当前位置：文档之家› 图像工程作业1

图像工程作业1

图像工程作业1：梯度域图像融合(Gradient-Domain Fusion)

O VERVIEW

This project explores gradient-domain processing, a simple technique with a broad set of applications including blending, tone-mapping, and

non-photorealistic rendering. For the core project, we will focus on "Poisson blending"; tone-mapping and NPR can be investigated as bells and whistles. The primary goal of this assignment is to seamlessly blend an object or texture from a source image into a target image. The simplest method would be to just copy and paste the pixels from one image directly into the other. Unfortunately, this will create very noticeable seams, even if the backgrounds are

well-matched. How can we get rid of these seams without doing too much perceptual damage to the source region?

The insight is that people often care much more about the gradient of an image than the overall intensity. So we can set up the problem as finding values for the target pixels that maximally preserve the gradient of the source region without changing any of the background pixels. Note that we are making a deliberate decision here to ignore the overall intensity! So a green hat could turn red, but it will still look like a hat.

We can formulate our objective as a least squares problem. Given the pixel intensities of the source image "s" and of the target image "t", we want to solve for new intensity values "v" within the source region "S":

Here, each "i" is a pixel in the source region "S", and each "j" is a 4-neighbor of "i". Each summation guides the gradient values to match those of the source region. In the first summation, the gradient is over two variable pixels; in the second, one pixel is variable and one is in the fixed target region.

The method presented above is called "Poisson blending". Check out the Perez

et al. 2003 paper to see sample results, or to wallow in extraneous math. This is just one example of a more general set of gradient-domain processing techniques. The general idea is to create an image by solving for specified pixel intensities and gradients.

A W ORDY E XPLANATION FROM YOUR TA

As an example, consider this picture of the bear and swimmers being pasted into a pool of water. Let's ignore the bear for a moment and consider the swimmers. In the above notation, the source image "s" is the original image the swimmers were cut out of; that image isn't even shown, because we are only interested in the cut-out of the swimmers, i.e., the region "S". "S" includes the swimmers and a bit of light blue background. You can clearly see the region "S" in the left image, as the cutout blends very poorly into the pool of water. The pool of water, before things were rudely pasted into it, is the target image "t".

So, how do we blend in the swimmers? We construct a new image "v" whose gradients inside the region "S" are similar to the gradients of the cutout we're trying to paste in (swimmers + a little bit of background). The gradients won't end up matching exactly: the least squares solver will take any hard edges of the cutout at the boundary and smooth them by spreading the error over the gradients inside "S".

Outside "S", "v" will match the pool. We won't even bother computing the gradients of the pool outside S; we'll just copy those pixels directly.

In the first half of the large equation above, we set the gradients of "v" inside S. We loop over all the pixels inside the region S, and request that our new image "v" have the same gradients as the swimmers. The summation is over every pixel i in S; j is the 4 neighbors of i (left, right, up, and down, giving us both the x and y gradients. You may notice this equation counts all the gradients twice - is was simpler to write it this way. You actually don't have to double-count everything; it doesn't affect the result.) But what do we do around the boundary of "S"? I.e. what if i is inside S, but j is outside? That's the second half of the equation. (If you look closely at the variables

under the summation sign, the S has a bar thing in front of it - that means the complement of S, or anything not in S. Thus, read "j in the 4-neighborhood of i, but j not in S"). In this case we aren't solving for a v_j, since j is not inside "S". So we just pluck the intensity value right out of the target image. Thus we use t_j. Remember, we aren't modifying t outside the area of S, so we know that v_j in this case isn't a variable: it's exactly equal to t_j.

T OY P ROBLEM (20 PTS)

The implementation for gradient domain processing is

not complicated, but it is easy to make a mistake, so

let's start with a toy example. In this example we'll

compute the x and y gradients from an image s, then

use all the gradients, plus one pixel intensity, to

reconstruct an image v.

Denote the intensity of the source image at (x, y) as

s(x,y) and the values of the image to solve for as v(x,y).

For each pixel, then, we have two objectives:

add one more objective:

correct, then you should recover the original image.

Implementation Details

The first step is to write the objective function as a set of least squares constraints in the standard matrix form: (Av-b)^2. Here, "A" is a sparse matrix, "v" are the variables to be solved, and "b" is a known vector. It is helpful to keep a matrix "im2var" that maps each pixel to a variable number, such as:

[imh, imw, nb] = size(im);

im2var = zeros(imh, imw);

im2var(1:imh*imw) = 1:imh*imw;

(If you find that matlab trickery confusing, understand that you could have performed the

mapping between pixel and variable number manually each time: e.g. the pixel at s(r,c), uses the variable number (c-1)*imh+r. However, this trick will come in handy for Poisson blending, where the mapping is from an arbitrarily-shaped block of pixels and won't be such a simple

function. So it makes sense to understand it now.)

Then, you can write Objective 1 above as:

e=e+1;

A(e, im2var(y,x+1))=1;

A(e, im2var(y,x))=-1;

b(e) = s(y,x+1)-s(y,x);

Here, "e" is used as an equation counter. Note that the y-coordinate is the first index in Matlab convention. Objective 2 is similar; add all the y-gradient constraints as more rows to the same matrices A and b. As another example, Objective 3 above can be written as:

e=e+1;

A(e, im2var(1,1))=1;

b(e)=s(1,1);

To solve for v, use v = A\b; or v = lscov(A, b); Then, copy each solved value to the appropriate pixel in the output image.

P OISSON B LENDING (60 PTS)

Step 1: Select source and target regions. Select the boundaries of a region in the source image and specify a location in the target image where it should be blended. Then, transform (e.g., translate) the source image so that indices of pixels in the source and target regions correspond. I've provided starter code (getMask.m, alignSource.m) to help with this. You may want to augment the code to allow rotation or resizing into the target region. You can be a bit sloppy about selecting the source region -- just make sure that the entire object is contained. Ideally, the background of the object in the source region and the surrounding area of the target region will be of similar color.

