工业出版社,2007.8.

[2] 王永利,苏金明. MATLAB7.0实用指南. 北京: 电子工业出版社, 2004

[3] 宋建才.汽车牌照识别技术研究[J].工业控制计算机,2004,44~45.

[4] 郁梅等,基于视觉的车辆牌照检测,计算机应用研究,1999(5),P65~67

[5] 王枚、王国宏.基于伴生与互补颜色特征的车牌字符分割技术[J].山东大学学报,2007。第37卷

[6] 田蕾,董秀芳 MATLAB图形图像处理应用教程. 北京: 中国水利水电出版社, 2003

[7] 朱学芳等,一种自适应细化方法,模式识别与人工智能,Vol.10,No.2,1997(6),P140~145

[8] 叶晨洲,杨杰,宣国荣.车辆牌照字符识别[J].上海交通大学学报,2000,5(34): 672~675.

[9]刘阳,伊铁源等.数字图象处理应用于车辆牌照的识别.辽宁大学学报.2004,65~68.

[10] 刘佐濂 , 邓荣标 , 孔嘉圆.中国科技信息 [J].2005(23期)9~12.

[11] 袁志伟,潘晓露.车辆牌照定位的算法研究[J].昆明理工大学学报,2001,26(2): 56~60

[12] 廖金周,宣国荣. 车辆牌照的自动分割[J].微型电脑应用, 1999年07期

[13] 刘卫国. MATLAB程序设计与应用. 北京:高等教育出版社,2002

[14] 叶晨洲等,车辆牌照字符识别系统,计算机系统应用,1999(5),P10~13

[15] 李宏升等,利用牌照识别技术的停车场安全防盗系统,计算机系统应用,1999(5),P14~16

[16] 许志影、李晋平.MATLAB极其在图像处理中的应用.计算机与现代化,2004(4)

程序附录

%获取图像 装入待处理彩色图像并显示原始图像

[fn,pn,fi]=uigetfile('*.bmp','选择图片');

Scolor=imread([pn fn]);

figure,imshow(Scolor),title('原始图像');

%将彩色图像转换为黑白并显示

Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图

%figure,imshow(Sgray),title('原始黑白图像');

%c=histeq(Sgray);

%figure,imshow(c);title('直方图均衡化图像');

s=strel('disk',13);%strei函数13

Bgray=imopen(Sgray,s);%打开sgray s图像

%figure,imshow(Bgray);title('背景图像');%输出背景图像

I3=imerode(Bgray,se); %腐蚀图像

figure,imshow(I3),title('腐蚀后边缘图像');

bg1=imclose(I3,strel('rectangle',[8,18]));%取矩形框的闭运算即平滑8,18

figure,imshow(bg1);title('图像闭运算[5,19]');%输出闭运算的图像

bg3=imopen(bg1,strel('rectangle',[8,14]));%取矩形框的开运算8,18

figure,imshow(bg3);title('图像开运算[5,19]');%输出开运算的图像

bg2=bwareaopen(bg3,700);%去除聚团灰度值小于1000的部分800

figure,imshow(bg2);title('从对象中移除小对象');

[y,x,]=size(bg2);

I6=double(bg2);

%绘制行曲线图

Y1=zeros(y,1);%y行1列的零矩阵

for i=1:y

for j=1:x

if(I6(i,j,1)==1)

Y1(i,1)= Y1(i,1)+1;

end

end

end

% figure();

% subplot(1,3,1);

% plot(0:y-1,Y1),title('行像素灰度值累计'),xlabel('行值'),ylabel('像素和');

[temp, MaxY]=max(Y1);

PY1=MaxY;

while ((Y1(PY1,1)>=50)&&(PY2>1))

PY1=PY1-7;

end

PY2=MaxY;

while ((Y1(PY2,1)>=50)&&(PY1<y))

PY2=PY2+7;

end

%绘制列曲线图

X1=zeros(1,x);

for j=1:x

for i=PY1:PY2

if(I6(i,j,1)==1)

X1(1,j)= X1(1,j)+1;

end

end

end

% subplot(1,3,2);

% plot(0:x-1,X1),title('列像素灰度值累计'),xlabel('列值'),ylabel('像数和');

PX1=1;

while ((X1(1,PX1)<3)&&(PX1<x))

PX1=PX1+1;

end

PX2=x;

while ((X1(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

end

DW=Scolor(PY1:PY2,PX1:PX2,:);

%subplot(1,3,3);

figure,imshow(DW),title('车牌定位后图像');

%if isrgb(DW)

I1 = rgb2gray(DW); %将RGB图像转化为灰度图像

%else I1=DW;

%end

%figure,imshow(I1),title('车牌灰度图像');

g_max=double(max(max(I1)));

g_min=double(min(min(I1)));

