灰度图像变换——阈值化处理
OTSU阈值化
最大类间方差算法，步骤如下：
统计每个像素在整幅图中的个数——计算每个像素的概率分布——对灰度值进行遍历搜索，计算当前灰度值下前景背景类间概率——通过目标函数计算出类内与类间方差下对应的阈值。
代码如下：
int OTSU(Mat srcImg)//输入灰度图像{ int nCols = srcImg.cols;//纵方向x int nRows = srcImg.rows;//横方向y int threshold = 0;//输出的灰度阈值 int nSumPix[256];//灰度级统计数组 float nProDis[256];//灰度级概率分布数组 for (int i = 0; i < 256; i++)//初始化统计数组 { nSumPix[i] = 0; nProDis[i] = 0; } for (int i = 0; i < nRows; i++)//统计灰度 { for (int j = 0; j < nCols; j++) { nSumPix[(int)src ...
概率论与数理统计之“分赌注问题”
摘要
分赌注问题又称为点数问题，是法国学者梅雷于1654年向法国数学家帕斯卡提出的。
该问题简单来说就是两个水平相同的赌徒A和B，约定先胜$t$局的人赢得赌注，在赌局中的某时刻，两赌徒终止赌博，此时A胜$r$局，B胜$s$局，应该如何合理分配赌注。赌注问题不仅成为概率论的起源，同时荷兰数学家惠更斯在此基础上撰写《论赌博中的计算》一书，提出了数学期望的概念，推动了概率论的发展。
本文用理论分析运算得出赌注分配的最佳方案，并采用MATLAB仿真实验验证结果的正确性。
问题假设
假设先胜18局的人赢得赌注，且在A胜10局且B胜7局的时候终止赌博；
假设赌徒A和B的胜率相同，即每一局A和B都有0.5的机会赢得胜利；
由于$r$和$s$的大小不影响问题的讨论，不妨假设$r>s$。
符号
符号说明
$t$
获得赌注需要获胜的次数
$r$
A已经获胜的次数
$s$
B已经获胜的次数
$P_A$
A先获胜$t$局的概率
$P_B$
B先获胜$s$局的概率
$P_a$
A获胜一局的概率
$P_b$
B获胜一局的概率
$i$
比赛结束时的比赛 ...