Step 2: Solve the blending constraints:

Step 3: Copy the solved values v_i into your target image. For RGB images, process each channel separately. Show at least three results of Poisson blending. Explain any failure cases (e.g., weird colors, blurred boundaries, etc.).

Tips

1. Pre-initialize your sparse matrix with sparse([], [], [], M, N, nzmax) for a matrix with M equations and N variables and at most nzmax non-zero entries.

2. For your first blending example, try something that you know should work, such as the included penguins on top of the snow in the hiking image.

3. Object region selection can be done very crudely, with lots of room around

the object.

M IXED G RADIENTS (20 PTS)

Follow the same steps as Poisson blending, but use the gradient in source or target with the larger magnitude as the guide, rather than the source gradient:

Here "d_ij" is the value of the gradient from the source or the target image with larger magnitude, i.e. if abs(s_i-s_j) > abs(t_i-t_j), then d_ij = s_i-s_j; else d_ij = t_i-t_j. Show at least one result of blending using mixed gradients. One

possibility is to blend a picture of writing on a plain background onto another image.

B ELLS &W HISTLES (E XTRA P OINTS)

Color2Gray (20 pts)

Sometimes, in converting a color image to grayscale (e.g., when printing to a laser printer), we lose the important contrast information, making the image difficult to understand. For example, compare the color version of the image on

right with its grayscale version produced by

rgb2gray.

Can you do better than rgb2gray?

Gradient-domain processing provides one

avenue: create a gray image that has similar

intensity to the rgb2gray output but has similar contrast to the original RGB

image. This is an example of a tone-mapping problem, conceptually similar to that of converting HDR images to RGB displays. To get credit for this, show the grayscale image that you produce (the numbers should be easily readable).

Hint: Try converting the image to HSV space and looking at the gradients in each channel. Then, approach it as a mixed gradients problem where you also want to preserve the grayscale intensity.

More gradient domain processing (up to 20 pts)

Many other applications are possible, including non-photorealistic rendering, edge enhancement, and texture or color transfer. See Perez et al. 2003 or

Gradient Shop for further ideas.

M ATERIALS

Images, including the toy image, sample images for blending, and the color2gray image.

?Starter Code, including a top-level script and functions to select the source region and align source and target images for blending.

D ELIVERABLES

Use both words and images to show us what you've done.

Place all code in your code/ directory. Include a README describing the

contents of each file.

In the website in your www/ directory, please:

?Include a brief description of the project.

?Show your favorite blending result. Include: 1) the source and target image; 2) the blended image with the source pixels directly copied into the target region; 3) the final blend result. Briefly explain how it works, along with anything special that you did or tried. This should be with your own images, not the included samples. ?Next, show at least two more results for Poisson blending, including one that doesn't work so well (failure example). Explain any difficulties and possible

reasons for bad results.

?Show at least one result for blending with mixed gradients. Again, show the source image, target image, and final result.

Special thanks to Prof. Derek Hoiem who allowed me to copy this project from his Computational Photography course.

要求：

1．独立完成作业，不得拷贝或抄袭，否则以课程成绩不及格处理。

2．撰写一份报告，包括：问题，数学模型，计算方法，实验结果及分析，存在的问题等。3．参考文献。

2011-10-13

土力学与基本工程第一阶段在线作业任务100分

土力学与基础工程第一阶段在线作业100分 1.（ 2.5分）规范规定砂土的密度用（）规定。 ?A、空隙率 ?B、孔隙比 ?C、标准贯入锤击数 ?D、土粒的相对密度我的答案：C 此题得分：2.5分 2.（2.5分）粒径大于0.25mm的颗粒超过总质量50%的土是（）。 ?A、砾砂 ?B、粗砂 ?C、细砂 ?D、粉砂我的答案：C 此题得分：2.5分 3.（2.5分）对粘性土分类定名的依据是（）。 ?A、液限 ?B、塑性指数 ?C、液性指数 ?D、塑限我的答案：B 此题得分：2.5分 4.（2.5分）颗粒级配曲线出现水平段说明（）。 ?A、曲线不均匀，不陡峭 ?B、级配良好

?C、孔隙比小 ?D、不存在该粒径区段的土粒我的答案：D 此题得分：2.5分 5.（2.5分）粘性土的塑性指数的大小主要决定土体中含（）数量的多少。 ?A、粘粒 ?B、粉粒 ?C、砂粒 ?D、颗粒我的答案：A 此题得分：2.5分 6.（2.5分）亲水性最强的矿物是（）。 ?A、伊利石 ?B、高岭石 ?C、云母 ?D、蒙脱石我的答案：D 此题得分：2.5分 7.（2.5分）对土骨架产生浮力作用的水是（）。 ?A、重力水 ?B、毛细水 ?C、强结合水 ?D、弱结合水我的答案：A 此题得分：2.5分 8.（2.5分）若某砂土的天然孔隙比与其能达到的最大孔隙比相等，则该土处于（）。

?A、最疏松的状态 ?B、中等密实状态 ?C、最密实状态 ?D、无法确定其状态我的答案：A 此题得分：2.5分 9.（2.5分）下列指标中，不能用来衡量无粘性土密实度的是（）。 ?A、天然孔隙比 ?B、土的相对密实度 ?C、土的含水量 ?D、标准贯入锤击数我的答案：C 此题得分：2.5分 10.（2.5分）无粘性土，随着孔隙比的增加，它的物理状态是趋向于（）。 ?A、密实 ?B、松散 ?C、不变 ?D、不能确定我的答案：B 此题得分：2.5分 11.（2.5分）处于天然状态的砂土的密实度一般用（）来测定。 ?A、轻便触控实验 ?B、现场十字板剪切试验 ?C、标准贯入试验 ?D、荷载试验

