大津算法，也被称作最大类间方差法，是一种自动确定二值化阈值的算法。在这里作者不介绍算法推导的过程，算法推导过程网络上有许多介绍，这里只给出算法最终推导出的结论：使得左侧 的值最大，就可以得到最好的二值化阈值t其中，和 是被阈值分开的两个类中的像素数占总像素数的比率。和 分别是这两个类的像素值的平均值。废话不多说，直接上python代码：importcv2importnumpyasnpdefBGR2GRAY(img):　　b=img[:,:,0].copy()　　g=img[:,:,1].copy()　　r=img[:,:,2].copy()　　#Grayscale　　out=0.2126*r+0.7152*g+0.0722*b　　out=out.astype(np.uint8)　　returnout#OtsuBinarizationdefotsu_binarization(img,th=128):　　max_sigma=0　　max_t=0　　#determinethreshold　　for_tinrange(1,255):　　　　v0=out[np.wh...

递推算法是一种简单的算法，即通过已知条件，利用特定关系得出中间推论，直至得到结果的算法。递推算法分为顺推和逆推两种。递推与递归的比较相对于递归算法,递推算法免除了数据进出栈的过程，也就是说,不需要函数不断的向边界值靠拢,而直接从边界出发,直到求出函数值.比如阶乘函数：f(n)=n*f(n-1)在f(3)的运算过程中,递归的数据流动过程如下:f(3){f(i)=f(i-1)*i}-->f(2)-->f(1)-->f(0){f(0)=1}-->f(1)-->f(2)--f(3){f(3)=6}而递推如下:f(0)-->f(1)-->f(2)-->f(3)由此可见,递推的效率要高一些,在可能的情况下应尽量使用递推.但是递归作为比较基础的算法,它的作用不能忽视.所以,在把握这两种算法的时候应该特别注意。顺推法所谓顺推法是从已知条件出发，逐步推算出要解决的问题的方法叫顺推。如斐波拉契数列，设它的函数为f(n),已知f(1)=1，f(2)=1;f(n)=f(n-2)+f(n-1)(n>=3,n∈N)。则我们通过顺推可以知道,f(3)=...

数据结构：数据之间存在某种关系；算法：对问题求解的步骤描述，在计算机中表现为一些列指令和操作算法五个特性：输入（输入参数），输出（得到的结果），确定性（步骤是有意义的无歧义的），可行性（每个步骤都是可行的）正确性（除前面的特性外，还还具有反映出问题的需求并得到正确的答案） 算法效率度量：事后计算：测试方法和算法要一对一；事前估算：时间复杂度（执行的次数），空间复杂度...

packagemainimport("fmt")funcprint(nint,xrune,yrune)(){fmt.Printf("movingdisk%dfrompole%ctopole%c",n,x,y)}funcmove(nint,arune,brune,crune)(){ifn==1{print(n,a,c)}else{move(n-1,a,c,b);print(n,a,c);move(n-1,b,a,c)}}funcmain(){varnint;fmt.Println("Pleaseinputthedisknumbern:");fmt.Scanf("%d",&n);move(n,'x','y','z')} ...

http://www.infoq.com/cn/news/2012/08/32-most-important-algorithms?utm_source=infoq&utm_medium=popular_links_homepagehttp://www.risc.jku.at/people/ckoutsch/stuff/e_algorithms.html 奥地利符号计算研究所（ResearchInstituteforSymbolicComputation，简称RISC）的ChristophKoutschan博士在自己的页面上发布了一篇文章，提到他做了一个调查，参与者大多数是计算机科学家，他请这些科学家投票选出最重要的算法，以下是这次调查的结果，按照英文名称字母顺序排序。A*搜索算法——图形搜索算法，从给定起点到给定终点计算出路径。其中使用了一种启发式的估算，为每个节点估算通过该节点的最佳路径，并以之为各个地点排定次序。算法以得到的次序访问这些节点。因此，A*搜索算法是最佳优先搜索的范例。集束搜索（又名定向搜索，BeamSearch）&mdash...

打印出所有的"水仙花数"，所谓"水仙花数"是指一个三位数，其各位数字立方和等于该数本身。例如：153是一个"水仙花数"，因为153=1的三次方＋5的三次方＋3的三次方。 /*打印出所有的"水仙花数"，所谓"水仙花数"是指一个三位数，其各位数字立方和等于该数本身。例如：153是一个"水仙花数"，因为153=1的三次方＋5的三次方＋3的三次方。*/publicclassArithmetic_daffodil{publicstaticvoidmain(String[]args){for(inti=100;i<=999;i++){if(isDaffodial(i)){System.out.println(i);}}}publicstaticbooleanisDaffodial(intnum){intsingle=num%10;intten=(num/10)%10;inthundred=(num/100)%10;/*System.out.println(num);System.out.println(single);System.out.println(ten);System.o...

