33图像映射
【计算机应用研究】_映射_期刊发文热词逐年推荐_20140723
虚拟映射 虚拟力 自适应 自编码网络 自相关性 自由曲面 自恢复 脉冲噪声 肤色模型 网络安全 网格追踪 编码映射 缓存 维数约简 统计计数 统一视图模型 结构化对等网络 线性反馈控制 线性判别分析 约束 类lorenz系统 算法 策略模式 等度规映射 等值线 窜改定位 神经网络 社团划分 知识重用 知识表示 知识库 知识协同 盲签名 盲提取 生产管理 特征附加面 特征模型 物料跟踪 片上网络 混沌系统 混沌序列 混沌优化 混沌 混合编码 流量测量 流形学习 流保序 洪泛 武器-目标分配问题 模糊层次分析法 模板 模型驱动架构 模型转换 模型解析
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
科研热词 推荐指数 双线性映射 5 顶点纹理 2 环境纹理映射 2 水面渲染 2 本体映射 2 实时性 2 安全模型 2 图像加密 2 交互性 2 二维纹理映射 2 高层语义 1 领域应用系统 1 面向服务的体系结构 1 随机预言模型 1 重量分布 1 配置文件 1 遗产代码 1 迭代函数系统 1 软件架构 1 负载均衡 1 语义图像检索 1 计算机网络防御策略模型 1 计算机网络防御 1 角色映射 1 视图映射关系 1 自治安全域 1 自回归求和滑动平均模型 1 自仿射 1 聚合重构 1 翻译 1 群签名 1 网格计算 1 编码 1 统一业务终端 1 结构图 1 线性码 1 类型封装和嵌套方式 1 策略引擎 1 策略 1 等值面 1 空间分析 1 移动立方体 1 离散混沌加密系统 1跟踪 1 目标模型 1 畸变校正 1 电子投票 1
北师大版高中数学必修一学第二章映射讲解与例题
2.3 映射两个非空集合A与B之间存在着对应关系f，而且对于A中的每一个元素x，B中总有唯一的一个元素y与它对应，就称这种对应为从A到B的映射，记作f：A→B.A中的元素x称为原像，B中的对应元素y称为x的像，记作f：x→y.谈重点映射定义的理解(1)映射中的集合A和B是非空集合，它们可以是数集、点集或由图形组成的集合以及其他元素的集合．(2)映射是一种特殊的对应，其特殊性在于：集合A中的每一个元素，在集合B中都有唯一的元素与之对应，这种集合A中元素的任意性和集合B中对应的元素的唯一性构成了映射的核心．对应关系常用图示或文字描述的方式来表达．(3)对应有“方向性”，即“从A到B的对应”与“从B到A的对应”一般是不同的，因此，从A到B的映射与从B到A的映射是不同的．(4)映射允许集合A中不同的元素在集合B中有相同的像，即映射可以是“多对一”或“一对一”，但不能是“一对多”．(5)映射允许集合B中的某些元素在集合A中没有原像，也就是由像组成的集合C⊆B.【例1－1】给出下列四个对应，其中构成映射的是( )．A．(1)(2) BC．(1)(3)(4) D．(3)(4)解析：判断一个对应是否为映射，必须严格根据定义，观察A中每一个元素是否在B中都有唯一的元素与之对应．说明一种对应关系不是映射，只需找到一个反例即可．在(2)中，集合A中的元素3在集合B中没有元素与它对应；在(3)中，集合A中的元素2在集合B中有两个元素4和5与它对应，因此(2)和(3)不是映射，故选B.答案：B解技巧判断映射的技巧映射应满足存在性(即A中每一个元素在B中都有像)和唯一性(即像唯一)．所以，判断一个对应是否为映射，关键是看是否具备：①“一对一”或“多对一”；②A中元素都有像．【例1－2】下列对应是不是从A到B的映射？(1)A＝B＝N＋，f：x→|x－3|；(2)A＝{x|x≥2，x∈N}，B＝{y|y≥1，y∈Z}，f：x→y＝x2－2x＋2；(3)A＝R，B＝{0,1}，f：x→y＝10 00xx≥⎧⎨<⎩，，，；(4)A＝{x|x＞0}，B＝{y|y∈R}，f：x→y＝(5)设A＝{矩形}，B＝{实数}，对应关系f为矩形到它的面积的对应；(6)设A＝{实数}，B＝{正实数}，对应关系f为x→1||x.解：(1)当x＝3∈A时，|x－3|＝0∉B，即A中的元素3按对应关系f，在B中没有元素和它对应，故(1)不是映射．(2)∵y＝x2－2x＋2＝(x－1)2＋1，对任意的x，总有y≥1.又当x∈N时，x2－2x＋2必为整数，即y∈Z.∴当x ∈A 时，x 2－2x ＋2∈B .∴对A 中每一个元素x ，在B 中都有唯一的y 与之对应，故(2)是映射．(3)按照对应关系f ，在A 中任意一个非负数，在B 中都有唯一的数1与之对应；在A 中任意一个负数，在B 中都有唯一的数0与之对应，故(3)是映射．(4)对任意的x ∈A ＝{x |x ＞0}，按对应法则f ：x →y＝，存在两个y ∈B ＝{y |y ∈R }，即y =y =与之对应，故(4)不是映射．(5)∵对每一个矩形，它的面积是唯一确定的，∴对于集合A 中的每一个矩形，B 中都有唯一的实数与之对应，故(5)是映射．(6)∵实数0的绝对值还是0，其没有倒数，∴对于A 中的实数0，B 中没有元素与之对应，故(6)不是映射．2．一一映射的概念若从A 到B 的映射满足下列条件：①A 中每一个元素在B 中都有唯一的像与之对应；②A 中的不同元素的像也不同；③B 中的每一个元素都有原像．就称此映射为一一映射．有时，我们把集合A ，B 之间的一一映射也叫作一一对应．映射造出多少个映射？其中有多少个一一映射？分析：可根据映射的定义，构造从集合A 到集合B 的映射，即让A 中的每一个元素在B 中都有唯一的元素与之对应．从集合A 到集合B 的映射，若对应关系不同，则所得到的映射不同．最后依据一一映射的概念从中数出一一映射的个数．解：从集合A 到集合B 可构造如下映射(其中的对应关系用箭头表示)：(3)，A 到集合B 能构造出4个映射，其中有2个一一映射．【例2－2】若M ＝{x |0≤x ≤2}，N ＝{y |0≤y ≤1}，下列对应关系f ：x →y 是从M 到N 的一一映射的是( )．A ．12y x =B ．13y x = C ．212y x = D ．