T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值

[m,n]=size(I1);% d:二值图像

%h=graythresh(I1);

imane_bw=im2bw(I1,T/256);

figure,imshow(imane_bw),title('二值化车牌图像');

% imane_bw=bwareaopen(I1,3);

% figure,imshow(imane_bw),title('形态学滤波后的二值化图像');

[y1,x1,z1]=size(imane_bw);

I3=double(imane_bw);

TT=1;

%%%%%%%去除图像顶端和底端的不感兴趣区域%%%%%

Y1=zeros(y1,1);

for i=1:y1

for j=1:x1

if(I3(i,j,1)==1)

Y1(i,1)= Y1(i,1)+1 ;

end

end

end

Py1=1;

Py0=1;

while ((Y1(Py0,1)<9)&&(Py0<y1))

Py0=Py0+1;

end

Py1=Py0;

while((Y1(Py1,1)>=9)&&(Py1<y1))

Py1=Py1+1;

end

I2=imane_bw(Py0:Py1,:,:);

figure,imshow(I2),title('目标车牌区域');

% 寻找连续有文字的块,若长度大于某阈值,则认为该块有两个字符组成,需要分割

d=qiege(I2);

[m,n]=size(d);

%figure,subplot(2,1,1),imshow(d),title(n)

k1=1;k2=1;s=sum(d);j=1;

while j~=n

while s(j)==0

j=j+1;

end

k1=j;

while s(j)~=0 && j<=n-1

j=j+1;

end

k2=j-1;

if k2-k1>=round(n/6.5)

[val,num]=min(sum(d(:,[k1+5:k2-5])));

d(:,k1+num+5)=0; % 分割

end

end

% 再切割

d=qiege(d);

% 切割出 7 个字符

y1=10;y2=0.25;flag=0;word1=[];

while flag==0

[m,n]=size(d);

left=1;wide=0;

while sum(d(:,wide+1))~=0

wide=wide+1;

end

if wide<y1 % 认为是左侧干扰

d(:,[1:wide])=0;

d=qiege(d);

else

temp=qiege(imcrop(d,[1 1 wide m]));

[m,n]=size(temp);

all=sum(sum(temp));

two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)));

if two_thirds/all>y2

flag=1;word1=temp; % WORD 1

end

d(:,[1:wide])=0;d=qiege(d);

end

end

% 分割出第二个字符

[word2,d]=getword(d);

% 分割出第三个字符

[word3,d]=getword(d);

% 分割出第四个字符

[word4,d]=getword(d);

% 分割出第五个字符

[word5,d]=getword(d);

% 分割出第六个字符

[word6,d]=getword(d);

% 分割出第七个字符

[word7,d]=getword(d);

% figure(9),imshow(word1),title('1');

% figure(10),imshow(word2),title('2');

% figure(11),imshow(word3),title('3');

% figure(12),imshow(word4),title('4');

% figure(13),imshow(word5),title('5');

% figure(14),imshow(word6),title('6');

% figure(15),imshow(word7),title('7');

[m,n]=size(word1);

% 商用系统程序中归一化大小为 40*20,此处演示%%%%%22,14

word1=imresize(word1,[22 14]);

word2=imresize(word2,[22 14]);

word3=imresize(word3,[22 14]);

word4=imresize(word4,[22 14]);

word5=imresize(word5,[22 14]);

word6=imresize(word6,[22 14]);

word7=imresize(word7,[22 14]);

figure,

subplot(3,7,8),imshow(word1),title('1');

subplot(3,7,9),imshow(word2),title('2');

subplot(3,7,10),imshow(word3),title('3');

subplot(3,7,11),imshow(word4),title('4');

subplot(3,7,12),imshow(word5),title('5');

subplot(3,7,13),imshow(word6),title('6');

subplot(3,7,14),imshow(word7),title('7');

imwrite(word1,'1.jpg');

imwrite(word2,'2.jpg');

imwrite(word3,'3.jpg');

imwrite(word4,'4.jpg');

imwrite(word5,'5.jpg');

imwrite(word6,'6.jpg');

imwrite(word7,'7.jpg');

liccode=char(['0':'9' 'A':'Z' '藏川甘赣贵桂黑沪吉济冀津晋京警兰辽领鲁蒙闽宁青琼陕使苏皖湘新学渝豫粤云浙']); %建立自动识别字符代码表

tt=1;

l=1;

for I=1:7

ii=int2str(I);

t=imread([ii,'.jpg']);

t=255-t;

level=graythresh(t);

t=im2bw(t,level);

SegBw2=imresize(t,[22 14],'nearest');

if tt==1 %第一位汉字识别

kmin=37;

kmax=72;

t=~t;