古典问题：有一对兔子，从出生后第3个月起每个月都生一对兔子，小兔子长到第四个月后每个月又生一对兔子，假如兔子都不死，问每个月的兔子总数为多少？升级版(输入一个兔子的数量,问最少多少个月可以达到?)程序分析：兔子的规律为数列1,1,2,3,5,8,13,21....也就是说当月兔子的数量=上月个兔子的数量+当月出生量(即三个月前的数量)publicclassArithmetic_rabbit{publicstaticvoidmain(String[]args){intindex=10;if(args!=null&&args.length>0){index=Integer.parseInt(args[0]);}//从第一个月开始inti=1;while(getNum(i)<index){i++;}System.out.println(index+"只兔子,至少需要"+i+"个月");/*查看每个月兔子的数量for(inti=1;i<=index;i++){System.out.println("第"+i+"个月,有"+getNum(i));}*/}//递归...

LeveSet水平集方法主要的思想是利用三维（高维）曲面的演化来表示二维曲线的演化过程。在计算机视觉领域，利用水平集方法可以实现很好的图像分割效果。1.数学原理根据维基百科的定义，在数学上一个包含n个变量的实值函数其水平集可以表示为下面的公式：Lc(f)=(x1,x2,...,xn)∣f(x1,x2,...,xn)=cL_c(f)={(x_1,x_2,...,x_n)|f(x_1,x_2,...,x_n)=c}Lc​(f)=(x1​,x2​,...,xn​)∣f(x1​,x2​,...,xn​)=c可以看出，水平集指的是这个函数的取值为一个给定的常数c.那么当变量个数为2时，这个函数的水平集就变味了一条曲线，也可以成为等高线。这时函数f就可以描述一个曲面。（同样，三个变量时就能得到一个等值面，大于3的就是水平超面了）下面来看一个简单的曲面的水平集（等值线的例子）：上图中，左边是Himmelblau方程所描述的曲面即z=f(x,y)z=f(x,y)z=f(x,y)，右边就是这个曲面的等高线集合，其中每一条就对应着一个常数c的水平集。2.水平集方法在计算机视觉中，利用水平集方法的优势在于，...

  排序（Sorting）就是将一组对象依照规定的次序又一次排列的过程，排序往往是为检索而服务的。它是数据处理中一种非常重要也非经常常使用的运算。比如我们日常学习中的查字典或者书籍的文件夹。这些都事先为我们排好序，因此大大减少了我们的检索时间，提高工作效率。  排序可分为两大类： 内部排序（InternalSorting）：待排序的记录所有存放在计算机内存中进行的排序过程； 外部排序（ExternalSorting）：待排序的记录数量非常大，内存不能存储所有记录。须要对外存进行訪问的排序过程。  外部排序自己现阶段还没有接触和学习。因此这里我们仅仅研究内部排序的集中算法。希望能和大家互相学习共同进步。  内部排序的中比較常见的有四种算法，以下我们分别对各种算法常见的算法进行学习。思维导图例如以下：   基本思想：在一个已经排好序的序列中，将未被排序的元素依照原先序列的排序规则插入到序列中的指定位置。  经常使用举例：直接插入排序 ...

上次写的栈和队列还是一个多月前，鸽了这么久终于自觉要回来把数据结构写下去。。前几篇文章介绍了主要的几种线性结构，本篇开始进入树(tree)结构。树结构是由n（n>0）个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：每个节点都只有有限个子节点或无子节点；没有父节点的节点称为根节点；每一个非根节点有且只有一个父节点；除了根节点外，每个子节点可以分为多个不相交的子树；树里面没有环路(cycle) 看完树结构的定义，其实就发现了前面我们介绍过的链表也可以归为一种树结构，归纳的来说链表是一种任何节点只有一个或者没有子节点的“单一树”本文介绍树结构中最常见的一种树，二叉搜索树（BinarySearchTree）首先介绍几组定义　　1.二叉树（Binarytree）是每个节点最多只有两个分支（即不存在分支度大于2的节点）的树结构。通常分支被称作“左子树”或“右子树”。二叉树的分支具有左右次序，不能随意颠倒。...

