JPEG TIFF GIF RAW FPX等
JPEG圖像格式:擴展名是JPG,其全稱(chēng)為Joint Photograhic Experts Group。它利用一種失真式的圖像壓縮方式將圖像壓縮在很小的儲存空間中,其壓縮比率通常在10:1~40:1之間。這樣可以使圖像占用較小的空間,所以很適合應用在網(wǎng)頁(yè)的圖像中。JPEG格式的圖像主要壓縮的是高頻信息,對色彩的信息保留較好,因此也普遍應用于需要連續色調的圖像中。
TIFF圖像格式:擴展名是TIF,全名是Tagged Image File Format。它是一種非失真的壓縮格式(最高也只能做到2~3倍的壓縮比)能保持原有圖像的顏色及層次,但占用空間卻很大。例如一個(gè)200萬(wàn)像素的圖像,差不多要占用6MB的存儲容量,故TIFF常被應用于較專(zhuān)業(yè)的用途,如書(shū)籍出版、海報等,極少應用于互聯(lián)網(wǎng)上。
GIF圖像格式:擴展名是GIF。它在壓縮過(guò)程中,圖像的像素資料不會(huì )被丟失,然而丟失的卻是圖像的色彩。GIF格式最多只能儲存256色,所以通常用來(lái)顯示簡(jiǎn)單圖形及字體。有一些數碼相機會(huì )有一種名為T(mén)ext Mode的拍攝模式,就可以?xún)Υ娉蒅IF格式。
FPX圖像格式:擴展名是FPX。它是一個(gè)擁有多重解像度的圖像格式,即圖像被儲存成一系列高低不同的解像度,而這種格式的好處是當圖像被放大時(shí)仍可保持圖像的質(zhì)量。另外,修改FPX圖像時(shí)只會(huì )處理被修改的部分,而不會(huì )把整個(gè)圖像一并處理,從而減低處理器的負擔,令圖像處理時(shí)間減少。
RAW圖像格式:擴展名是RAW。RAW是一種無(wú)損壓縮格式,它的數據是沒(méi)有經(jīng)過(guò)相機處理的原文件,因此它的大小要比TIFF格式略小。所以,當上傳到電腦之后,要用圖像的Twain界面直接導入成TIFF格式才能處理。
以下是我的個(gè)人觀(guān)點(diǎn):
首先你得分清楚插值和擬合這兩個(gè)的區別,
擬合是指你做一條曲線(xiàn)或直線(xiàn),使得你的數據點(diǎn)跟這條線(xiàn)的“誤差”最小。注意,這個(gè)要求并不要求所有的數據點(diǎn)在我們的擬合曲線(xiàn)上。
插值是指你做一條曲線(xiàn)或直線(xiàn)完全經(jīng)過(guò)這些點(diǎn),就是說(shuō)數據點(diǎn)一定都要在插值曲線(xiàn)上。
插值也有好多種:比如拉格朗日插值,分段插值,樣條插值(樣條插值要求你還要知道這些數據點(diǎn)的一階導數)
我們知道兩點(diǎn)確定一條直線(xiàn)(一次多項式),三點(diǎn)確定一條拋物線(xiàn)(二次多項式),試想一下有10個(gè)點(diǎn)是不是可以確定一個(gè)9次多項式(9次多項式里面還有一個(gè)常數項,就是10個(gè)未知數,我們有10個(gè)數據點(diǎn),剛好可以求解)
(**)拉格朗日插值就是上面的這種插值。但是它就是把這些多項式系數重新表示了一下(就是不用去求上面所說(shuō)的10個(gè)系數)。你求出這些系數后,只要將你想要的x的值往里一代,馬上就得到你想要的函數值。但這種插值在頭尾附近會(huì )出現一些不好的振蕩現象(龍格現象)