SegBw2=imresize(t,[22 14],'nearest');

elseif tt==2 %第二位 A~Z 字母识别

kmin=11;

kmax=36;

else %第三位以后是字母或数字识别

kmin=1;

kmax=36;

end

for k2=kmin:kmax

fname=strcat('code module\Sam',liccode(k2),'.jpg');

%SamBw2 = imread(fname);

SamBw22 = imread(fname);

SamBw22 = rgb2gray(SamBw22);

SamBw2=imresize(SamBw22,[22 14],'nearest');

level=graythresh(SamBw2);

SamBw2=im2bw(SamBw2,level);

for i=1:22

for j=1:14

SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);

end

end

% 以上相当于两幅图相减得到第三幅图

Dmax=0;

for k1=1:22

for l1=1:14

if ( SubBw2(k1,l1) > 0 || SubBw2(k1,l1) <0 )

Dmax=Dmax+1;

end

end

end

Error(k2)=Dmax;

end

Error1=Error(kmin:kmax);

end

if tt==2

findc=findc+10;

end

tt=tt+1;

res=liccode(findc);

shibiejieguo(1,l)=res;

l=l+1;

end

%=====对话框显示显示======================

shibiejieguo

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/57096.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

智慧共享空间解决方案是什么

一、智慧共享空间解决方案的定义 智慧共享空间解决方案是一种综合性的策略和技术手段&#xff0c;旨在通过整合智慧技术与共享空间的概念&#xff0c;为公众共同使用的空间提供高效、智能、可持续的运营和管理模式&#xff0c;以满足人们在不同环境下的各种需求&#xff0c;并…

C++基于opencv的视频质量检测--画面冻结检测

文章目录 0.引言1. 原始代码分析2. 优化方案3. 优化后的代码4. 代码详细解读 0.引言 视频质量画面冻结检测已在C基于opencv4的视频质量检测中有所介绍&#xff0c;本文将详细介绍其优化版本。 1. 原始代码分析 图像抖动检测的原始代码&#xff1a; bool ScreenFreezeDetect…

AI驱动的低代码未来:加速应用开发的智能解决方案

引言 随着数字化转型的浪潮席卷全球&#xff0c;企业对快速构建应用程序的需求愈发强烈。然而&#xff0c;传统的软件开发周期冗长、成本高昂&#xff0c;往往无法满足快速变化的市场需求。在此背景下&#xff0c;低代码平台逐渐成为开发者和企业的优选方案&#xff0c;以其“低…

【蓝桥杯选拔赛真题77】python计算小球 第十五届青少年组蓝桥杯python选拔赛真题 算法思维真题解析

目录 python计算小球 一、题目要求 1、编程实现 2、输入输出 二、算法分析 三、程序编写 四、程序说明 五、运行结果 六、考点分析 七、 推荐资料 1、蓝桥杯比赛 2、考级资料 3、其它资料 python计算小球 第十五届蓝桥杯青少年组python比赛选拔赛真题 一、题目要…

架构师备考-非关系型数据库

基础理论 CAP 理论 C&#xff08;Consistency&#xff09;一致性。一致性是指更新操作成功并返回客户端完成后&#xff0c;所有的节点在同一时间的数据完全一致&#xff0c;与ACID 的 C 完全不同。A &#xff08;Availability&#xff09;可用性。可用性是指服务一直可用&…

内网渗透-初探域渗透

文章目录 环境域信息收集系统基本信息网络信息域控主机信息根据ip查主机名用户信息权限提升网络探针系统命令nbtscanfscannishang 凭据收集 域渗透实战凭据收集(重点)mimikatzProcdumpPwdumpSAMInsidekrbtgt用户hash hash破解解决无法获取明文的问题明文口令传递IPC连接atschta…

windows录屏软件工具推荐!!

如今&#xff0c;科技的进步&#xff0c;互联网的普及&#xff0c;使我们的生活越来越便利&#xff0c;录屏工具的出现&#xff0c;大大提高我们的工作效率。如果你经常需要录制屏幕上的内容&#xff0c;比如制作教学视频、游戏实况记录、演示文稿等等&#xff0c;那这几款软件…

【病毒分析】从无解到破解:Mallox家族linux版本的分析以及解密器的制作

1.背景 Mallox勒索软件首次出现于2021年5月&#xff0c;并在2021年10月扩展到中国市场。截至2024年&#xff0c;它仍然活跃。Mallox通过加密受害者文件并要求支付赎金来恢复数据&#xff0c;使用唯一的加密密钥加密文件&#xff0c;受害者的文件通常会添加“.mallox”或“.mal…

【LeetCode每日一题】——862.和至少为 K 的最短子数组

文章目录 一【题目类别】二【题目难度】三【题目编号】四【题目描述】五【题目示例】六【题目提示】七【解题思路】八【时空频度】九【代码实现】十【提交结果】 一【题目类别】 前缀和 二【题目难度】 困难 三【题目编号】 862.和至少为 K 的最短子数组 四【题目描述】 …

