7-实验七_空值和空集处理

实验七 SQL的空值和空集处理

1、实验目的

认识NULL值在数据库中的特殊含义，了解空值和空集对于数据库的数据查询操作，特别是空值在条件表达式中与其他的算术运算符或者逻辑运算符的运算中，空集作为嵌套查询的子查询的返回结果时候的特殊性，能够熟练使用SQL 语句来进行与空值，空集相关的操作。

2、实验内容

通过实验验证在原理解析中分析过的SQL Server对NULL的处理，包括：

●在查询的目标表达式中包含空值的运算。

●在查询条件中空值与比较运算符的运算结果。

●使用IS NULL或IS NOT NULL 来判断元组该列是否为空值。

●对存在取空值的列按值进行ORDER BY排序。

●使用保留字DISTINCT对空值的处理，区分数据库的多中取值与现实中

的多种取值的不同。

●使用GROUP BY对存在取空值的属性值进行分组。

●结合分组考察空值对各个集合函数的影响，特别注意对COUNT（*）和

COUNT（列名）的不同影响。

●考察结果集是空集时，各个集函数的处理情况。

●验证嵌套查询中返回空集的情况下与各个谓词的运算结果。

●进行与空值有关的等值连接运算。

3、实验步骤

(1)查询所有选课记录的成绩并将它换算为五分制（满分为5分，合格为3

分），注意,创建表时允许Score取NULL值。

不合格的人数，讨论NULL值的特殊含义。

(3)通过实验检验在使用ORDER BY进行排序时，取NULL的项是否出现

在结果中？如果有，在什么位置？

Null出现，若按升序在第一位，按降序在最后

(4)在上面的查询的过程中如果加上保留字DISTINCT会有什么效果呢？

(5)通过实验说明使用分组GROUP BY对取值为NULL的项的处理。

(6)结合分组，使用集合函数求每个同学的平均分、总的选课记录、最高成绩、

最低成绩和总成绩。

select scq_Sno 学号,AVG(scq_Score)平均分,Count(scq_Cno)总的选课记录, MAX(scq_Score)最高成绩,MIN(scq_Score)最低成绩,sum(scq_Score)总成绩

from Sangcq_Reports

group by scq_Sno

(7)查询成绩小于60的选课记录，统计总数、平均分、最大值和最小值。select scq_Cno 选课记录,Count(scq_Score)统计总数,AVG(scq_Score)平均分, max(scq_Score)最大值,min(scq_Score)最小值

from Sangcq_Reports

where scq_Score<60

group by scq_Cno

(8)采用嵌套查询的方式，利用比较运算符和谓词ALL的结合来查询表

Courses中最少的学分。假设数据库中只有一个记录的时候，使用前面的

方法会得到什么结果，为什么？

select scq_Credit from Sangcq_Courses

where scq_Credit

from Sangcq_Courses

)

如果数据库只有一个记录将不显示任何值

(9)创建一个学生表S（No，Sno，Sname），教师表T（No，Tno，Tname）

作为实验用的表。其中，No分别是这两个表的主键，其他键允许为空。

(10)向S插入元组(n1，S01，李迪)、(n2，S02，李岚)、(n3，S05，NULL)、

(n4，S04，关红)；

(n4，T02，NULL)。

学生编号和教师编号

数字图像处理实验1

实验一 实验内容和步骤 练习图像的读取、显示和保存图像数据，步骤如下： (1)使用命令figure(1)开辟一个显示窗口 (2)读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内显示、二值图像和灰度图像，注上文字标题。 (3)保存转换后的灰度图像和二值图像 (4)在同一个窗口显示转换后的灰度图像的直方图 I=imread('BaboonRGB.bmp'); figure,imshow(I); I_gray=rgb2gray(I); figure,imshow(I_gray); I_2bw=Im2bw(I_gray); figure,imshow(I_2bw); subplot(1,3,1),imshow(I),title('RGB图像'); subplot(1,3,2),imshow(I_gray),title('灰度图像'); subplot(1,3,3),imshow(I_2bw),title('二值图像'); imwrite(I_gray,'Baboongray.png'); imwrite(I_2bw,'Baboon2bw.tif'); figure;imhist(I_gray);