数字图像处理大作业

大作业指导书题目：数字图像处理院（系）：物联网工程学院专业: 计算机班级：计算机1401-1406 指导老师：学号：姓名：设计时间： 2016-2017学年 1学期

摘要 (3) 一、简介 (3) 二、斑点数据模型 .参数估计与解释 (4) 三、水平集框架 (5) 1.能量泛函映射 (5) 2.水平集传播模型 (6) 3.随机评估方法 (7) 四、实验结果 (8) 五、总结 (11)

基于水平集方法和G0模型的SAR图像分割 Abstract（摘要）这篇文章提出了一种分割SAR图像的方法，探索利用SAR数据中的统计特性将图像分区域。我们假设为SAR图像分割分配参数，并与水平集模型相结合。分布属于G分布中的一种，处于数据建模的目的，它们已经成功的被用于振幅SAR图像中不同区域的建模。这种统计数据模型是驱动能量泛函执行区域映射的基础，被引用到水平集传播数值方案中，将SAR 图像分为均匀、异构和极其异构区域。此外，我们引入了一个基于随机距离和模型的评估过程，用于量化我们方法的鲁棒性和准确性。实验结果表明，我们的算法对合成和真实SAR 数据都具有准确性。+ 简介 1、Induction（简介）合成孔径雷达系统是一种成像装置，采用相干照明比如激光和超声波，并会受到斑点噪声的影响。在SAR图像处理过程中，返回的是斑点噪声和雷达切面建模在一起的结果。这个积性模型（文献[1]）因包含大量的真实SAR数据，并且在获取过程中斑点噪声被建模为固有的一部分而被广泛应用。因此，SAR图像应用区域边界和目标检测变得更加困难，可能需要斑点去除。因此，斑点去除是必需的，有效的方法可以在文献[2][3][4][5][6][7][8][9][10]中找到。对于SAR图像分割，水平集方法构成一类基于哈密顿-雅克比公式的重要算法。水平集方法允许有效的分割标准公式，从文献[12]中讨论的传播函数项可以得到。经典方法有着昂贵的计算成本，但现在的水平集的实现配置了有趣的低成本的替换。水平集方法的一个重要方面，比如传播模型，可以用来设计SAR图像的分割算法。这个传播函数能够依据伽马和伽马平方根法则将斑点统计进行整合，函数已经被广泛地应用于SAR图像中的均质区域分割。Ayed等基于伽马分布任意建模，设计方案将SAR图像分成多个均质区域。尽管多区分割问题已经解决，该方案人需要一定数量的区域作为输入。Shuai 和Sun在文献[16]中提出对这个方法进行了改进，他们使用了一个有效的传播前收敛判断。Marques等引入了一个类似于含有斑点噪声图像中目标检测的框架，将基于本地区域的斑点噪声统计融合进去。这些作者采用伽马平方根对均质区域进行建模并用一个自适应窗口方案检测本地的同质性。最近，新的SAR数据模型比如K，G，显示出了优势。经典法则受限于均质区域特性的描述，而最近的法则展现出了在数据建模中更有吸引力的特性。法则允许同构、异构和高度异构幅度SAR数据的建模。这个分布族提供了一组参数，可以描述SAR图像中的不同区域。分布的参数信息，可以被广泛的应用于设计SAR图像处理和分类技术。在文献[21]中，Mejail 等人介绍了SAR监督数据分类器，它基于其参数映射并实现了有趣的结果。Gambini等人在文献[22]中使用这个分布的一个参数来量化SAR数据的粗糙度，通过活动轮廓和B样条差值来检测边缘。然而，这种技术需要一个初始分割步骤，并受拓扑限制。一般来说，活动轮廓方法不能解决不连续区域分割的问题。本文介绍了一种新的水平集算法来实现SAR图像中均质、异构和极其异构区域分割的目标。由于分布能够描述SAR图像的同质性和规模，我们的方法采用分布对斑点数据进行建模。这些分布参数基于每一个域点进行估计，通过这些信息，我们可以在水平集分割框架内得到一个能量泛函来驱动向前传播(front propagation)。该泛函以最大化不同区域平均能量间的差异作为结束。最终水平集阶段以能量带作为依据得到SAR图像的分割结果。

工程数学基础第一次作业第一次答案

《工程数学基础(Ⅰ)》第一次作业答案你的得分：100.0 完成日期：2013年09月03日20点40分说明：每道小题括号里的答案是您最高分那次所选的答案，标准答案将在本次作业结束(即2013年09月12日)后显示在题目旁边。一、单项选择题。本大题共20个小题，每小题4.0 分，共80.0分。在每小题给出的选项中，只有一项是符合题目要求的。 1.( D ) A.(-6, 2, -4) B.(6, 2, 4)T C.(2, 6, 4) D.(3, 6, 4)T 2.( D ) A. B. C. D. 3.设A为3x2矩阵，B为2x4矩阵，C为4x2矩阵，则可以进行的运算是 ( ) ( B ) A.AC T B B.AC T B T C.ACB T D.ACB 4.设A是可逆矩阵，且A+AB=I，则A-1 等于 ( )( C ) A.B B.1+ B C.I + B D.(I-AB)-1 5. ( D ) A.|A+B|=| A |+|B| B. | A B|=n| A||B| C. |kA|=k|A|

D.|-kA|=(-k)n|A| 6. ( D ) A. 6 B.-6 C.8 D.-8 7.设A B均为n阶方阵，则成立的等式是( )( B ) A.|A+B|=| A |+|B| B.| A B|=| BA| C.(AB)T= A T B T D.AB= BA 8.设A,B,C均为n阶方阵,下列各式中不一定成立的是 ( )( A ) A.A(BC)=(AC)B B.(A+B)+C=A+(C+B) C.(A+B)C=AC+BC D.A(BC)=(AB)C 9.设α1,α2,α3是3阶方阵A的列向量组，且齐次线性方程组Ax＝b有唯一解，则 ( )( B ) A.α1可由α2,α3线性表出 B.α2可由α1,α3线性表出 C.α3可由α1,α2线性表出 D.A,B,C都不成立 10.设向量组A是向量组B的线性无关的部分向量组，则 ( )( D ) A.向量组A是B的极大线性无关组 B.向量组A与B的秩相等 C.当A中向量均可由B线性表出时，向量组A，B等价 D.当B中向量均可由A线性表出时，向量组A，B等价 11.设n阶方阵A的行列式|A|=0则A中( )( C ) A.必有一列元素全为0 B.必有两列元素对应成比例 C.必有一列向量是其余向量线性表示 D.任一向量是其余向量的线性组合 12. ( A ) A. B.