队列是一种特殊的线性表，它只允许在表的前端（front）进行删除（出队）操作，而在表的后端（rear）进行插入（入队）操作。栈又名堆栈，它和队列一样也是一种运算受限的线性表。限定仅在表尾进行插入和删除操作的线性表。这一端被称为栈顶，相对地，把另一端称为栈底。与先进先出队列相比，栈的运作模式是后进先出。栈和链表属于线性表，意味着它可以基于数组和链表来实现，它们和普通线性表相比只是在增加和删除元素时只能在首尾操作，我们只用提供push和pop接口，实现起来十分简单。关于数组和链表，有不明白的同学可以看我前面写的博文。在这里我们使用原生列表来实现，实际上使用我们前面实现的动态数组和链表也是完全没有问题的。Python:classStack:def__init__(self,*args):self.data=[]defpush(self,item):self.data.append(item)defpop(self):item=self.data.pop()returnitemclassQueue:def__init__(self,*args):self.data=[]defpush(self...

 链表是一种物理存储结构上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。节点维护变量data和next，分别用于存储数据和指向下一个节点。C#:classNode<T>{privateTdata;privateNode<T>next;publicTData{get{returndata;}set{data=value;}}publicNode<T>Next{get{returnnext;}set{next=value;}}publicNode(Titem){data=item;}publicNode(Titem,Node<T>nextNode){data=item;next=nextNode;}} Python:classNode:def__init__(self,data,next=None):self.data=dataself.next=nextdef__repr__(self):returnstr(self.data)正式构建一个链表类链表类应该具有以下属性或方法：count元素...

　　数组是程序中最常见的数据结构，它可以存储一个固定大小的相同类型元素的顺序集合（强类型语言）。数组的元素都是由连续的内存位置组成。最低的地址对应第一个元素，最高的地址对应最后一个元素，通过索引可以非常容易找到某一个元素。　　大多数时候我们需要使用一个大小可变的数组（C#、Python中的list），本文就基于数组来实现一个动态数组，由于在Python中的列表已经对数组封装的很好，这里我们使用C#来实现一个List。在后续介绍数据结构文章中，我会使用python和C#分别来实现相应的数据结构。　　动态数组和普通数组在用户使用上没有区别，我们定义一个类MyArray，内部维护一个数组，并不需要实现太多方法，最核心的是提供扩容、索引和增删功能。classMyArray<T>{privateT[]array;//存储数组privateintcount;//存储数组大小privateintcapacity;//数组容量publicintCount{get{returncount;}}publicintCapacity{get{returncapacity;}}//重载构造函数接收一...

#include<iostream>#include<algorithm>usingnamespacestd;voidHeapAdjust(int*a,inti,intsize)//调整堆{intlchild=2*i;//i的左孩子节点序号intrchild=2*i+1;//i的右孩子节点序号intmax=i;//临时变量if(i<=size/2)//如果i是叶节点就不用进行调整{if(lchild<=size&&a[lchild]>a[max]){max=lchild;}if(rchild<=size&&a[rchild]>a[max]){max=rchild;}if(max!=i){swap(a[i],a[max]);HeapAdjust(a,max,size);//避免调整之后以max为父节点的子树不是堆}}}voidBuildHeap(int*a,intsize)//建立堆{inti;for(i=size/2;i>=1;i--)//非叶节点最大序号值为size/2{HeapAdjust(...

堆排序与快速排序，归并排序一样都是时间复杂度为O(N*logN)的几种常见排序方法。学习堆排序前，先讲解下什么是数据结构中的二叉堆。二叉堆的定义二叉堆是完全二叉树或者是近似完全二叉树。二叉堆满足二个特性：1．父结点的键值总是大于或等于（小于或等于）任何一个子节点的键值。2．每个结点的左子树和右子树都是一个二叉堆（都是最大堆或最小堆）。当父结点的键值总是大于或等于任何一个子节点的键值时为最大堆。当父结点的键值总是小于或等于任何一个子节点的键值时为最小堆。下图展示一个最小堆：由于其它几种堆（二项式堆，斐波纳契堆等）用的较少，一般将二叉堆就简称为堆。一般都用数组来表示堆，i结点的父结点下标就为(i–1)/2。它的左右子结点下标分别为2*i+1和2*i+2。如第0个结点左右子结点下标分别为1和2。 下面先给出《数据结构C++语言描述》中最小堆的建立插入删除的图解，再给出本人的实现代码，最好是先看明白图后再去看代码。 堆的插入每次插入都是将新数据放在数组最后。可以发现从这个新数据的父结点到根结点必然为一个有序的数列，现在的任务是将这个新数据插入到这个有序数据中&m...