RGB 图 像灰度图 像二值图 像 050100150200250 500 1000 1500 2000 2500 3000

(5)将原RGB 图像的R 、G 、B 三个分量图像显示在figure(2)中，观察对比它们的特点，体会不同颜色所对应的R 、G 、B 分量的不同之处。 [A_RGB,MAP]=imread('BaboonRGB.bmp'); subplot(2,2,1),imshow(A_RGB),title('RGB'); subplot(2,2,2),imshow(A_RGB(:,:,1)),title('R'); subplot(2,2,3),imshow(A_RGB(:,:,2)),title('G'); subplot(2,2,4),imshow(A_RGB(:,:,3)),title('B'); (6)将图像放大1.5倍，插值方法使用三种不同方法，在figure(3)中显示放大后的图像，比较不同插值方法的结果有什么不同。将图像放大到其它倍数，重复实验；A=imread('BaboonRGB.bmp'); figure(3),imshow(A),title('原图像'); B=imresize(A,1.5,'nearest'); figure(4),imshow(B),title('最邻近法') C=imresize(A,1.5,'bilinear'); ; figure(5),imshow(C),title('双线性插值'); D=imresize(A,1.5,'bicubic'); figure(6),imshow(D),title('双三次插值 '); RGB R G B

数据处理的基本方法

第六节数据处理的基本方法 前面我们已经讨论了测量与误差的基本概念，测量结果的最佳值、误差和不确定度的计算。然而，我们进行实验的最终目的是为了通过数据的获得和处理，从中揭示出有关物理量的关系，或找出事物的内在规律性，或验证某种理论的正确性，或为以后的实验准备依据。因而，需要对所获得的数据进行正确的处理，数据处理贯穿于从获得原始数据到得出结论的整个实验过程。包括数据记录、整理、计算、作图、分析等方面涉及数据运算的处理方法。常用的数据处理方法有：列表法、图示法、图解法、逐差法和最小二乘线性拟合法等，下面分别予以简单讨论。 列表法是将实验所获得的数据用表格的形式进行排列的数据处理方法。列表法的作用有两种：一是记录实验数据，二是能显示出物理量间的对应关系。其优点是，能对大量的杂乱无章的数据进行归纳整理，使之既有条不紊，又简明醒目；既有助于表现物理量之间的关系，又便于及时地检查和发现实验数据是否合理，减少或避免测量错误；同时，也为作图法等处理数据奠定了基础。 用列表的方法记录和处理数据是一种良好的科学工作习惯，要设 计出一个栏目清楚、行列分明的表格，也需要在实验中不断训练，逐步掌握、熟练，并形成习惯。 一般来讲，在用列表法处理数据时，应遵从如下原则：

(1) 栏目条理清楚，简单明了，便于显示有关物理量的关系。 (2) 在栏目中，应给出有关物理量的符号，并标明单位(一般不重复写在每个数据的后面)。 (3) 填入表中的数字应是有效数字。 (4) 必要时需要加以注释说明。 例如，用螺旋测微计测量钢球直径的实验数据列表处理如下。 用螺旋测微计测量钢球直径的数据记录表 从表中，可计算出 D i D = n = 5.9967 ( mm)

JAVA 异常处理实验报告

实验三异常处理 [实验目的] 1.掌握异常处理方法及熟悉常见异常的捕获方法。 [实验内容] 1.练习捕获异常、声明异常、抛出异常的方法、熟悉try和catch 子句的使用。 [实验步骤与要求] 第1题异常处理 要求声明定义两个Exception的异常子类：NoLowerLetter类和NoDigit类。再声明一个People类，该类中的void printLetter(char c)方法抛出NoLowerLetter异常类对象，void PrintDigit(char c)方法抛出NoDigit异常类对象。 [作业提交] 将代码贴在下面： class NoLowerLetter extends Exception{ String message; NoLowerLetter(char c){ message=c+"不是正数"; } public String getMessage(){ return message; } } class NoDigit extends Exception{ String message; NoDigit(char c){ message=c+"不是偶数"; }

public String getMessage(){ return message; } } class People{ public void printLetter(char c) throws NoLowerLetter{ if(c<0){ NoLowerLetter ex=new NoLowerLetter(c); throw(ex); } double number=Math.sqrt(c); System.out.println(c+"的平方根："+number); } public void PrintDigit(char c) throws NoDigit{ if(c%2!=0){ NoDigit ex=new NoDigit(c); throw(ex); } double number=Math.sqrt(c); System.out.println(c+"的平方根："+number); } } public class bianma{ public static void main(String args[]){ People p=new People(); try{ p.printLetter('Q'); p.printLetter(' '); } catch( NoLowerLetter e){ System.out.println(e.getMessage()); } try{ p.PrintDigit('d'); p.PrintDigit('a'); } catch( NoDigit e){ System.out.println(e.getMessage()); } } } 将结果运行截屏贴在下面：