数字图像处理大作业.doc

-------------精选文档 ----------------- 1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请给出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1 像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I);%对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100)% 阈值为 100 I1(i,j)=255; else I1(i,j)=0;%进行二值化

-------------精选文档 ----------------- end end end figure; imshow(I1); Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c%找出每两个条纹之间的距离

2.现有 8 个待编码的符号 m0,,m7, 它们的概率分别为 0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3.请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。

《工程数学》作业

成绩：工程数学形成性考核册专业：学号：姓名：河北广播电视大学开放教育学院（请按照顺序打印，并左侧装订）

工程数学作业（一）第2章矩阵（一）单项选择题（每小题2分，共20分） ⒈设a a a b b b c c c 1 231 2312 32=，则a a a a b a b a b c c c 1 23 1122 331 2 3 232323---=（）． A. 4 B. －4 C. 6 D. －6 ⒉若 0001000 02001001a a =，则a =（）． A. 12 B. －1 C. -1 2 D. 1 ⒊乘积矩阵1124103521-??????-???? ? ?中元素c 23=（）． A. 1 B. 7 C. 10 D. 8 ⒋设A B ,均为n 阶可逆矩阵，则下列运算关系正确的是（）． A. A B A B +=+---1 1 1 B. ()AB BA --=11 C. ()A B A B +=+---111 D. ()AB A B ---=111 ⒌设A B ,均为n 阶方阵，k >0且k ≠1，则下列等式正确的是（）． A. A B A B +=+ B. AB n A B = C. kA k A = D. -=-kA k A n () ⒍下列结论正确的是（）． A. 若A 是正交矩阵，则A -1 也是正交矩阵 B. 若A B ,均为n 阶对称矩阵，则AB 也是对称矩阵 C. 若A B ,均为n 阶非零矩阵，则AB 也是非零矩阵 D. 若A B ,均为n 阶非零矩阵，则AB ≠0 ⒎矩阵1325??? ? ??的伴随矩阵为（）． A. 1325--?????? B. --????? ?1325 C. 5321--????? ? D. --???? ? ?5321

2018-2019学年第1学期工程数学I第1次作业

2018-2019学年第1学期工程数学I第1次作业一、单项选择题(只有一个选项正确，共11道小题) 1. (A) (B) (C) (D) 正确答案：C 解答参考： 2. (A) (B) (C) (D) 正确答案：C 解答参考： 3. (A) (B) (C) (D) 正确答案：A 解答参考： 4. (A) 3 (B) 4 (C) 0 (D) 2 正确答案：C 解答参考： 5. (A) (B) (C) (D) 正确答案：B 解答参考： 6. (A) B=0 (B) BA=0 (C) (D)

正确答案：D 解答参考： 7. (A) 1,2,3 (B) 4,6,12 (C) 2,4,6 (D) 8,16,24 正确答案：B 解答参考： 8. (A) (B) (C) (D) 正确答案：D 解答参考： 9. (A) 充要条件 (B) 充分条件 (C) 必要条件 (D) 既非充分也非必要条件正确答案：B 解答参考： 10. 已知n阶方阵A和某对角阵相似，则（） (A) A有n个不同特征值 (B) A一定是n阶实对称阵 (C) A有n个线性无关的特征向量 (D) A的属于不同的特征值的特征向量正交正确答案：C 解答参考： 11. (A) 只有0解 (B) 有非0解 (C) 有无穷多解 (D) 解无法判定正确答案：A 解答参考：只有0解二、判断题(判断正误，共10道小题) 12. 正确答案：说法正确

解答参考： 13. 正确答案：说法正确解答参考： 14. 正确答案：说法错误解答参考： 15. 正确答案：说法错误解答参考： 16. 正确答案：说法正确解答参考： 17. 正确答案：说法错误解答参考： 18. 正确答案：说法错误解答参考： 19. 正确答案：说法错误解答参考： 20. 正确答案：说法正确解答参考： 21. 正确答案：说法正确解答参考：（注意：若有主观题目，请按照题目，离线完成，完成后纸质上交学习中心，记录成绩。在线只需提交客观题答案。) 三、主观题(共9道小题) 22-30 主观题答案暂不公布，请先自行离线完成。

数字图像处理大作业

1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请给出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I); %对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100) %阈值为100 I1(i,j)=255; else I1(i,j)=0; %进行二值化 end end end figure; imshow(I1);

Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c %找出每两个条纹之间的距离

2. 现有8个待编码的符号m0,……,m7,它们的概率分别为0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3. 请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。

2018-2019学年第1学期工程数学I第3次作业

2018-2019学年第1学期工程数学I第3次作业一、单项选择题(只有一个选项正确，共6道小题) 1. 下列说法正确的是（） (A) (B) (C) (D) 正确答案：D 解答参考： 2. (A) (B) (C) (D) 正确答案：D 解答参考： 3. (A) AB正定 (B) (C) (D) KA正定正确答案：B 解答参考： 4. (A) (B) (C) (D) 正确答案：C 解答参考： 5. (A) (B) (C) (D) 正确答案：D 解答参考： 6. (A) (B) (C) (D)