(**)分段插值,還是按照上面的原則,比如說(shuō),我兩個(gè)點(diǎn)兩個(gè)點(diǎn)地確定一條直線(xiàn)(比如1,2點(diǎn)連起來(lái),2,3點(diǎn)連起來(lái)),最后所有直線(xiàn)的集合(這時(shí)應當是一系列的折線(xiàn))這個(gè)分段函數也是經(jīng)過(guò)所有的數據點(diǎn)。當然你也可以三個(gè)點(diǎn)三個(gè)點(diǎn)地確定一條拋物線(xiàn)。用這一方面時(shí),你要先確定你想要的x值在哪一個(gè)區間里,然后用這一區間的表達式來(lái)計算出函數值就可以了。本方法不會(huì )出現龍格現象
(***)樣條插值,上面提到分段插值是一系列折線(xiàn),折線(xiàn)使得不光滑,樣條就是用其導數值,使得它們變光滑。
下面說(shuō)計算方法吧!至于表達式,你如果理解了上面,你去找本“計算方法”或“數值計算”的書(shū),上面都有表達式。應當不難。
另外你還可以借助于MATLAB這樣的軟件來(lái)計算。
比如你的原始數據是X,Y,你想要求y(x=5)的值
X=[2,6,10,14,18,22,26,30,34,38,41,42,45,49,53,57,61,65,69,73,77,81]; %自變量的值
Y=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22]; %自變量相應的函數值
X0=5; %你想要的點(diǎn)的值
N=22; %這個(gè)是點(diǎn)的個(gè)數
Doc=2; %分段插值中你想用幾個(gè)點(diǎn)插值
你可以用下面的語(yǔ)句得到y(x=5);
Y1=lagrange(X,Y,X0) %拉格朗日插值
Y2=interp1(X,Y,X0,'linear') %分段兩點(diǎn)線(xiàn)性插值
Y2=interp1(X,Y,X0,'spline') %分段兩點(diǎn)線(xiàn)性插值
可能說(shuō)的不好,你如果想系統地學(xué)點(diǎn),可能得看一下相關(guān)的書(shū)。
用內插法的話(huà)首先要找一個(gè)比14.8KM大的一個(gè)數,就選擇15KM吧,則其對應的價(jià)格為54元則對應關(guān)系為:
18 5
X 14.8
54 15
列得算式:
(54-X)/(15-14.8)=(X-18)/(14.8-5)
解得X=53.28元
應用內插法求值的條件:
1、必須確知與所求變量值(x)左右緊密相鄰變的兩組變量的數值。(即必須為已知數)
2、與所求變量值(x)相對應的自變量也必須是已知的。
3、基礎變量必須是決定設備價(jià)格的主要規格。
擴展資料:
二次拋物線(xiàn)內插法
設二次拋物線(xiàn)關(guān)系式:y = f(x),要計算在x = x0點(diǎn)的函數。
已知f(x1)、f(x2)和f(x3),其中x1 < x2 < x3,x1 < x0 < x3,顯然本式也適合外插計算。
線(xiàn)性關(guān)系和三次以上拋物線(xiàn)可仿上式,很容易得出。
1、什么是差值?
