排序方式: 共有4条查询结果,搜索用时 93 毫秒
1
1.
2.
在实际的生产、生活中,人们直接获得的原始图像并不能直接应用到生产、生活中。因为,原始图像在获取和传输过程中会产生各种噪声,造成图形的对比度不够、图像模糊、对所需要的信息,如边缘或线状地物不够突出等影响。针对上述问题,可以采用专业的图像处理软件进行处理。本文采用在MATLAB中,根据图像中存在的具体问题,利用MATLAB自带的函数以及用户自己编写的M函数解决具体问题。给出了用MATLAB进行灰度增强、直方图增强、平滑、锐化等操作及具体示例,通过这几个实验,取得较为理想的效果,达到了图像增强的目的。 相似文献
3.
4.
利用基于BCC-CSM1.1m模式建立的第2代季节预测模式系统1984—2019年历史回算数据,客观评估该模式对1月和4月欧亚积雪覆盖率(snow cover fraction,SCF)气候态和年际变化的预测技巧,分析模式预测偏差产生的可能原因。结果表明:BCC-CSM1.1m模式在超前0~2个月对欧亚大陆SCF具有一定预测技巧,对4月SCF的预测能力明显高于1月,1月预测技巧在欧洲西部地区最高,4月在西西伯利亚地区最高。SCF的预测结果在除青藏高原外的大范围地区表现为系统性偏低,预测偏差在1月随着起报时间的增长没有明显变化,而在4月随着起报时间的增长,关键区偏差由负转正并逐渐增大。分析表明,SCF预测偏差与模式中近地面气温的预测偏差有直接关系。除此之外,SCF的预测偏差部分源于模式本身的系统性偏差,模式分辨率以及参数化方案可能是预测结果在积雪覆盖率接近100%的高纬度地区明显偏低的原因。 相似文献
1