容器化核心快速入门

概述 物理机&#xff1a;好比是独立的大船&#xff0c;独立发动机&#xff0c;独立船舱。所有资源共用。运水果的同时就不能运鱼&#xff08; 1964年&#xff09;虚拟机&#xff1a;相当于把大船进行改造&#xff0c;把大船的资源进行独立的拆分&#xff0c;独立的部分都有单独…

适合自己的才行-这五款项目管理软件工具帮你提高管理效能

凭借多年项目管理经验&#xff0c;我试用过数十款国内外项目管理软件。我认为&#xff0c;操作简便性至关重要&#xff0c;因为软件仅是辅助管理工具&#xff0c;复杂性若影响管理本质&#xff0c;则得不偿失。 在生产管理方面&#xff0c;我专注于新产品从立项到研发的全过程…

【网络原理】HTTPS

目录 前言 为什么要使用HTTPS&#xff1f; HTTPS是如果进行加密的 1.对称加密 2.非对称加密 中间人攻击 3.证书 中间人有没有可能篡改证书&#xff1f; 中间人有没有可能整个调包证书&#xff1f; 前言 在上一篇中&#xff0c;我们讲解了什么是HTTP&#xff0c;但是在…

现代数字信号处理I--最佳线性无偏估计 BLUE 学习笔记

目录 1. 最佳线性无偏估计的由来 2. 简单线性模型下一维参数的BLUE 3. 一般线性模型下一维参数的BLUE 4. 一般线性模型下多维参数的BLUE 4.1 以一维情况说明Rao论文中的结论 4.2 矢量参数是MVUE的本质是矢量参数中的每个一维参数都是MVUE 4.3 一般线性模型多维参数BLUE的…

[简易版] 自动化脚本

前言 uniapp cli项目中没办法自动化打开微信开发者工具&#xff0c;需要手动打开比较繁琐&#xff0c;故此自动化脚本就诞生啦~ 实现 const spawn require("cross-spawn"); const chalk require("picocolors"); const dayjs require("dayjs&quo…

牛客网刷题(1)(java之数据类型、数组的创建(静态/动态初始化)、static关键字与静态属性和方法、常用的servlet包、面向对象程序设计方法优点)

目录 一、Java变量的数据类型。 <1>Java中变量的数据类型。 <2>基本数据类型。 <3>引用数据类型。 二、Java中一维数组的初始化。&#xff08;静态、动态初始化&#xff09; <1>数组。 <2>动态初始化。 <3>静态初始化。 三、看清代码后&am…

Cesium基础-(Entity)-(Billboard)

里边包含Vue、React框架代码 2、Billboard 广告牌 Cesium中的Billboard是一种用于在3D场景中添加图像标签的简单方式。Billboard提供了一种方法来显示定向的2D图像,这些图像通常用于表示简单的标记、符号或图标。以下是对Billboard的详细解读: 1. Billboard的定义和特性 B…

模型训练识别手写数字(一)

一、模型训练数据集 1. 导入所需库 import numpy as np from sklearn.datasets import fetch_openmlnumpy 是用于数值计算的库。 fetch_openml 是用于从 OpenML 下载数据集的函数。 2. 获取 MNIST 数据集 X, y fetch_openml(mnist_784, version1, return_X_yTrue)fetch_ope…

LeetCode算法(双指针)

今天的题目主要都是力扣前100中&#xff0c;关于双指针的题 1.移动零 链接&#xff1a;移动零 示例&#xff1a; 示例 : 输入: nums [0,1,0,3,12] 输出&#xff1a;[1,3,12,0,0] 可以看到保持原有元素的顺序&#xff0c;将所有的0&#xff0c;移动到数组最后方即可。 这…

开源项目工具:LeanTween - 为Unity 3D打造的高效缓动引擎详解(比较麻烦的API版)

1.LeanTween.reset() 一、工具介绍 参考&#xff1a;推荐开源项目&#xff1a;LeanTween - 为Unity 3D打造的高效缓动引擎-CSDN博客 LeanTween是一个专为Unity 3D引擎设计的高效缓动&#xff08;tweening&#xff09;库&#xff0c;它提供了简单易用的API&#xff0c;帮助开…

ctfshow(175->178)--SQL注入--联合注入及其过滤

Web175 进入界面&#xff1a; 审计&#xff1a; 查询语句&#xff1a; $sql "select username,password from ctfshow_user5 where username !flag and id ".$_GET[id]." limit 1;";返回逻辑&#xff1a; if(!preg_match(/[\x00-\x7f]/i, json_enc…