y ＝(x －1)2 解析：一一映射首先是映射，其次是A 中的不同元素在B 中的像不同，且B 中的每一个元素在A 中都有原像，只有满足这三个条件的对应关系，才是从A 到B 的一一映射．在选项A 中，当0≤x ≤2时，0≤y ≤1，对于集合M 中的每一个元素在N 中都有唯一的像与之对应，且M 中的不同元素的像也不同，N 中的每个元素都有原像，符合一一映射的三个条件；在选项B 中，当0≤x ≤2时，0≤y ≤23，所以集合N 中的元素y ∈213y y ⎧⎫<≤⎨⎬⎩⎭在M 中没有原像；在选项C 中，当0≤x ≤2时，0≤y ≤2，所以集合M 中的元素x ∈{x x ≤2}在N 中没有像；在选项D 中，当x ＝0和2时，都有y ＝1，所以集合M 中的不同元素的像可能相同，故选A.(1)函数包括三要素：定义域、值域、两者之间的对应关系；映射包括三要素：非空集合A 、非空集合B 以及A ，B 之间的对应关系．(2)函数定义中的两个集合为非空数集；映射中两个非空集合中的元素为任意元素，如人、物、命题等都可以．(3)在函数中，对定义域中的每一个数x ，在值域中都有唯一确定的函数值和它对应，在映射中，对集合A 中的任意元素a 在集合B 中都有唯一确定的像b 和它对应．(4)在函数中，对值域中的每一个确定的函数值，在定义域中都有确定的值和它对应；在映射中，对于集合B 中的任一元素b ，在集合A 中不一定有原像．(5)函数是一种特殊的映射，是从非空数集到非空数集的映射．函数概念可以叙述为：设A ，B 是两个非空数集，f 是A 到B 的一个映射，那么映射f ：A →B 就叫作A 到B 的函数．在函数中，原像的集合称为定义域，像的集合称为值域．(1)A ＝R ，B ＝R ，f ：x →y ＝11x +；(2)A ＝{三角形}，B ＝{圆}，f ：三角形的内切圆； (3)A ＝R ，B ＝{1}，f ：x →y ＝1；(4)A ＝[－1,1]，B ＝[－1,1]，f ：x →x 2＋y 2＝1.分析：映射是一种特殊的对应，函数是一种特殊的映射，判断两个集合间的对应关系是否为函数时，只需把握两点：一、两个集合是否都是非空数集；二、对应关系是否为映射．解：(1)当x ＝－1时，y 的值不存在，所以不是映射，更不是函数．(2)由于A ，B 不是数集，所以(2)不是函数，但每个三角形都有唯一的内切圆，所以(2)是A 到B 的映射．(3)A 中的每一个数都与B 中的数1对应，因此，(3)是A 到B 的函数，也是A 到B 的映射．(4)取x ＝0，则由x 2＋y 2＝1，得y ＝±1，即A 中的一个元素0与B 中的两个元素±1对应，因此(4)不是A 到B 的映射，也不是从A 到B 的函数．警误区 关系式x ＝1是函数吗？有的同学问：关系式y ＝1是y 关于x 的函数，那么关系式x ＝1是y 关于x 的函数吗？函数是一种特殊的映射，是非空数集间的一种映射．对于关系式x＝1，显然有x∈{1}，y∈R，则1与全体实数建立对应关系，不符合函数的定义，因此，“x＝1”不是y关于x的函数．4．像与原像的求解问题(1)对于一个从集合A到集合B的映射f而言，A中的每个元素x，在f的作用下，在B 中都对应着唯一的元素y，则y称为像，而x叫原像．(2)对于给出原像求像的问题，只需将原像代入对应关系式中，即可求出像．对于给出像求原像的问题，可先设出原像，再代入对应关系式中得到像，而它与已知的像是同一个元素，从而求出原像；也可根据对应关系式，由像逆推出原像．解答此类问题，关键是：①分清原像和像；②搞清楚由原像到像的对应关系．例如：已知M＝{自然数}，P＝{正奇数}，映射f：a(a∈M)→b＝2a－1(b∈P)．则在映射f下，M中的元素11对应着P中的元素________；P中的元素11对应着M中的元素________．∵2×11－1＝21，∴M中的元素11对应着P中的元素21.由2a－1＝11，得a＝6，∴P中的元素11对应着M中的元素6.【例4－1】已知集合A＝B＝R，x∈A，y∈B，f：x→y＝ax＋b，若4和10的原像分别对应6和9，则19在f作用下的像为( )．A．18 B．30 C．272D．28解析：由题意，可知64,910,a ba b+=⎧⎨+=⎩解得a＝2，b＝－8，∴对应关系为y＝2x－8.故19在f作用下的像是y＝2×19－8＝30.答案：B【例4－2】已知映射f：A→B中，A＝B＝{(x，y)|x∈R，y∈R}，f：(x，y)→(3x－2y ＋1,4x＋3y－1)．(1)求A中元素(1,2)的像；(2)求B中元素(1,2)的原像．分析：解答(1)可利用x＝1，y＝2代入对应关系求出3x－2y＋1与4x＋3y－1的值便可，解答(2)可利用方程的观点解方程组321=1431=2x yx y-+⎧⎨+-⎩，，求出x，y的值便可．解：(1)当x＝1，y＝2时，3x－2y＋1＝0,4x＋3y－1＝9，故A中元素(1,2)的像为(0,9)．(2)令32114312x yx y-+=⎧⎨+-=⎩，，得6,179.17xy⎧=⎪⎪⎨⎪=⎪⎩故B中元素(1,2)的原像是69, 1717⎛⎫ ⎪.(1)一般地，若集合A中含有m个元素，集合B中含有n个元素，则从A到B的映射有n m 个，从B到A的映射有m n个．例如：求集合A＝{a，b，c}到集合B＝{－1,1}的映射的个数．按照映射的定义，A中元素可都对应B中同一个元素，即a→－1，b→－1，c→－1或a→1，b→1，c→1，共有2个不同的映射；A中元素也可对应B中两个元素，即a→－1，b→－1，c→1或a→－1，b→1，c→－1或a→1，b→－1，c→－1或a→1，b→1，c→－1或a→1，b→－1，c→1或a→－1，b→1，c→1，共有6个不同的映射，综上可知，从A到B的映射共有2＋6＝8＝23个．以后可以根据两个集合中元素的个数直接计算映射的个数．(2)计算满足某些特定要求的映射的个数时，关键是将映射具体化、形象化(如用列表法、图像法、数形结合等)．例如，设M＝{a，b，c}，N＝{－1,0,1}，若从M到N的映射f满足f(a)＋f(b)＝f(c)，求这样的映射f的个数．要确定映射f，则只需要确定M中的每个元素对应的像即可，即确定f(a)，f(b)，f(c)的值．