计量经济学实验报告完整版

计量经济学实验报告集团标准化办公室：[VV986T-J682P28-JP266L8-68PNN]

3.3 3.3 经调查研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表 3.6为对某地区部分家庭抽样调查得到的样本数据。 （1T ）的多 元线性回归：123i i i i u Y X T βββ=+++ 利用样本数据估计模型的参数，对模型加以检验，分析所估计模型的经济意义和 作用。 步骤： 1.打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/Unda=ted ”在Observations 后输入18，点击ok 。 2. 在命令行输入：DATA Y X T ，回车。将数据复制粘贴到Group 中的表格中。 3. 建立数据关系图为初步观察数据的关系，在命令行输入命令：sort Y ，从而实现数据Y 的递增排序。 4. 在数据表“group ”中点“view/graph/line ”，最后点击确定，出现序列Y 、X 、T 的线性图。 5. OLS 估计参数,点击主界面菜单Quick\Estimate Equation ，弹出对话框，如下图。在其中输入Y c X T ，点确定即可得到回归结果。

经济意义：家庭月平均收入每增加1元，家庭书刊消费将增加0.08645元。户主受教育年数每增加1年，家庭书刊消费平均将增加52.3703元。 作用：显示出各解释变量在其他解释变量不变的情况下，对被解释变量的影响情况。 （2）作家庭书刊消费（Y ）对户主受教育年数（T ）的一元回归，获得残差E1；再作家庭月平均收入（X ）对户主受教育年数（T ）的一元回归，并获得残差E2。 Y 对T 的一元回归： 步骤： 1. 打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/undated”，在Observations 后输入样本容量个数：18。 2. 在命令行输入：DATA Y T ，回车,将数据复制粘贴到Group 中的表格中。 3. 作散点图在命令行输入命令：SCAT T Y 。 4. 在主菜单中点“Quick ”“Estimate Equation ”，在 Specification 中输入 Y C T ，点“确定”。 E1=resid X 对T 的一元回归： 步骤： 1. 打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/undated”，在Observations 后输入样本容量个数：18。 2. 在命令行输入：DATA X T ，回车,将数据复制粘贴到Group 中的表格中。 3. 作散点图在命令行输入命令：SCAT T X 。 4. 在主菜单中点“Quick ”“Estimate Equation ”，在 Specification 中输入 X C T ，点“确定”。 E2=resid （3）作残差E1对残差E2的无截距项的回归：212i E E v α=+ ，估计其参数。 步骤1.打开EViews6，点“File ”“New ”“Workfile ”。选择 “Unstructured/Unda=ted ”在Observations 后输入18，点击ok 。 2. 在命令行输入：DATA E1 E2，回车。将数据复制粘贴到Group 中的表格 中。 3. 采用OLS 估计参数在主界面命令框栏中输入 ls E1 E2，然后回车，即可得到参数的估计结果。 由结果可知1=-6.3351+0.08645*2E E

数字图像处理实验报告

数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰

度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为：

比对试验数据处理的3种方法

比对试验数据处理的3种方法 摘要引入比对试验的定义，结合两个实验室进行的一组比对试验数据实例，介绍比对试验数据处理的3种基本方法，即(:rubbs检验、F检验、t检验，并阐述三者关系。 在实验室工作中，经常遇到比对试验，即按照预先规定的条件，由两个或多个实验室或实验室内部 对相同或类似的被测物品进行检测的组织、实施和评价。实验室间的比对试验是确定实验室的检测能 力，保证实验室数据准确，检测结果持续可靠而进行的一项重要的试验活动，比对试验方法简单实用，广 泛应用于企事业、专业质检、校准机构的实验室。国家实验室认可准则明确提出，实验室必须定期开展 比对试验。虽然比对试验的形式较多，如:人员比对、设备比对、方法比对、实验室间比对等等，但如何 将比对试验数据归纳、处理、分析，正确地得出比对试验结果是比对试验成败的关键。 以下笔者结合实验室A和B两个实验室200年进行的比对试验中的拉力试验数据实例，介绍比对试验数据处理的3种最基本的方法，即格鲁布斯(Grubbs)检验、F检验、t检验。 1 数据来源情况 试样 在实验室的半成品仓库采取正交方法取样，样品为01. 15 mm制绳用钢丝。在同一盘上截取20 段长度为lm试样，按顺序编号，单号在实验室A测试，双号在实验室B测试。 试验方法及设备 试验方法见 GB/T 228-1987，实验室A : LJ-500(编号450);实验室B : LJ-1 000(编号2)。 测试条件 两实验室选择有经验的试验员，严格按照标准方法进行测试，技术人员现场监督复核，确认无误后 记录。对断钳口的试样进行重试。试验时两实验室环境温度(28 T )、拉伸速度(50 mm/min )、钳口距 离(150 mm)相同。 试验数据 测试得出的两组原始试验数据见表to 表1 实验室A,B试验数据

