smoothing

0熱度

1回答

我有半圓或橢圓形物體的邊界。示例圖像爲邊界可以稍微鋸齒（放大時）。我期待檢測感興趣在這些曲線上，我們看到的形狀一定的變化（位置x和y）的點，如可以有兩個輸出：沒有一點興趣：我們無法找到特定功能的x和y位置的興趣點目前，我正在使用Python和OpenCV。我想不出一種有效的方法來解決這個問題。任何幫助將非常感激。

1熱度

1回答

flex/as3 - 如何強制BitmapData平滑無法繪製

我要強制BitmapData平滑。但我不能做BitmapData.draw()因爲應用程序的性能。如果我繪製位圖，應用程序將放慢到下一步。（這是靈活移動）所以我需要如何強制bitmapData平滑而不重繪bitmapData。（也，我不能用Bitmap(bitmapData).smoothing）我能爲這個怎麼辦？

1熱度

1回答

雙變量相互和外推以創建填充圓的熱圖

我在2D中的單位圓內有幾個點。點（紅色，綠色）來自兩個類別之一。 library(plotrix) # draw points within circle n <- 100 d <- data.frame(x= rnorm(n), y= rnorm(n)) d <- d[sqrt(d$x^2 + d$y^2) < 1, ] d$value <- ifelse(d$x >

0熱度

1回答

使用javascript，在手機上使用jQuery進行頁面頂部或底部的平滑滾動

我有一個頁面網站，它在水平移動視圖上分爲兩部分。所以我試圖在頁面的頂部或底部創建一個滾動/滑動效果。我試過這個檢測代碼 var bottomofDoc = $(".main_container").height(); $(window).scroll(function(){ var cur_top = $(window).scrollTop(); if(top < cur

2熱度

1回答

如何在python中繪製流暢的線條？

NCEP數據來自於此website。我要繪製這樣一幅畫面：或者這一個（這個加槽線）：我的數據是與它們不同，所以內容是不同的。但是，該方法應該是相同的。我不知道如何平滑線條。這是我的結果：這裏是我的代碼： import numpy as np import scipy import matplotlib.pyplot as plt from netCDF4 import Datas

6熱度

2回答

如何讓CSS漸變看起來流暢？

我有一個黑色的背景，並希望與簡單的CSS梯度內添加塊從透明到0.7白色： linear-gradient(to right, hsla(0, 0%, 100%, 0), hsla(0, 0%, 100%, 0.76) 14%, hsla(0, 0%, 100%, 0.76) ) 但是，這很糟糕：我發現的唯一途徑是手動添加額外的顏色停止。 background:

0熱度

1回答

如何在d3.js v4的關節點平滑兩條曲線？

我解決了我最初的目標，讓最後一點由虛線連接，而曲線的其餘部分與實線連接（請參閱圖像）。但是，通過這樣做，我失去了曲線的平滑。你會如何解決這個問題？此外，如何讓樣式代替類似於HTML5的類？（該圈有一個紅色筆劃作爲樣式屬性，但贏得了該類的藍色）。 // curve self.svg.append("path") .datum(function() {return data

1熱度

1回答

P樣條平滑

您好我試圖找到一個非參數迴歸更平滑對控制和治療組之間的差異，以確定隨着時間的推移食慾抑制劑的有效性。那麼我需要使用我的模型來估計治療組和對照組之間的差異：t = 0和t = 50。我想用P-樣條平滑，但我沒有關於它的足夠的背景這是我的數據：牛逼 0 1 3 7 8 10 14 15 17 21 22 24 28 29 31 35 36 38 42 43 45 49 50 52 56 57 5

0熱度

1回答

平滑數據的問題

我試圖平滑我的2D數組。我確信有更好的方法，但我還沒有找到它。到目前爲止，我正在使用這一點代碼來平滑它。您可以在後面看到有一個區域，單個條目在錯誤的方向上升/下降。它使單個像素看起來比周圍的任何物體都更暗/更輕。我在做什麼錯誤，在我的數據平滑？ for (int i = 0; i < 3; i++) { for (int y = 0; y < mapChunkSize + 2;

0熱度

1回答

在Python熊貓數據框內使用statsmodel進行樣條平滑

我需要通過平滑銷售百分比值進行分組，因銷售百分比值可能由於缺貨情況而不穩定。我有熊貓數據框中的數據。這裏是我嘗試代碼： from scipy.interpolate import UnivariateSpline s = base_data1.groupby(['MDSE_ITEM_I','CO_LOC_I'])\ .transform(lambda x: UnivariateSpline(n