而f(a)，f(b)，f(c)∈{－1,0,1}，还满足f(a)＋f(b)＝f(c)，因此要确定这样的映射f的个数，则只需要确定由－1,0,1能组成多少个等式( )＋( )＝( )．注意到映射不要求N f(c)的取值情况表示出来．【例5－1】集合A＝{1,2,3}，B＝{3,4}，从A到B的映射f满足f(3)＝3，则这样的映射共有________个．解析：由于f(3)＝3，因此只需考虑剩下的两个元素1和2的像的问题，总共有如图所示的4种可能(也可直接利用公式得到这样的映射共有22＝4个)．答案：4【例5－2】已知集合A＝{a，b，c}，B＝{1,2}，从A到B建立映射f，使f(a)＋f(b)＋f(c)＝4，则满足条件的映射共有________个．解析：要确定映射f，则只需确定A中的每个元素对应的像即可，即确定f(a)， f(b)，f(c)的值，而f(a)，f(b)，f(c)∈{1,2}，还满足f(a)＋f(b)＋f(c)＝4，所以f(a)，f(b)，f(c)中有一个是2，另两个是3个．答案：3【例5－3】设集合A＝{1,2,3}，集合B＝{a，b，c}，那么从集合A到集合B的映射的个数为________，从集合A到集合B的一一映射的个数为________．解析：因为集合A中有3个元素，集合B中有3个元素，所以从集合A到集合B的映射有33＝27个．其中A到B的一一映射有下面6种情形．答案：27 6。
第8章_图像增强
32
一、空间域图像增强（29）
对角线方向边缘增强示意图
33
一、空间域图像增强（30）
单方向一阶微分算子图像增强效果
34
一、空间域图像增强（31）
Roberts交叉微分算子
g x, y f x 1, y 1 f x, y f x 1, y f x, y 1
f
G x x
f
f
G
y
y
27
一、空间域图像增强（24）
一阶微分算子
单方向微分算子
（1）水平方向微分算子
Dlevel
1 2 1
0 0 0
1 2 1
g ( x, y ) [ f x 1, y 1 f x 1, y 1] 2[ f x 1, y f x 1, y ]
遥感数字图像处理
第8章
图像增强
背景知识
图像增强是通过一定手段对原图像进行变换或附加一些信息
，有选择地突出图像中感兴趣的特征或者抑制图像中某些不
需要的特征，使图像与视觉响应特性相匹配，从而加强图像
判读和识别效果，以满足某些特殊分析的需要。
目的：改善图像的视觉效果，帮助我们更好地发现或识别图
像中的某些特征。
作用：调整两幅图像的色调差异，使图像重叠区域的色调过渡柔和，改
善图像融合和图像镶嵌效果。
14
一、空间域图像增强（12）
直方图匹配的思想：
原图像中的任意一个灰度值ai 都可
以在参考图像上找到一个与之对应
的灰度值bi ，使得原图的灰度概率
matlab 色域映射的常见算法
在MATLAB中进行色域映射的常见算法包括以下几种：1. 线性映射 (Linear Mapping)：这种方法直接将输入值的范围映射到颜色的范围。
它很简单，但如果输入范围变化很大，可能无法提供很好的颜色区分。
2. 对数映射 (Logarithmic Mapping)：对于非常大的或非常小的数值，对数映射可能更有用，因为它可以更好地平衡颜色映射的范围。
3. 分形映射 (Fractal Dimension Mapping)：对于某些具有分形特性的数据，分形映射可以提供更好的可视化效果。
4. 均匀颜色空间映射 (Uniform Color Space Mapping)：这种方法使用均匀颜色空间（如RGB、HSV等）进行映射。
它的优点是可以在任何颜色空间中进行映射，但其关键问题是色彩对比度和视觉效果不佳。
5. 非线性颜色空间映射 (Non-Uniform Color Space Mapping)：这种方法使用非均匀颜色空间（如HSV、Jet等）进行映射。
它可以提供更好的视觉效果，因为它们更好地利用了颜色空间中的差异。
6. 指数映射 (Exponential Mapping)：类似于对数映射，但它用于更大范围的数据值。
它也试图在较小和较大的值之间提供更好的对比度。
7. 分段线性映射 (Piecewise Linear Mapping)：这种方法将数据分成几个段，并为每个段创建一个线性映射。
这允许你为特定范围的数据选择不同的颜色。
8. 自适应色域映射 (Adaptive Colormap)：对于动态数据，你可能需要使用自适应色图。
MATLAB的colormap函数可以根据输入值的范围动态地改变颜色。
为了在MATLAB中使用这些方法，你需要先创建数据矩阵（如果你已经有了一个），然后使用适当的函数来应用色域映射。
例如，使用imagesc函数可以自动选择一个合适的色图，或者你可以使用colormap函数来选择特定的色图。
图像映射
<map name="map">
<area shape="rect" coords="75,75,99,99" nohref="nohref">
<area shape="circ" coords="50,50,25" nohref="nohref">
</map>
提示和注释
注释：如果某个 area 标签中的坐标和其他区域发生了重叠，会优先采用最先出现的 area 标签。浏览器会忽略超过图像边界范围之外的坐标)
href 标识出目标的URL
shape 说明映射区域的形状。取值可是：
rect 矩形
circle 圆形
poly 多边形
default 整个图像区域
coords 用于标识映射区域的边界。(coords 属性
<area> 标签的 coords 属性定义了客户端图像映射中对鼠标敏感的区域的坐标。坐标的数字及其含义取决于 shape 属性中决定的区域形状。可以将客户端图像映射中的超链接区域定义为矩形、圆形或多边形等。
下面列出了每种形状的适当值：
圆形：shape="circle"，coords="x,y,z"
这里的 x 和 y 定义了圆心的位置（"0,0" 是图像左上角的坐标），r 是以像素为;，coords="x1,y1,x2,y2,x3,y3,..."