正确答案：B 解答参考：二、判断题(判断正误，共6道小题) 7. 正确答案：说法正确解答参考： 8. 正确答案：说法错误解答参考： 9. 正确答案：说法错误解答参考： 10. 正确答案：说法正确解答参考： 11. 正确答案：说法错误解答参考： 12. 正确答案：说法正确解答参考：（注意：若有主观题目，请按照题目，离线完成，完成后纸质上交学习中心，记录成绩。在线只需提交客观题答案。) 三、主观题(共6道小题) 13. 参考答案：主观题答案暂不公布，请先自行离线完成。 14. 求解齐次方程组参考答案：主观题答案暂不公布，请先自行离线完成。 15. 已知四元线性方程组参考答案：主观题答案暂不公布，请先自行离线完成。 16. 设，求A的特征值和特征向量。参考答案：主观题答案暂不公布，请先自行离线完成。

17. 求一个正交矩阵P，将对称矩阵化为对角矩阵。参考答案：主观题答案暂不公布，请先自行离线完成。 18. 设二次型经过正交变换化为求参数a、b及所用的正交变换矩阵。参考答案：主观题答案暂不公布，请先自行离线完成。

基础工业工程各章节作业习题答案.doc

各章节作业习题 ※<第一、二章> 1.什么是工业工程？试简明地表述IE的定义。 2.如何理解工业工程的内涵？ 3.试述经典IE与现代IE的关系。如何理解经典IE是现代IE的基础和主要部分？ 4.如何理解工业工程与生产率工程的关系？ 5.IE学科的性质如何，这样理解这一性质？ 6.IE学科与相关学科的关系是什么？ 7.IE的学科范畴包括哪些主要知识领域？企业应用的主要领域是哪些？ 8.企业工业工程师要求具备什么样的知识结构？ 9.什么是IE意识？为什么说“掌握IE方法和技术是必要的，而树立IE意识更重要”？ ※<第三章生产率概述> 1.企业的生产运作有哪几种类型？各有什么特点？ 2.企业生产运作与管理存在的主要问题是什么？ 3.生产率从本质上讲反映的是什么？ 4.生产率测评的意义是什么？

5.生产率测评的种类与方法有哪些？ 6.提高生产率的方法有哪些？ ※<第四章工作研究> 1.什么是工作研究？工作研究的对象、特点是什么？ 2.工作研究的内容和分析工具是什么？ 3.工作研究包括哪些内容？工作研究的两种技术的关系如何？ 4.工作研究的步骤是什么？ 5.方法研究的概念、特点与目的是什么？ 6.方法研究的内容是什么？ 7.方法研究的基本步骤有哪些？ ※<第五章程序分析> 1．程序分析的概念、特点、种类是什么？ 2．程序分析的步骤和常用工具是什么？ 3．工艺程序分析的概念、特点和分析对象是什么？ 4．工艺程序图的组成和作用规则是什么？ 5．工艺程序图有哪几种基本形式？ 6．流程程序分析的概念、特点和种类是什么？

7．布置和经路分析的概念、特点、目的是什么？ 8．布置和经路分析的种类有哪些？ 9．任意选定一个超市，绘出其设施布置简图以及顾客移动路线图，分析现行布置的优缺点，提出改进意见。 10．某空气调节阀由阀体、柱塞套、柱塞、座环、柱塞护圈、弹簧、O型密封圈、锁紧螺母、管堵等组成。各组成部分的加工工艺和装配顺序如下：（1）阀体：切到规定长度、磨到定长、去毛刺、钻铰4孔、钻铰沉头孔、攻螺纹、去毛刺、检验与柱塞以及柱塞套组件装配、加锁紧螺母、加管堵、检查、包装、贴出厂标签、最终检查、出厂。（2）柱塞套：成型、钻、切到长度、加工螺纹、钻孔、去毛刺、吹净、检查与柱塞组件装配、装配后在加弹簧与阀体装配。（3）柱塞：铣、成型、切断、检查与座环组件装配，装配后在加O 形环与柱塞套装配。（4）座环：成型、钻、切断、检查与柱塞护圈装配，装配后组件加O形环与柱塞装配。（5）柱塞护圈：成型、钻、攻内螺纹、套外螺纹、检查与座环装备。根据给定的资料数据，绘制出该空气调节阀的工艺流程图。 11．某产品的制造工艺过程如表4-1所示，绘制该产品流程程序图。（表格） 12．某汽车零部件生产产家，打算组装汽车内部用来连接电气零部件的电线，并将其制作成一个用组合电线。现行设施布置以及物流路线

(完整版)数字图像处理大作业

数字图像处理 1.图像工程的三个层次是指哪三个层次？各个层次对应的输入、输出对象分别是什么？ ①图像处理特点：输入是图像，输出也是图像，即图像之间进行的变换。 ②图像分割特点：输入是图像，输出是数据。 ③图像识别特点：以客观世界为中心，借助知识、经验等来把握整个客观世界。“输入是数据，输出是理解。 2.常用的颜色模型有哪些（列举三种以上）？并分别说明颜色模型各分量代表的意义。 ①RGB（红、绿、蓝）模型 ②CMY（青、品红、黄）模型 ③HSI（色调、饱和度、亮度）模型 3.什么是图像的采样？什么是图像的量化？ 1．采样采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。一副图像就被采样成有限个像素点构成的集合。例如：一副640*480分辨率的图像，表示这幅图像是由640*480＝307200个像素点组成。 2．量化量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。针对数字图像而言：采样决定了图像的空间分辨率，换句话说，空间分辨率是图像中可分辨的最小细节。量化决定了图像的灰度级，即指在灰度级别中可分辨的最小变化。数字图像处理（第三次课）