插值方法(interpolation)是圖像重新分布像素時(shí)所用的運算方法,也是決定中間值的一個(gè)數學(xué)過(guò)程。在重新取樣時(shí),photoshop會(huì )使用多種復雜方法來(lái)保留原始圖像的品質(zhì)和細節。
“鄰近”的計算方法速度快但不精確,適用于需要保留硬邊緣的圖像,如像素圖的縮放。
“兩次線(xiàn)性”的插值方法用于中等品質(zhì)的圖像運算,速度較快。
“兩次立方”的插值方法可以使圖像的邊緣得到最平滑的色調層次,但速度較慢。
“兩次立方(較平滑)”在兩次立方的基礎上,適用于放大圖像。
“兩次立方(較銳利)”在兩次立方的基礎上,適用于圖像的縮小,用以保留更多在重新取樣后的圖像細節。
2、差值預設
圖像的“插值”預設——執行“編輯>;首選項>;常規”,設置圖像“插值”預設,設定完成后,圖像使用“自由變換”命令放大或縮小,都使用預設的“插值”方式。
改變圖像大小——執行“圖像>;圖像大小”命令,在“圖像大小”對話(huà)框中可以設定改變該圖像大小時(shí)所用的“插值”方式。
曲線(xiàn)擬合可以做
Lagrange插值
Lagrange插值是n次多項式插值,其成功地用構造插值基函數的 方法解決了求n次多項式插值函數問(wèn)題。
★基本思想 將待求的n次多項式插值函數pn(x)改寫(xiě)成另一種表示方式,再利用插值條件⑴確定其中的待定函數,從而求出插值多項式。
Newton插值
Newton插值也是n次多項式插值,它提出另一種構造插值多項式的方法,與Lagrange插值相比,具有承襲性和易于變動(dòng)節點(diǎn)的特點(diǎn)。
★基本思想 將待求的n次插值多項式Pn(x)改寫(xiě)為具有承襲性的形式,然后利用插值條件⑴確定Pn(x)的待定系數,以求出所要的插值函數。
Hermite插值
Hermite插值是利用未知函數f(x)在插值節點(diǎn)上的函數值及導數值來(lái)構造插值多項式的,其提法為:給定n+1個(gè)互異的節點(diǎn)x0,x1,……,xn上的函數值和導數值求一個(gè)2n+1次多項式H2n+1(x)滿(mǎn)足插值條件
H2n+1(xk)=yk
H'2n+1(xk)=y'k k=0,1,2,……,n ⒀
如上求出的H2n+1(x)稱(chēng)為2n+1次Hermite插值函數,它與被插函數一般有更好的密合度.
★基本思想
利用Lagrange插值函數的構造方法,先設定函數形式,再利用插值條件⒀求出插值函數.
分段插值
插值多項式余項公式說(shuō)明插值節點(diǎn)越多,誤差越小,函數逐近越好,但后來(lái)人們發(fā)現,事實(shí)并非如此,例如:取被插函數,在[-5,5]上的n+1個(gè)等距節點(diǎn):計算出f(xk)后得到Lagrange插值多項式Ln(x),考慮[-5,5]上的一點(diǎn)x=5-5/n,分別取n=2,6,10,14,18計算f(x),Ln(x)及對應的誤差Rn(x),得下表
從表中可知,隨節點(diǎn)個(gè)數n的增加,誤差lRn(x)l不但沒(méi)減小,反而不斷的增大.這個(gè)例子最早是由Runge研究,后來(lái)人們把這種節點(diǎn)加密但誤差增大的現象稱(chēng)為Runge現象.出現Runge現象的原因主要是當節點(diǎn)n較大時(shí),對應的是高次插值多項式,此差得積累"淹沒(méi)"了增加節點(diǎn)減少的精度.Runge現象否定了用高次插值公式提高逼近精度的想法,本節的分段插值就是克服Runge現象引入的一種插值方法.
分段多項式插值的定義為
定義2: a=x0<x1<;…<xn=b: 取[a,b]上n+1個(gè)節點(diǎn) 并給定在這些節點(diǎn) 上的函數值f(xR)=yR R=0,1,…,n
如果函數Φ(x)滿(mǎn)足條件
i) Φ(x)在[a,b]上連續
ii) Φ(xr)=yR,R =0,1,…,n
iii) Φ(x)zai 每個(gè)小區間[xR,xR+1]是m次多項式,
R=0,1,…,n-1則稱(chēng)Φ(x)為f(x)在[a,b]上的分段m次插值多項式
實(shí)用中,常用次數不超過(guò)5的底次分段插值多項式,本節只介紹分段線(xiàn)性插值和分段三次Hermite插值,其中分段三次Hermite插值還額外要求分段插值函數Φ(x)
在節點(diǎn)上與被插值函數f(x)有相同的導數值,即
★基本思想 將被插值函數f〔x〕的插值節點(diǎn) 由小到大 排序,然后每對相鄰的兩個(gè)節點(diǎn)為端點(diǎn)的區間上用m 次多項式去近似f〔x〕.