注意：map标记符中，name属性的取值必须与img标记符中，usemap属性的取值相同，只是usemap属性的值前面多了一个# 。
空间坐标系映射原理
空间坐标系映射原理全文共四篇示例，供读者参考第一篇示例：空间坐标系映射原理是指将一个坐标系上的点通过一定的映射关系映射到另一个坐标系上的过程。
在现实生活中，我们经常会遇到需要将不同坐标系之间的点进行映射的情况，比如地图投影、机器人定位、虚拟现实等领域都会涉及到坐标系的映射。
了解空间坐标系映射原理对于我们理解和应用这些技术非常重要。
在介绍空间坐标系映射原理之前，我们先来了解一下什么是空间坐标系。
空间坐标系是用来描述一个空间中的点位置的数学工具。
常见的空间坐标系有直角坐标系、极坐标系、球坐标系等。
直角坐标系是我们最熟悉的坐标系，它通过三个互相垂直的坐标轴来描述一个点的位置，分别是x轴、y轴和z轴。
在直角坐标系中，我们可以利用三个坐标值(x, y, z)来表示一个点的位置。
而不同的坐标系之间存在着一定的转换关系，通过这些转换关系，我们可以实现不同坐标系之间的点的映射。
空间坐标系映射原理可以分为两个方面来理解，即坐标系的变换和坐标点的映射。
坐标系的变换是指将一个坐标系转换为另一个坐标系的过程，可以通过矩阵变换等方式实现。
在二维空间中，我们通常会用一个二维变换矩阵来实现坐标系的变换，通过矩阵相乘的方式可以将一个坐标系上的点转换到另一个坐标系中。
而在三维空间中，我们需要使用三维变换矩阵来实现坐标系的变换。
坐标点的映射是指将一个空间中的点通过坐标系的变换映射到另一个空间中的点的过程。
通过坐标系的映射，我们可以实现不同坐标系之间的点的转换，这在计算机图形学、机器人定位和虚拟现实等领域有着广泛的应用。
在机器人定位中，通过对传感器获取的数据进行坐标系映射，可以准确地确定机器人在空间中的位置和姿态；在虚拟现实中，通过将一个坐标系上的图像映射到另一个坐标系中，可以实现虚拟物体在现实世界的呈现。
空间坐标系映射原理的应用是非常广泛的，可以在很多领域中看到它的身影。
除了上面提到的应用，空间坐标系映射原理还可以应用在地图投影、医学影像处理、自动驾驶等领域。
像素映射操作方法
像素映射操作方法
像素映射操作方法指的是将一个或多个图像上的像素值映射到另一个图像上的一种操作方法。
以下列举常见的像素映射操作方法：
1. 线性映射：将原始图像上的像素值通过线性转换映射到新的像素值范围上。
线性映射常用的方法有线性缩放、线性拉伸和线性变换。
2. 非线性映射：将原始图像上的像素值通过非线性函数映射到新的像素值范围上。
非线性映射常用的方法有幂次变换、对数变换和指数变换。
3. 直方图均衡化：通过映射原始图像的像素值到新的像素值范围上，并调整像素值的分布，使得新图像的像素值具有较为平均的分布，增强图像的对比度。
4. 颜色映射：将图像从一种颜色空间映射到另一种颜色空间，例如从RGB空间到HSV空间的转换。
5. 图像融合：将两个或多个图像的像素值进行混合，生成一个新的图像。
常用的融合方式有逐像素融合、权重融合和像素平均融合。
6. 图像变形：通过调整图像的像素位置和插值方法，实现图像的形状变化或尺度变换。
以上是一些常见的像素映射操作方法，根据具体应用场景和需求，还可以采用其他特定的像素映射操作方法。
【国家自然科学基金】_π映射_基金支持热词逐年推荐_【万方软件创新助手】_20140801
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
科研热词 混沌 神经网络 本体 本体映射 映射 图像加密 双线性映射 遗传算法 支持向量机 分岔 集值映射 故障诊断 人工神经网络 logistic映射 纹理映射 模式识别 核方法 拟共形映射 bp神经网络 自组织特征映射 核函数 主成分分析 lyapunov指数 自组织映射 聚类 粗糙集 稳定性 混沌映射 流形学习 概念设计 服务质量 同伦映射 可视化 xml 预测 非线性 虚拟现实 自组织映射神经网络 聚类分析 特征提取 片上网络 最小二乘支持向量机 最优性条件 拓扑优化 小波神经网络 复杂网络 周期运动 吸引子 分类 公共不动点 web服务 poincaré映射
5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
科研热词 映射 神经网络 混沌 本体 不动点 支持向量机 本体映射 双线性映射 预测 混沌映射 遗传算法 聚类 故障诊断 集值映射 自组织映射 无线传感器网络 纹理映射 特征提取 流形学习 图像加密 可视化 机器学习 有限元 套代数 bp神经网络 非线性 语义网 稳定性 片上网络 数据挖掘 拟共形映射 建模 信息隐藏 petri网 高斯过程 非扩张映射 邻点可区别e-全色数 计算机应用 自适应 混沌序列 模式识别 核方法 图像分割 分岔 仿真 人脸识别 人工神经网络 产品设计 lyapunov指数 logistic映射 领域本体 非线性系统
单应映射 单应矩阵
单应映射单应矩阵
单应映射（Homography）和单应矩阵（Homography Matrix）是计算机视觉和图像处理中常用的概念。
它们通常用于描述平面之间的几何变换关系。
单应矩阵是一个3x3的矩阵，它描述了如何通过旋转、平移、缩放等变换将一个平面上的点映射到另一个平面上。
单应矩阵H通常表示为H=K[R|T]，其中K是相机内部参数矩阵，R是旋转矩阵，T是平移向量。
通过求解单应矩阵，可以确定两幅图像之间的几何变换关系，从而进行图像配准、拼接、校正等操作。
求解单应矩阵的方法有多种，包括RANSAC算法、LSD算法等。
在应用中，单应矩阵常用于图像拼接、全景图生成、运动分析等领域。
例如，在图像拼接中，通过求解两幅图像之间的单应矩阵，可以将它们无缝拼接在一起，形成一幅宽视角的图像。
总之，单应映射和单应矩阵是计算机视觉和图像处理中用于描述平面之间几何变换关系的概念，具有广泛的应用价值。
区间映射公式
区间映射公式区间映射公式，这可是数学里一个挺有意思的概念呢！咱们先来说说啥是区间映射公式。
简单来讲，它就像是一个神奇的魔法，能把一个区间里的数按照一定的规则变到另一个区间里去。
比如说，给你一个区间 [0, 1] ，通过特定的公式，能把这个区间里的数映射到 [2, 5] 这个区间里。
我记得之前有一次给学生们讲这个知识点的时候，有个小家伙一脸迷茫地看着我，问：“老师，这有啥用啊？”我笑了笑，跟他们说：“你们想想啊，假如咱们要把温度从华氏度换算成摄氏度，这其实就是一种区间映射呀！”听到这，孩子们的眼睛一下子亮了起来，好像突然发现了新大陆。
