需要在个人页面的设置中,选择默认的清晰度,以手机荣耀10为例,步骤如下:
1、首先需要打开手机中的哔哩哔哩客户端。
2、选择右上方的头像,进入个人设置页面。
3、在最下方找到设置与帮助。
4、选择清晰度选择。
5、可以更改默认的清晰度选项,选择即可设置完成。
变频器内部有速度给定的上升、下降时间参数供用户设定。你设定好这两个参数值后,不管plc的转速给定值是如何瞬间变化,变频器都是会按照斜坡升速、斜坡降速的方式来改变电机转速的。升速、降速的平缓程度,由你设置的时间值来决定。
具体方法
1、可以直接将接近开关线接到变频器端子控制那头。
2、用两个段速端子控制分别连接接近开关1和接近开关2。
3、设定相对应的段速频率值。
扩展资料:
变频器是应用变频技术与微电子技术,通过改变电机工作电源频率方式来控制交流电动机的电力控制设备。变频器主要由整流(交流变直流)、滤波、逆变(直流变交流)、制动单元、驱动单元、检测单元微处理单元等组成。
变频器靠内部IGBT的开断来调整输出电源的电压和频率,根据电机的实际需要来提供其所需要的电源电压,进而达到节能、调速的目的,另外,变频器还有很多的保护功能,如过流、过压、过载保护等等。随着工业自动化程度的不断提高,变频器也得到了非常广泛的应用。
每一幅图像都包含某种程度的噪声,噪声可以理解为由一种或者多种原因造成的灰 度值的随机变化,如由光子通量的随机性造成的噪声等,在大多数情况下,通过平滑技术(也常称为滤波技术)进行抑制或者去除, 其中具备保持边缘(Edge Preserving)作用的平滑技术得到了更多的关注。常用的平滑处理算法包括基于二维离散卷积的高斯平滑、均值平滑,基于统计学方法的中值平滑,具备保持边缘作用的平滑算法的双边滤波、导向滤波等。
I与K的二维离散卷积的计算步骤如下。
显然,高为H1、宽为W1的矩阵I与高为H2、宽为W2的卷积核K 的full卷积结果是一 个高为 H1+H2-1 、宽为 W1+W2-1 的矩阵,一般H2 ≤H1,W2 ≤W1。
从full卷积的计算过程可知, 如果Kflip靠近I 的边界, 那么就会有部分延伸到I之外而导致访问到未定义的值, 忽略边界,只是考虑I能完全覆盖Kflip内的值的情况, 该过程称为valid卷积。
当然, 只有当H2≤H1且W2≤W1时才会存在 valid卷积 。
为了使得到的卷积结果和原图像的高、宽相等,所以通常在计算过程中给Kflip指定 一个“锚点”, 然后将“锚点”循环移至图像矩阵的(r, c) 处, 其中0≤r<H1, 0≤c<W1,接下来对应位置的元素逐个相乘,最后对所有的积进行求和作为输出图像矩阵在 (r, c) 处的输出值。这个卷积过程称为same卷积,
大部分时候,为了更方便地指定卷积核的锚点,通常卷积核的宽、高为奇数,那么可以简单地令中心点为锚点的位置。same卷积是full卷积的一部分,而如果valid卷积存在,那么valid卷积是same卷积的一部分。
对于full卷积和same卷积,矩阵I 边界处的值由于缺乏完整的邻接值,因此卷积运算 在这些区域需要特殊处理,方法是进行边界扩充,有如下几种常用方式。
利用上述不同的边界扩充方式得到的same卷积只是在距离矩阵上、下、左、右四个边界小于卷积核半径的区域内值会不同,所以只要在用卷积运算进行图像处理时,图像的重要信息不要落在距离边界小于卷积核半径的区域内就行。
如果一个卷积核至少由两个尺寸比它小的卷积核full卷积而成,并且在计算过程中在所有边界处均进行扩充零的 *** 作,且满足
其中kerneli的尺寸均比Kernel小,1≤i≤n,则称该卷积核是可分离的。
在图像处理中经常使用这样的卷积核,它可以分离为一维水平方向和一维垂直方向上的卷积核。
(1)full卷积性质
如果卷积核Kernel是可分离的, 且Kernel=kernel1★kernel2, 则有:
(2)same卷积性质
其中
其中,根据可分离卷积的性质,有
理解了上述高斯平滑的过程, 就可以明白OpenCV实现的高斯平滑函数:
从参数的设置可以看出, GaussianBlur 也是通过分离的高斯卷积核实现的,也可以令水平方向和垂直方向上的标准差不相同,但是一般会取相同的标准差。 当平滑窗口比较小时, 对标准差的变化不是很敏感, 得到的高斯平滑效果差别不大; 相反,当平滑窗口 较大时,对标准差的变化很敏感, 得到的高斯平滑效果差别较大 。
利用卷积核 的分离性和卷积的结合律,虽然减少了运算量,但是随着卷积核窗口的增加,计算量仍会继续增大,可以利用图像的积分,实现时间复杂度为O(1)的快速均值平滑。
即任意一个位置的积分等于该位置左上角所有值的和。 利用矩阵的积分,可以计算出矩阵中任意矩形区域的和。
中值滤波最重要的能力是去除椒盐噪声。椒盐噪声是指在图像传输系统中由于解码误差等原因,导致图像中出现孤立的白点或者黑点。
一般来说,如果图像中出现较亮或者较暗的物体,若其大小小于中值平滑的窗口半径,那么它们基本上会被滤掉,而较大的目标则几乎会原封不动地保存下来。
中值平滑需要对邻域中的所有像素点按灰度值排序, 一般比卷积运算要慢。
在OpenCV中同样通过定义函数:
此外, 中值平滑只是排序统计平滑中的一种, 如果将取邻域的中值变为取邻域中的 最小值或者最大值, 显然会使图像变暗或者变亮。 这类方法就是后面要介绍的形态学 处理的基础。
高斯平滑、均值平滑在去除图像噪声时,会使图像的边缘信息变得模糊,接下来就 介绍在图像平滑处理过程中可以保持边缘的平滑算法: 双边滤波和导向滤波。
双边滤波是根据每个位置的邻域, 对该位置构建不同的权重模板。 详细过程如下:
其中0≤h<winH, 0≤w<winW, 且每个位置的空间距离权重模板是相同的。
其中0≤h<winH, 0≤w<winW, 显然每个位置的相似性权重模板是不一样的。
整个过程只在第二步计算相似性权重模板时和双边滤波不同, 但是对图像平滑的效果, 特别是对纹理图像来说, 却有很大的不同。
扩展
循环引导滤波 是一种 迭代 的方法, 本质上是一种多次迭代的联合双边滤波, 只是每次计算相似性权重 模板的依据不一样——利用本次计算的联合双边滤波结果作为下一次联合双边滤波计算 相似性权重模板的依据。
导向滤波在平滑图像的基础上,有良好的保边作用, 而且在细节增强等方面都有良好的表现,在执行时间上也比双边滤波快很多。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)