• 2021/5/28: 增加了部分示例代码

小波变换

小波 (Wavelet) 是时间（空间）频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。有人把小波变换称为“数学显微镜”。

而对于图像处理相关领域，小波变换曾经相当的热门，一些经典的算法如 JPEG-2000 就是基于小波变换原理的。

要理解小波变换，有一大堆需要铺垫的东西…

最近期末考试的安排出来了，学期末要来了，一学期又要结束了，说实话这学期懈怠了好多。

夏令营在紧张的准备中，联系的导师大多不回复，一度觉得自己要没学上了，加上同学给的压力有点大，好不容易调平心态了，就接着写博客呗…

icarus 最近更新了，加入了自定义不同页面的显示，再也不用之前改代码了，是时候翻新一下博客的样式了！图片标题的问题实在是太难看了，顺便如果可以还是直接在页面渲染出来 latex 公式好看，插入图片有点对不齐显得很丑！

更多的废话放在 more 中了。

2021/4/24: 解决(?)公式渲染问题，卸了重装了渲染器，然后参考配置了服务器渲染

空间&频率域滤波

用于记录学习数字图像处理的历程（不完全同步学校课程，不定期摸鱼）

空间域滤波

直方图均衡化

直方图的形状往往与图像的外观有关。

• 在暗图像的直方图中，大多数直方图容器集中在灰度级较低的一端（靠近 0）
• 亮的图像的直方图中，多数直方图容器集中在灰度级的高端
• 低对比度的图像的直方图中，直方图容器基本位于灰度级的中间
• 高对比度图像的直方图，容器覆盖了较宽的范围，并且像素的分布是基本均匀的

诈尸

2021/3/19 开学第三周，挖出来，填一下实际完成的东西。

概率方法

Monte Carlo Simulation

General

我们需要定量分析我们的模型预测结果的可靠性，而蒙特卡洛方法就是可以预测概率，评估风险的一个方法。当我们需要计算，测量不确定性对模型的影响，模特卡洛方法是首先考虑的。简单来说，蒙特卡洛方法就是用不确定的参数反复评估模型，研究模型输出的不确定性。

蒙特卡洛方法的主要好处就在于它的鲁棒性和多功能性，不好之处在于它的收敛速度很慢并且计算量很大。