咱们来具体看看区间映射公式的常见形式。
一般来说，如果要把区间 [a, b] 里的数映射到 [c, d] 里，公式可以写成：y = (d - c) * (x - a) / (b - a) + c 。
这里的 x 就是原来区间里的数，y 就是映射后的数。
比如说，要把区间 [1, 5] 里的数映射到 [10, 20] ，当 x = 3 时，咱们来算算。
先算 (20 - 10) * (3 - 1) / (5 - 1) = 10 * 2 / 4 = 5 ，再加上 10 ，得到 y = 15 。
这样，3 就被成功映射到了 15 。
那区间映射公式在实际生活中有啥用呢？其实用处可多啦！就拿图像缩放来说吧，一张图片的大小可能是 100×100 的像素，咱们想把它变成 200×200 的，这里就用到了区间映射。
原本图像中每个像素的位置，通过区间映射公式，就能找到在新图像中的对应位置。
还有啊，在做数据标准化的时候也会用到。
比如说，一组考试成绩，满分是 100 分，最低分是 0 分，咱们想把它标准化到 0 到 1 之间，这时候区间映射公式就派上用场啦。
学习区间映射公式的时候，大家可别被那些字母和算式给吓到。
多做几道练习题，多想想实际生活中的例子，慢慢地就能掌握啦。
就像学骑自行车一样，一开始可能摇摇晃晃的，但多练几次，就能骑得稳稳当当的。
两个相机像素坐标映射计算公式
两个相机像素坐标映射计算公式随着数码相机的普及，相机像素坐标映射计算公式也成为了数码影像处理中的重要内容。
本文将详细介绍两个相机像素坐标映射计算公式，帮助读者更好地理解和应用数码影像处理技术。
一、什么是相机像素坐标映射？在数码影像处理中，相机像素坐标映射是指将相机拍摄的影像坐标系和图像处理中使用的坐标系进行转换的过程。
相机拍摄的影像坐标系通常以相机传感器的左上角为原点，以像素为单位进行标定，而图像处理中使用的坐标系则以图像左上角为原点，以像素为单位进行标定。
相机像素坐标映射的目的是将相机拍摄的影像坐标系映射到图像处理中使用的坐标系中，以便进行后续的图像处理和分析。
相机像素坐标映射通常包括两个计算公式，即像素坐标系到相机坐标系的转换公式和相机坐标系到像素坐标系的转换公式。
二、像素坐标系到相机坐标系的转换公式像素坐标系到相机坐标系的转换公式是将图像处理中使用的像素坐标系转换为相机拍摄的影像坐标系的公式。
该公式通常使用相机内参数和外参数进行计算。
1. 相机内参数相机内参数是指相机的内部参数，包括相机的焦距、主点位置和畸变参数等。
相机内参数通常通过相机标定来确定，可以使用标定板或特定的标定软件进行标定。
2. 相机外参数相机外参数是指相机的外部参数，包括相机的位置和姿态等。
相机外参数通常通过相机定位来确定，可以使用GPS、惯性导航等技术进行定位。
3. 像素坐标系到相机坐标系的转换公式像素坐标系到相机坐标系的转换公式通常使用相机内参数和外参数进行计算，如下所示：[x_c, y_c, z_c, 1] = K^-1 * [x_p, y_p, 1] * d 其中，K为相机内参数矩阵，^-1表示矩阵的逆，[x_p, y_p, 1]为像素坐标系中的坐标，d为相机到目标点的距离，[x_c, y_c, z_c,1]为相机坐标系中的坐标。
三、相机坐标系到像素坐标系的转换公式相机坐标系到像素坐标系的转换公式是将相机拍摄的影像坐标系转换为图像处理中使用的像素坐标系的公式。
九点标定 仿射变换 投射变换
九点标定仿射变换投射变换
九点标定是指在计算机视觉和计算机图形学中，通过使用已知
的几何关系来估计摄像机的参数，例如焦距、光心和畸变系数等。
这种技术通常用于三维重建和摄像机定位等应用中。
九点标定通常
需要至少9个已知空间点对应的图像点来进行计算。
仿射变换是指在二维空间中，通过线性变换和平移来对图像进
行变换的一种方法。
这种变换保持了图像中的直线和平行线的性质，常用于图像配准、图像校正和图像拼接等领域。
投射变换是指将一个几何空间映射到另一个几何空间的一种变换。
在计算机图形学中，投射变换通常用于将三维场景投影到二维
图像平面上，常见的投射变换包括透视投影和正交投影。
透视投影
可以模拟人眼看到的景深效果，而正交投影则保持了物体在不同深
度上的大小不变。
总的来说，九点标定、仿射变换和投射变换在计算机视觉和计
算机图形学中都有着重要的应用，它们分别用于摄像机参数估计、
图像变换和三维到二维的投影等方面。
这些技术在计算机图形学、
虚拟现实、增强现实等领域都发挥着重要作用。
数字图像处理课后参考解答(姚敏著)
参考解答（姚敏著）第一章 略 第2章2.2一阶矩或平均值； 二阶矩或自相关函数；自协方差；方差2.5压缩能力更强，码书控制着量化失真量的大小，计算量大，定长码，容易处理。
2.7二进制图像，索引图像，灰度图像，多帧图像，RGB 图像。
可以。
2.8采样间隔是决定图像空间分辨率的主要参数。
2.9如果1S 中的某些像素与2S 中的某些像素连接，则两个图像子集是相连接的。
在图2.9中，1S p ∈和2S q ∈在V 中取值，且q 在)(8p N 中，因此p 和q 是8连接的，1S 和2S 也是8连接的。
q 在)(p N D 中，且)()(44q N p N 是空集，即满足m 连接条件，因此p 和q 是m 连接的，p 和q 是8连接的，1S 和2S 也是8连接的。
也是m 连接的。
但是，1S 和2S 中所有像素之间都不存在4连接，因此1S 和2S 不是4连接的。
2.10当V={0, 1}时，p 与q 之间不可能存在4通路,下图(a)中的红色箭显示是没有办法到达q 的。
最短的8通路可在图中看出（蓝色），它的最短长度是4。
m 通路（黑色）的最短长度是5。
qq当V={1, 2}时，最短的4通路的一种可能显示在图(b)中（红色箭），它的长度是6。
最短的8通路的一种可能显示蓝色箭，它的长度是4。
m通路（黑色）的长度是6。
这些从p到q的同样长度的4、8、m通路不是唯一的。
2.11p和q之间的D4和D8距离与任何通路无关，仅与点的坐标有关。
对于像素p, q其坐标分别为(x, y)，(s，t)，D4(p, q) = | x - s | + | y – t | = 6D8(p, q) = max ( | x - s | , | y – t | ) = 3然而，如果选择考虑m邻接，则两点间的Dm距离用点间最短的通路定义。
在这种情况下，两像素间的距离将依赖于沿通路的像素值以及它们的邻点值。
Dm(p, q) = 6。