调用图像格式转换函数实现彩色图像、灰度图像、二值图像、索引图像之间的转换。图像的类型转换：对于索引图像进行滤波时，必须把它转换为RGB图像，否则对图像的下标进行滤波，得到的结果是毫无意义的; 2.用MATLAB完成灰度图像直方图统计代码设计。

工程数学离线作业解析

浙江大学远程教育学院《工程数学》课程作业姓名：刘子凡学号： 713117202004 年级： 13年秋电气自动化学习中心：龙泉学习中心 ————————————————————————————— 教材：《复变函数与积分变换》第一章 1.1计算下列各式：（2）（a-b i ）3 解(a-bi) （3） i (i 1)(i 2) -- 1.2证明下列关于共轭复数的运算性质：（1）1212()z z z z ±=± （2）1212()z z z z =

（3）11 22 2 ()(0)z z z z z = ≠ 1.4将直线方程ax+by+c=0(a 2+b 2≠0)写成复数形式.[提示：记x+i y=z.] 1.5将圆周a(x 2+y 2)+bx+cy+d =0(a ≠0)写成复数形式(即用z 与z 来表示，其中z=x+iy ).

1.6求下列复数的模与辐角主值：（1）3 i 1.8将下列各复数写成三角表示式：（2）sin a+I cos a 1.10解方程：z3+1=0.

1.11指出下列不等式所确定的区域与闭区域，并指明它是有界的还是无界的？是单连通区域还是多连通区域？（1）2<|z|<3 （3）4 π

（1）f(z)=z z 2 （2）f(z)=x 2+iy 2 2.3确定下列函数的解析区域和奇点，并求出导数：（1） 21 1 z 2.9由下列条件求解析函数f(z)=u+i v . （1）u(x-y)(x 2+4xy+y 2)

数字图像处理大作业要点

数字图像处理实验报告学院：信息学院专业：电科1004班姓名：学号：辅导老师：完成日期： 2013年6月29日空域图像增强实验要求:

(1)选择若干图像（两幅以上），完成直方图均衡化。 (2)选择若干图像（两幅以上），对图像文件分别进行均值滤波、中值滤波和拉普拉斯锐化滤波操作。 (3)添加噪声，重复上述过程观察处理结果。实验原理： (1)图像增强是图像处理的基本内容之一，图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得处理后的图像对某种特定的应用，比原始图像更合适。处理的结果使图像更适应于人的视觉特性或机器的识别系统。图像增强主要可分为三类:频域图像增强方法、小波域图像增强方法、空域图像增强方法。 (2)空域图像增强主要包括:直方图均衡化、平滑滤波和锐化滤波等方法。 (3)直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。 (4)平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。 (5)均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。再用模板中的全体像素的平均值来代替原来像素值。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。 (6)中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。 (7)拉式算子是一个刻画图像灰度的二阶商算子，它是点、线、边界提取算子，亦称为边界提取算子。通常图像和对他实施拉式算子后的结果组合后产生一个锐化图像。拉式算子用来改善因扩散效应的模糊特别有效，因为它符合降制模型。拉普拉斯算子也是最简单的各向同性微分算子，具有旋转不变性。一个二维

工程数学作业答案#精选

工程数学作业（一）答案（满分100分）第2章矩阵（一）单项选择题（每小题2分，共20分） ⒈设 a a a b b b c c c 1 231 2312 32=，则a a a a b a b a b c c c 123 112233123 232323---= （D ）． A. 4 B. －4 C. 6 D. －6 ⒉若 0010000 2001 1a a =，则a = （A ）． A. 12 B. －1 C. - 12 D. 1 ⒊乘积矩阵1124103521-??? ???-???? ? ?中元素c 23=（C ）． A. 1 B. 7 C. 10 D. 8 ⒋设A B ,均为n 阶可逆矩阵，则下列运算关系正确的是（ B ）． A. AB A B +=+---111 B. ()A B B A --=1 1 C. () A B A B +=+---1 11 D. ()A B AB ---=111 ⒌设A B ,均为n 阶方阵，k >0且k ≠1，则下列等式正确的是（D ）． A. A B A B +=+ B. A B n A B = C. k A kA = D. -=-k A k A n () ⒍下列结论正确的是（ A ）． A. 若 A 是正交矩阵，则A -1也是正交矩阵 B. 若A B ,均为n 阶对称矩阵，则A B 也是对称矩阵 C. 若A B ,均为n 阶非零矩阵，则A B 也是非零矩阵 D. 若A B ,均为n 阶非零矩阵，则A B ≠0 ⒎矩阵1 32 5??? ? ??的伴随矩阵为（ C ）． A. 132 5--??? ??? B. --???? ??1325 C. 532 1--??? ??? D. --????? ?5321 ⒏方阵A 可逆的充分必要条件是（B ）． A.A ≠0 B.A ≠0 C. A *≠0 D. A *>0 ⒐设 A B C ,,均为n 阶可逆矩阵，则()A C B '=- 1（D ）． A. ()' ---B AC 1 11 B. ' --B CA 11 C. AC B ---'111 () D. ( )B C A ---'111

西南交大基础工程B离线作业

2013-2014年第2学期课程离线作业课程名称：基础工程B 班级（全称）：土木工程（工民建）2013-16班（专本）姓名：陈士生学号： 13821935 西南交通大学网络教育学院福建宁德学习中心