例題
例1 已知f(x)=ln(x)的函數表為:
試用線(xiàn)性插值和拋物線(xiàn)插值分別計算f(3.27)的近似值并估計相應的誤差。
解:線(xiàn)性插值需要兩個(gè)節點(diǎn),內插比外插好因為3.27 (3.2,3.3),故選x0=3.2,x1=3.3,由n=1的lagrange插值公式,有
所以有,為保證內插對拋物線(xiàn)插值,選取三個(gè)節點(diǎn)為x0=3.2,x1=3.3,x2=3.4,由n=2的lagrange插值公式有
故有
所以線(xiàn)性插值計算ln3.27的誤差估計為
故拋物線(xiàn)插值計算ln3.27的誤差估計為:
顯然拋物線(xiàn)插值比線(xiàn)性插值精確。
樣條插值
樣條插值是一種改進(jìn)的分段插值。
定義 若函數在區間〖a,b〗上給定節點(diǎn)a=x0<x1<;;…<xn=b及其函數值yj,若函數S(x)滿(mǎn)足
⒈ S(xj)=yj,j=0,1,2,…,n;
插值法主要用于道路橋梁,機械設計,電子信息工程等 很多工科領(lǐng)域的優(yōu)化方法。
插值是通過(guò)cell樣本數據計算得到的一幅柵格影像,作用是預測某一區域內樣本數據以外的該屬性值。
在高程,降雨量,礦產(chǎn),噪音分析等具有廣泛應用。以下是幾種在A(yíng)rcGIS中常見(jiàn)的插值方法:IDW:確定性插值方法。
每個(gè)柵格單元內的樣本點(diǎn)數據距離單元內加權平均距離點(diǎn)的距離為自變量,點(diǎn)對平均距離點(diǎn)的影響與其距離冪值成反比,適合樣本密集情況下進(jìn)行分析。Kriging:與IDW類(lèi)似,通過(guò)半變異函數,可以對預測的確定性或準確性提供某種度量。
Natural neighbour:可找到距查詢(xún)點(diǎn)最近的輸入樣本子集,并基于區域大小按比例對這些樣本應用權重來(lái)進(jìn)行插值。Spline:確定性插值方法。
使用可最小化整體表面曲率的數學(xué)函數來(lái)估計值,以生成恰好經(jīng)過(guò)輸入點(diǎn)的平滑表面。Spline with Barriers:障礙以面要素或折線(xiàn) (polyline) 要素的形式輸入。
過(guò)單向多格網(wǎng)技術(shù),以初始的粗糙格網(wǎng)(在本例中是已按輸入數據的平均間距進(jìn)行初始化的格網(wǎng))為起點(diǎn)在一系列精細格網(wǎng)間移動(dòng),直至目標行和目標列的間距足以使表面曲率接近最小值為止。Topo to Raster:旨在用于創(chuàng )建可更準確地表示自然水系表面的表面,而且通過(guò)這種技術(shù)創(chuàng )建的表面可更好的保留輸入等值線(xiàn)數據中的山脊線(xiàn)和河流網(wǎng)絡(luò )。
Trend:由數學(xué)函數(多項式)定義的平滑表面與輸入樣本點(diǎn)進(jìn)行擬合的全局多項式插值法。趨勢表面會(huì )逐漸變化,并捕捉數據中的粗尺度模式。
聲明:本網(wǎng)站尊重并保護知識產(chǎn)權,根據《信息網(wǎng)絡(luò )傳播權保護條例》,如果我們轉載的作品侵犯了您的權利,請在一個(gè)月內通知我們,我們會(huì )及時(shí)刪除。
蜀ICP備2020033479號-4 Copyright ? 2016 學(xué)習?shū)B(niǎo). 頁(yè)面生成時(shí)間:2.578秒