第3章3.1FFT(Fast Fourier Transformation)，即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。
图像到图像的映射
图像到图像的映射1.单应性变换单应性变换就是⼀个平⾯到另⼀个平⾯的映射关系。
图像中的2D点可以被表⽰成3D向量的形式，其中，。
它被叫做点的齐次表达，位于投影平⾯上。
所谓单应就是发⽣在投影平⾯上的点和线可逆的映射。
其它叫法包括射影变换、投影变换和平⾯投影变换等。
单应变换矩阵是⼀个3*3的矩阵H。
这个变换可以被任意乘上⼀个⾮零常数，⽽不改变变换本⾝。
所以它虽然具有9个元素，但是具有8个⾃由度。
这意味这它⾥⾯有8个未知参数待求。
典型地，可以通过图像之间的特征匹配来估计单应矩阵。
矩阵的⼀个重要作⽤是将空间中的点变换到另⼀个空间中。
这个作⽤在国内的《线性代数》教学中基本没有介绍。
要能形像地理解这⼀作⽤，⽐较直观的⽅法就是图像变换，图像变换的⽅法很多，单应性变换是其中⼀种⽅法，单应性变换会涉及到单应性矩阵。
单应性变换的⽬标是通过给定的⼏个点（通常是4对点）来得到单应性矩阵。
假设单应性矩阵为：上⾯的矩阵$H$会将⼀幅图像上的⼀个点的坐标$a=(x,y,1)$映射成另⼀幅图像上的点的坐标$b=(x_1,y_1,1)$，但H是未知的。
通常需要根据在同⼀平⾯上已知的⼀些点对(⽐如$a$,$b$)来求$H$。
假设已知点对($a$,$b$)，则有下⾯的公式：即：对于⽅程(1)可写成⼀个矩阵与⼀个向量相乘，即：其中，$h=[h_{11} , h_{12} , h_{13} , h_{21} , h_{22} , h_{23} , h_{31} , h_{32} , h_{33}]^T$，是⼀个9维的列向量。
若令:则$()$可以记为这⾥的$A\in R^{2\times 9}$。
这只是1对点所得到的矩阵$A$。
究竟要多少点对才能求出$H$?由于我们是采⽤齐次坐标（即(x,y,1)）来表⽰平⾯上的点，所以存在⼀个⾮零的标量$s$，使得$b_1=sHa^T$与$b=sHa^T$都表⽰同⼀个点$b$。
若令$s=\frac{1}{h_{33}}$，则$\frac{1} {h_{33}}H$为从公式$()$可以看出，其实$H$只有8个变量（8个⾃由度）。
两个相机像素坐标映射计算公式
两个相机像素坐标映射计算公式
相机像素坐标映射计算公式是计算机视觉中常用的公式之一，用于将相机拍摄的图像中的像素坐标映射到世界坐标系中。
这个公式的应用非常广泛，例如在机器人视觉、自动驾驶、虚拟现实等领域都有着重要的应用。
相机像素坐标映射计算公式的基本原理是通过相机的内参矩阵和外参矩阵将像素坐标转换为相机坐标系下的坐标，然后再通过相机坐标系下的坐标和世界坐标系下的坐标之间的转换关系，将像素坐标映射到世界坐标系中。
具体来说，相机像素坐标映射计算公式可以表示为：
P = K[R|t]P'
其中，P'是像素坐标，P是世界坐标系下的坐标，K是相机的内参矩阵，R和t是相机的外参矩阵。
内参矩阵K包含了相机的焦距、像素大小、主点位置等参数，可以通过相机标定得到。
外参矩阵[R|t]则包含了相机的旋转和平移信息，可以通过相机位姿估计得到。
在实际应用中，相机像素坐标映射计算公式通常需要进行优化，以提高映射的精度和稳定性。
例如，在机器人视觉中，可以通过对相
机位姿的优化来提高映射的精度；在自动驾驶中，可以通过对相机内参的优化来提高映射的稳定性。
相机像素坐标映射计算公式是计算机视觉中非常重要的公式之一，它可以将相机拍摄的图像中的像素坐标映射到世界坐标系中，为机器人视觉、自动驾驶、虚拟现实等领域的应用提供了重要的支持。
计算映射关系
计算映射关系全文共四篇示例，供读者参考第一篇示例：计算映射关系是数学中一个重要的概念，它描述了两个集合之间元素之间的对应关系。
在实际生活中，我们经常遇到需要计算映射关系的情况，比如物品的价格和销售量之间的关系、温度和湿度之间的关系等。
在这篇文章中，我们将介绍映射关系的定义、性质和计算方法。
1. 映射关系的定义映射关系是指两个集合之间的对应关系，它可以用函数的形式来表示。
给定两个集合A和B，如果对于A中的每一个元素a都有唯一对应的元素b属于B，则我们称这个对应关系为从A到B的映射，通常表示为f：A→B。
f表示函数的名称，A称为定义域，B称为值域。
在映射关系中，定义域中的元素被映射到值域中的元素，我们可以通过一个实例来理解这个概念。
假设A为一个水果集合，包括苹果、梨子和桃子，B为一个颜色集合，包括红色、黄色和粉红色。
我们可以定义一个映射关系f：A→B，规定苹果对应红色、梨子对应黄色、桃子对应粉红色。
映射关系具有以下几个性质：(1) 单射性：如果每个元素在定义域中只有唯一一个对应元素，即对于不同的a1和a2，f(a1)=f(a2) => a1=a2，则称该映射为单射。
(2) 满射性：如果每个元素在值域中都至少有一个对应元素，即对于任意的b∈B，存在一个a∈A使得f(a)=b，则称该映射为满射。
(3) 双射性：如果映射同时具有单射性和满射性，即对于不同的a1和a2，f(a1)=f(a2) => a1=a2，且对于任意的b∈B，存在一个a∈A使得f(a)=b，则称该映射为双射。
(4) 逆映射：如果映射f：A→B中，对于每一个b∈B存在一个a∈A使得f(a)=b，且对于每一个a∈A存在一个b∈B使得f(a)=b，则可以定义一个逆映射f-1：B→A。
计算映射关系的方法主要有两种：通过函数表达式和通过点集的形式。
(1) 函数表达式：如果映射关系由一个函数表示，我们可以通过给定函数的表达式来计算映射关系。
jellyfin 色调映射算法
jellyfin 色调映射算法Jellyfin色调映射算法Jellyfin是一款开源的媒体服务器软件，可以让用户在各种设备上共享和播放媒体内容。
其中一个重要的功能就是色调映射，它可以为不同的显示设备调整图像的颜色和对比度，以提供更好的观看体验。
色调映射是一种图像处理技术，旨在改善图像的视觉效果。
在不同的显示设备上，图像的颜色和对比度可能会有所不同，因此需要对图像进行调整，以使其在各种设备上呈现出相似的效果。
Jellyfin 使用的色调映射算法考虑了设备的特性和用户的个人偏好，以提供最佳的观看效果。
色调映射算法的核心是将输入图像的颜色和对比度转换为与目标设备相匹配的颜色和对比度。
为了实现这一点，Jellyfin使用了一系列数学计算和图像处理技术。
首先，它会分析目标设备的色彩空间和色温特性，然后将输入图像的颜色映射到目标设备的色彩空间中。
这个过程涉及到颜色矩阵的变换和色彩空间的映射。
除了颜色映射，色调映射算法还会对图像的对比度进行调整。