第一次作业 21. 某原状土样测得土的密度ρ＝1.9g/cm 3，土粒比重G S =2.65，土的含水率w ＝2 0.0％。求孔隙比、孔隙率、饱和度、干密度、饱和密度、有效重度？ 22. 某土样内摩擦角，黏聚力问：（）作单轴压力试验时，垂直压力加到多大土样将被剪破？（）液压为的三轴压力试验时，垂直压力加到多大（三轴试验的垂直压力包括液压）土样将被剪破？解：（a ）单轴试验时，03=σ，由公式（5-7），有： kPa 28.3422045tan 1220245tan 2245tan 231=?? ? ???+???+=??? ??+?+??? ?? +?=??σσc （b ）三轴试验时，kPa 53=σ，由公式（5-7），有： kPa 47.4422045tan 12222045tan 5245tan 2245tan 2231=?? ? ???+???+??? ???+??=??? ? ?+?+??? ??+?=??σσc 23. 图示浅埋基础的底面尺寸为4ｍ×3ｍ，作用在基础上的主要荷载为：竖向力Ｎ=3.5×103kN ，弯矩M =1.5×102kNm ，持力层的容许承载力[σ]=420kPa 。试计算：

（1）基底最大及最小压应力各为多少？能否满足承载力要求？（2）其偏心距是否满足的要求？（3）最大压应力达到容许承载力时对应的弯距为对少？ 24.直径为1.2m的人工挖孔桩穿过砂粘土、细砂进入深厚的密实中砂层，各土层的桩周极限摩阻力如下表所列（单位：kPa），桩底中砂的容许承载力取为1230 kPa 砂粘土细砂中砂 50 65 80 （提示：）

数字图像处理大作业

[HW5][24]SA11009045_张海滨大作业 1、行模糊、锐化、和直方图均衡化。程序： I=imread('E:\研一\数字图像处理\作业\HW5\DSC00003.JPG'); figure,imshow(I),title('原始图像'); I1=rgb2gray(I); I1=imresize(I1,0.5); figure,imshow(I1),title('灰度图像'); h=ones(5,5)/25; I2=imfilter(I1,h); figure,imshow(I2),title('模糊处理'); J=double(I1); h1=fspecial('laplacian'); I3=filter2(h1,J); figure,imshow(I3),title('锐化处理'); I4 = histeq(I1,256); figure,imhist(I1),title('原图像直方图'); figure,imshow(I4),title('均衡化处理'); figure,imhist(I4),title('均衡化后直方图'); 进行运算的结果为：原始图像

此为进行处理的原始图像。进行图像灰度化并把图像的大小进行调整为原来的一半，得到图像：对图像分别进行均值滤波器模糊、拉普拉斯算子锐化处理，得到的结果如下图：

方图如下所示。

2、边缘检测，程序： I=imread('F:\研一\数字图像处理\作业\HW5\DSC00003.JPG'); I1=rgb2gray(I); I1=imresize(I1,0.5); J=double(I1); H=[0 1 0;1 -4 1;0 1 0]; J=conv2(J,H,'same'); J=I1-J; subplot(1,2,1); imshow(I1),title('灰度图像'); subplot(1,2,2); imshow(J),title('Laplace算子边缘检测'); G1 = [-1 -2 -1;0 0 0;1 2 1]; G2 = G1'; Iedge=I1; I2x = filter2(G1,Iedge); I2y = filter2(G2,Iedge); I2=abs(I2x+I2y); I22 = mat2gray(I2);

《工程数学(本)》作业解答(三)

工程数学（本）作业解答（三）（一）单项选择题(每小题2分，共16分) ⒈A B ,为两个事件，则（）成立． A. ()A B B A +-= B. ()A B B A +-? C. ()A B B A -+= D. ()A B B A -+? 答案：B ⒉如果（）成立，则事件A 与B 互为对立事件． A. AB =? B. AB U = C. AB =?且AB U = D. A 与B 互为对立事件答案：C ⒊袋中有5个黑球，3个白球，一次随机地摸出4个球，其中恰有3个白球的概率为（）． A. 584 C B. ()38583 C. C 8433858() D. 38 答案：A ⒋10张奖券中含有3张中奖的奖券，每人购买1张，则前3个购买者中恰有1人中奖的概率为（）． A. C 10320703??.. B. 03. C. 07032..? D. 307032 ??.. 答案：D ⒌同时掷3枚均匀硬币，恰好有2枚正面向上的概率为（）． A. 0.5 B. 0.25 C. 0.125 D. 0.375 答案：D ⒍已知P B A A (),>=?012，则（）成立． A. P A B ()10> B. P A A B P A B P A B [()]()()1212+=+ C. P A A B ()120≠ D. P A A B ()121= 答案：B ⒎对于事件A B ,，命题（）是正确的． A. 如果A B ,互不相容，则A B ,互不相容 B. 如果A B ?，则A B ? C. 如果A B ,对立，则A B ,对立 D. 如果A B ,相容，则A B ,相容答案：D ⒏某随机试验每次试验的成功率为p p ()01<<，则在3次重复试验中至少失败1次的概率为（）． A. ()13-p B. 13 -p C. 31()-p D. ()()()111322-+-+-p p p p p 答案：B

川大《工程数学(I)》专科第二次作业答案-100分

你的得分：100.0 完成日期：2014年07月09日 21点20分说明：每道小题括号里的答案是您最高分那次所选的答案，标准答案将在本次作业结束(即2014年09月11日)后显示在题目旁边。一、单项选择题。本大题共20个小题，每小题 4.0 分，共80.0分。在每小题给出的选项中，只有一项是符合题目要求的。 1.设A, B都是n阶非零矩阵，且AB=0, 则A,B的秩为 () ( C ) A.必有一个为0 B.都小于n C.如果一个等于n, 则另一个小于n D.都等于n 2.设A、B均为n阶矩阵(n>1)，则下列命题正确的是 () ( D ) A.若AB=0，则A=0或B=0 B.r(A+B)= r(A)+ r(B) C.(A-B)2=A2-2AB+B2 D.(AB)T=B T A T 3.设线性方程组AX=b有唯一解，则相应的齐次方程组AX=0 () ( C ) A.无解 B.有非0解 C.只有0解 D.解不能确定 4.设矩阵A mxn的秩r(A)=n,则非齐次线性方程组AX=b () ( C ) A.一定无解 B.可能有解 C.一定有唯一解 D.一定有无穷多解 5.设A,B为n阶方阵,且r(A)= r(B),则 () ( D ) A.r(A-B)=0

