Red de conocimiento informático - Material del sitio web - ¿Cómo utilizar matlab para contar el número de valores individuales en una estadística y trazarlos?

¿Cómo utilizar matlab para contar el número de valores individuales en una estadística y trazarlos?

1. Abra el software MATLAB y prepárese para comenzar a dibujar.

Método 1:

1. Escriba un vector de punto discreto en la ventana de comando, como punto discreto (X, Y), X=[1 3 5 7 2 9 3 6 2 8], Y=[2 1 4 5 6 15 2 5 7 10], si usamos Plot para dibujar directamente, lo que dibujamos es una polilínea.

2. Configurar el estilo de visualización del gráfico, como por ejemplo: plot(X,Y,'k*'), 'k' significa mostrar negro, '*' significa que el punto se muestra como un asterisco.

Método 2:

1. También es más conveniente borrar el código anterior en la línea de comando, ingresar: clc directamente en la línea de comando y luego presionar la tecla Enter.

2. Vuelva a ingresar los puntos discretos en la línea de comando y use la función de dispersión para dibujar los puntos discretos, como por ejemplo: dispersión(X,Y,'r'), 'r' significa que el Los puntos discretos se muestran en rojo.

3. Compare si los dos métodos son iguales y mantenga presionado para que las dos imágenes aparezcan encima de una. ¡Se descubre que los puntos discretos etiquetados están ubicados en el mismo lugar!

Antes de usar Python para dibujar gráficos, necesitamos instalar dos archivos de biblioteca, numpy y matplotlib.

Numpy es una extensión de cálculo numérico de código abierto para Python que se puede usar para almacenar y procesar matrices grandes y es más eficiente que la propia estructura de datos de Python. matplotlib es un marco de gráficos de Python y los resultados gráficos se dibujan usando; son los mismos que los de MATLAB. Los resultados que se muestran a continuación son similares.

"Mastering Matlab Digital Image Processing and Recognition" combina orgánicamente conocimientos teóricos, investigación científica y práctica de ingeniería, cubriendo todos los aspectos de la tecnología de procesamiento y reconocimiento de imágenes digitales, incluidas operaciones puntuales, transformación geométrica, dominio espacial y dominio de frecuencia. filtrado, transformada wavelet, restauración de imágenes, procesamiento morfológico, segmentación de imágenes y extracción de características de imágenes, etc.;

Este libro utiliza dos tecnologías de clasificación que son muy populares en los campos técnicos y de ingeniería actuales: redes neuronales artificiales ( ANN) y Support Vector Machine (SVM): centrándose en ello, el libro finaliza con temas candentes como el reconocimiento facial y, al mismo tiempo, explora el conocimiento preliminar de la visión artificial de forma piloto.

"Mastering Matlab Digital Image Processing and Recognition" tiene una estructura compacta, contenido fácil de entender e imágenes y textos ricos. Es adecuado para estudiantes universitarios y de posgrado en informática, comunicación, automatización y otros. especialidades relacionadas, así como una amplia gama de proyectos que trabajan en la primera línea del procesamiento y reconocimiento de imágenes.