对比度是指图像中不同颜色之间的差异程度，它对图像的清晰度和细节感起着重要的作用。
Jellyfin会根据目标设备的亮度特性和用户的偏好来调整图像的对比度。
这个过程中，会使用一些数学公式来计算图像的亮度和对比度，然后根据目标设备的特性进行调整。
在色调映射算法的实现过程中，Jellyfin还考虑到了图像的色彩饱和度和色彩平衡。
色彩饱和度是指图像中颜色的鲜艳程度，而色彩平衡则是指图像中不同颜色之间的平衡关系。
Jellyfin会根据目标设备的色彩特性和用户的偏好来调整图像的色彩饱和度和色彩平衡，以提供更好的观看效果。
除了上述提到的功能，Jellyfin色调映射算法还具有一些其他的特点。
例如，它支持动态调整，可以根据图像的内容和场景来自动调整图像的颜色和对比度。
此外，Jellyfin还支持用户自定义调整，可以根据用户的个人喜好来调整图像的效果。
这些功能使得Jellyfin能够在不同的设备和场景下提供最佳的观看体验。
TIFF图像格式介绍
BigTiff
BigTiff中标签结构占用20个字节。相对于传统TIFF，增加了三种数 据类型TIFF_LONG8 = 16, 无符号8字节整数； TIFF_SLONG8 = 17, 有符号8字节整数； TIFF_IFD8 = 18, 新的无符号8字节IFD 偏移。 偏移 0 2 4 12 数据类型 Word Word Unsigned 8Byte X×标签数据类型或者 Unsigned 8Byte 值 标签标识码 标签数据数据类型 值的个数 标签数据或者标签数据的位置
重要标签
TagID(H) 0100 0101 0102 0103 0115 0106 属性名称 ImageWidth ImageLength BitsPerSample Compression SamplesPerPixel PhotometricInter pretation 类型 3 3 3 3 3 3 每分量的颜色位深 01-无压缩，7-JPEG压缩 每个像素的分量（通道）个数 0反色，否则不反色 简短描述
GeoTiff的整体结构
GeoTiff的标签
GeoTIFF 引入了 6 个“地理标签”（GeoTag）记录坐标信息，对于其 它与地图投影相关的辅助信息则采用一系列“地理键”（GeoKey）处 理。准确地说，地理键是一种“元标签” ，因为它们在功能上相当于 标签，但比普通TIFF标签又抽象了一层。 和标签一样， 地理键也有 ID号，范围从 0 到 65535，只不过这 65536个 ID 专门用于标识地理参 数。 在 6 个地理标签中，单独使用ModelTransformationTag（变换矩阵）或 者联合使用ModelTiepointTag（控制点）和 ModelPixelScaleTag（像元 比例）均可以描述栅格空间到模型空间的对应关系， 再加上 GeoDoubleParamsTag （双精度参数）、GeoAsciiParamsTag （ ASCII 参数）和GeoKeyDirectoryTag（地理信息目录）提供的信息，就可以 得到模型空间的点对应的实际地理位置（图2） 。整个GeoTIFF的结 构见图3，BitsPerSample（每个波段的位数）是标准的 TIFF 标签， ModelPixelScaleTag、ModelTiepointTag 的结构与其它地理标签类似。
投影映射知识点梳理汇总
投影概念：投影指的是在两个点集之间建立一一映射关系。
长度变形：地球仪上，纬线长度不等；同一纬线上，经差相同，纬线长度相同；同一经线上，纬差相同而经线长度不同；所有经线长度相等。
面积变形：地球仪上，同一纬度带内，经差相同的网格面积相等；同一经度带内，纬度越高，面积越小。
角度变形：地球仪上，经线与纬线处处呈直角相交。
按变形性质分类：等角投影：角度变形为零。
等积投影：面积变形为零。
任意投影：长度、角度和面积都存在变形地图投影的选择中国分省（区）地图正轴等角割圆锥投影、正轴等面积割圆锥投影、正轴等角圆柱投影、高斯一克吕格投影（宽带）大比例尺地图多面体投影（北洋时期）等角割圆锥投影（兰勃特投影）（解放前）高斯一克吕格投影（解放以后）高斯一克吕格投影是横轴椭圆柱等角投影，它的中央经线和赤道为互相垂直的直线，其他经线均为凹向并对称于中央经线的曲线，其他纬线均为以赤道为对称轴的向两极弯曲的曲线，经纬线成直角相交。
角度没有变形，长度和面积均有变形，且距离中央经线愈远变形愈大。
高斯投影特征：中央经线和赤道投影为互相垂直的直线，且为投影的对称轴投影后无角度变形，即保角投影中央经线无长度变形，同一条经线上，纬度越低，变形越大，赤道处最大同一条纬线上，离中央经线越远，变形越大；为了保证地图的精度，采用分带投影方法，即将投影范围的东西界加以限制，使其变形不超过一定的限度,这样把许多带结合起来，可成为整个区域的投影。
地图投影的选择主要考虑以下因素：制图区域的范围、形状和地理位置；地图的用途、出版方式及其他要求等。
高斯投影减少误差的基本思想是什么？由于高斯一克吕格投影采用了分带方法，各带的投影完全相同，分带投影可以限制变形的程度，但也给投影带来了连续的问题。
因为两相邻投影带的公共边缘子午线在两带投影平面上的投影的弯曲方向，使得位于该边缘子午线附近，分别居于两带的地形图不能拼接。
拓扑关系：是不考虑度量（距离）和方向的空间物体之间的关系。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
JavaScript 图像地图 图像地图指的是带有可点击区域的图像. JavaScript 图像地图 我们已经从 HTML 教程中了解到,图像地图是带有可点击区域的图像.通常情况下, 每个区域是一个相关的超级链接.单击某个区域,就回到达相关的链接. 实例 下面的例子演示如何创建带有可点击区域的 html 图像地图:<img src ="planets.gif" width ="145" height ="126" alt="Planets"usemap ="#planetmap" /><map id ="planetmap" name="planetmap"> <area shape ="rect" coords ="0,0,82,126" href ="sun.htm" target ="_blank" alt="Sun" /> <area shape ="circle" coords ="90,58,3" href ="mercur.htm" target ="_blank" alt="Mercury" /> <area shape ="circle" coords ="124,58,8" href ="venus.htm" target ="_blank" alt="Venus" /> </map>结果 添加 JavaScript 我们可向图像地图内部的 <area> 标签添加(能调用 JavaScript 的)事件.