B.r(A+B)=2 r(A) C.r(A,B)=2 r(A) D.r(A,B)<= r(A)+r(B) 6.设n阶矩阵A满足A2=A, 则A的特征值为 ( ) ( D ) A.0 B. 1 C.±1 D.0或1 7.设A,P阶可逆方阵，下列矩阵中必与矩阵A具有相同的特征值 ( ) ( D ) A.A+E B.P T AP C.A-E D.P-1AP 8.n阶实对称矩阵A和B相似的充分必要条件是 () ( A ) A.A与B都有n个线性无关的特征向量 B.r(A)= r(B) C.A和B的主对角线上的元素的和相等 D.A与B的n个特征值都相等 9.已知三阶方阵A的三个特征值分别为1,2,3，则|A2-2E|等于 ( ) ( C ) A. 4 B.-4 C.-6 D. 6 10. ( A ) A.有n个特征值等于1 B.有n-1个特征值等于1 C.有1个特征值等于1 D.没有1个特征值等于1 11.

基础工程(大作业)

一、选择题（每小题3分，共30分） 1. 对桩的布置方案有影响的因素是（ ABC ）。 A.桩的中心距； B.上部结构布置； C.荷载分布； D.承台标高和其材料性能 2. 在极限承载力下，桩顶荷载主要由桩侧阻力承担的桩称为（CD ）。 A.摩擦端承桩； B.端承桩； C.摩擦桩； D.端承摩擦桩 3. 减少建筑物不均匀沉降的建筑措施包括下述（ ABC ） A建筑物体型力求简单； B 适当设置沉降缝； C 合理确定相邻建筑物的间距； D 设置圈梁 4.某地区标准冻深为1.9m，地基由均匀的粉砂土组成，为冻胀土，场地位于城市市区，基底平均压力为130 kPa，建筑物为民用住宅，基础尺寸2.0m×2.0m，基础的最小埋深（ B ）m。 A 1.2； B 1.15； C 1.25； D 1.9 5.在地下水位较高的市区建设高层建筑，适宜采用的桩型有（ AC ）。 A.静压式预制桩； B.打入式预制桩； C.钻孔灌注桩； D.挖孔灌注桩 6. 淤泥、淤泥质土、湿陷性黄土等地基的浅层处理，宜采用（ D ）。 A堆载预压法； B 强夯法； C 振冲法； D 换填法 7. 对于基底压力分布下列说法中( BCD )正确。 A柔性基础底面的接触压力是均匀分布的； B 柔性基础基底反力分布与作用荷载分布相同； C 刚性基础在中心荷载作用下沉降均匀，基底的沉降处处相等，基底保持水平； D刚性基础当中心荷载不大时，基底反力呈马鞍形分布 8混凝土灌注桩的桩身混凝土强度等级不得低于（ D ） A C35； B C25； C C20； D C15

9.地基基础设计为甲级的建筑物，在进行地基基础设计时，需要进行的计算和满足的是（ABCD） A.持力层地基承载力； B.软弱下卧层地基承载力； C.地基变形设计； D.地基的抗冻胀要求 10. 部分挤土桩中包括（ BD ）。 A混凝土预制桩； B 钢管桩； C 沉管灌注桩； D 预钻孔打入式预制桩二、简答题（每小题8分，共40分） 1.刚性基础有哪些主要特点？受荷后基础部产生挠曲，当基础顶面承受的外荷载合力通过基底形心时基底沉降处处相等。它的的优点是稳定性好施工方便能承受较大荷载，缺点是由于受到刚性角的限制而使基础高度较大材料用量多。有钢筋混凝土柱下独立基础和钢筋混凝土墙下条形基础。适用于6层和6层以下的民用建筑和砌体承重的厂房以及荷载较小的桥梁基础。台阶宽高比的限值与基础材料和基底反力大小有关。 2.地基处理方法有哪些？ (1)换填法：当建筑物基础下的持力层比较软弱、不能满足上部结构荷载对地基的要求时，常采用换土垫层来处理软弱地基。 (2)预压法：预压法是一种有效的软土地基处理方法。 (3)强夯法：即用几十吨重锤从高处落下，反复多次夯击地面，对地基进行强力夯实。 (4)振冲法：是振动水冲击法的简称，按不同土类可分为振冲置换法和振冲密实法两类。振冲法在粘性土中主要起振冲置换作用，置换后填料形成的桩体与土组成复合地基；在砂土中主要起振动挤密和振动液化作用。振冲法的处理深度可达10m左右。 (5) 深层搅拌法：利用水泥或其它固化剂通过特制的搅拌机械，在地基中将水泥和土体强制拌和，使软弱土硬结成整体，形成具有水稳性和足够强度的水泥土桩或地下连续墙，处理深度可达8～12m。施工过程：定位—沉入到底部—喷浆搅拌（上升）—重复搅拌（下沉）—重复搅拌

文档之家

图像工程作业1

土力学与基本工程第一阶段在线作业任务100分

数字图像处理大作业

工程数学基础第一次作业第一次答案

数字图像处理大作业.doc

《工程数学》作业

2018-2019学年第1学期工程数学I第1次作业

数字图像处理大作业

最新浙大远程工程数学离线作业答案(春)

2018-2019学年第1学期工程数学I第3次作业

基础工业工程各章节作业习题答案.doc

(完整版)数字图像处理大作业

工程数学离线作业解析

数字图像处理大作业要点

工程数学作业答案#精选

西南交大基础工程B离线作业

数字图像处理大作业

《工程数学(本)》作业解答(三)

川大《工程数学(I)》专科第二次作业答案-100分

基础工程(大作业)