<area> 标签 支 持 以 下 事 件 : onClick , onDblClick , onMouseDown , onMouseUp , onMouseOver , onMouseMove,onMouseOut,onKeyPress,onKeyDown,onKeyUp,onFocus 和 onBlur. 这是添加了 JavaScript 的上面的例子:<html> <head> <script type="text/javascript"> function writeText(txt) { document.getElementById("desc").innerHTML=txt} </script> </head><body> <img src="planets.gif" width="145" height="126" alt="Planets" usemap="#planetmap" /><map id ="planetmap" name="planetmap"> <area shape ="rect" coords ="0,0,82,126"onMouseOver="writeText('TheSun and the gas giantplanets like Jupiter are by far the largest objects in our Solar System.')" href ="sun.htm" target ="_blank" alt="Sun" /><area shape ="circle" coords ="90,58,3"onMouseOver="writeText('Theplanet Mercury is verydifficult to study from the Earth because it is always so close to the Sun.')" href ="mercur.htm" target ="_blank" alt="Mercury" /><area shape ="circle" coords ="124,58,8"onMouseOver="writeText('Untilthe 1960s, Venus wasoften considered a twin sister to the Earth because Venus is the nearest planet to us, and because the two planets seem to share many characteristics.')" href ="venus.htm" target ="_blank" alt="Venus" /> </map><p id="desc"></p></body> </html>实例 1.简单的 HTML 图像映射 本例演示一幅没有添加 JavaScript 的图像映射 <html> <body> <img src="/i/eg_planets.jpg" border="0" usemap="#planetmap" alt="Planets" /> <map name="planetmap" id="planetmap"> <area shape="circle" coords="180,139,14" href ="/example/html/venus.html" target ="_blank" alt="Venus" /> <area shape="circle" coords="129,161,10" href ="/example/html/mercur.html" target ="_blank" alt="Mercury" /> <area shape="rect" coords="0,0,110,260" href ="/example/html/sun.html" target ="_blank" alt="Sun" /> </map> </body> </html> 2.添加了 JavaScript 的图像映射 本例演示一幅添加了 JavaScript 的图像映射,当鼠标浮动 于某个热点上时,会调用 JavaScript 函数来显示热点所对应的星球的简介 <html> <head> <script type="text/javascript"> function writeText(txt) { document.getElementById("desc").innerHTML=txt } </script> </head> <body> <img src="/i/eg_planets.jpg" border="0" usemap="#planetmap" alt="Planets" /><map name="planetmap" id="planetmap"> <area shape="circle" coords="180,139,14" onMouseOver="writeText('直到 20 世纪 60 年代, 金星一直被认为是地球的孪生姐妹, 因为 金星是离我们最近的行星,同时还由于两者拥有很多共同的特征.')" href ="/example/html/venus.html" target ="_blank" alt="Venus" /> <area shape="circle" coords="129,161,10" onMouseOver="writeText('从地球上是很难研究水星的,这样由于它和太阳的距离总是很近. ')" href ="/example/html/mercur.html" target ="_blank" alt="Mercury" /> <area shape="rect" coords="0,0,110,260" onMouseOver="writeText('太阳和类似木星这样的气态行星是到目前为止太阳系中最大的物 体.')" href ="/example/html/sun.html" target ="_blank" alt="Sun" /> </map> <p id="desc"></p> </body> </html>。