计量经济学实验教学案例实验9_虚拟变量

实验九虚拟变量 【实验目的】 掌握虚拟变量的设置方法。 【实验内容】 一、试根据表9-1的1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立我国城镇居民彩电需求函数； 资料来源：据《中国统计年鉴1999》整理计算得到 二、试建立我国税收预测模型（数据见实验一）； 资料来源：《中国统计年鉴1999》 三、试根据表9-2的资料用混合样本数据建立我国城镇居民消费函数。

资料来源：据《中国统计年鉴》1999－2000整理计算得到 【实验步骤】 一、我国城镇居民彩电需求函数 ⒈相关图分析； 键入命令：SCAT X Y ，则人均收入与彩电拥有量的相关图如9-1所示。 从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异，因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下： ?? ?=低收入家庭 中、高收入家庭 1D 图9-1 我国城镇居民人均收入与彩电拥有量相关图 ⒉构造虚拟变量； 方式1：使用DATA 命令直接输入； 方式2：使用SMPL 和GENR 命令直接定义。 DATA D1 GENR XD=X*D1 ⒊估计虚拟变量模型： LS Y C X D1 XD 再由t 检验值判断虚拟变量的引入方式，并写出各类家庭的需求函数。 按照以上步骤，虚拟变量模型的估计结果如图9-2所示。

图7-2 我国城镇居民彩电需求的估计 我国城镇居民彩电需求函数的估计结果为： i i i i XD D x y 0088.08731.310119.061.57?-++= =t (16.249)(9.028) (8.320) (-6.593) 2R ＝0.9964 2R ＝0.9937 F ＝366.374 S.E ＝1.066 虚拟变量的回归系数的t 检验都是显著的，且模型的拟合优度很高，说明我国城镇居民低收入家庭与中高收入家庭对彩电的消费需求，在截距和斜率上都存在着明显差异，所以以加法和乘法方式引入虚拟变量是合理的。低收入家庭与中高收入家庭各自的需求函数为： 低收入家庭： i i x y 0119.061.57?+= 中高收入家庭： ()()i i x y 0088.00119.08731.3161.57 ?-++=i x 003.048.89+= 由此可见我国城镇居民家庭现阶段彩电消费需求的特点：对于人均年收入在3300元以下的低收入家庭，需求量随着收入水平的提高而快速上升，人均年收入每增加1000元，百户拥有量将平均增加12台；对于人均年收入在4100元以上的中高收入家庭，虽然需求量随着收入水平的提高也在增加，但增速趋缓，人均年收入每增加1000元，百户拥有量只增加3台。事实上，现阶段我国城镇居民中国收入家庭的彩电普及率已达到百分之百，所以对彩电的消费需求处于更新换代阶段。 二、我国税收预测模型 要求：设置虚拟变量反映1996年税收政策的影响。 方法：取虚拟变量D1＝1（1996年以后），D1＝0（1996年以前）。 键入命令：GENR XD=X*D1 LS Y C X D1 XD 则模型估计的相关信息如图7-3所示。

数字图像处理实验 实验二

实验二MATLAB图像运算一、实验目的 1．了解图像的算术运算在数字图像处理中的初步应用。 2．体会图像算术运算处理的过程和处理前后图像的变化。 二、实验步骤 1．图像的加法运算-imadd 对于两个图像f x,y和 (x,y)的均值有： g x,y=1 f x,y+ 1 (x,y) 推广这个公式为： g x,y=αf x,y+β (x,y) 其中，α+β=1。这样就可以得到各种图像合成的效果，也可以用于两张图像的衔接。说明：两个示例图像保存在默认路径下，文件名分别为'rice.png'和'cameraman.tif'，要求实现下图所示结果。 代码： I1 = imread('rice.png'); I2 = imread('cameraman.tif'); I3 = imadd(I1, I2,'uint8'); I4 = imadd(I1, I2,'uint16'); subplot(2, 2, 1), imshow(I1), title('?-ê?í???1'); subplot(2, 2, 2), imshow(I2), title('?-ê?í???2'); subplot(2, 2, 3), imshow(I3), title('8??í?????ê?'); subplot(2, 2, 4), imshow(I4), title('16??í?????ê?'); 结果截图：

2．图像的减法运算-imsubtract 说明： 背景图像可通过膨胀算法得到background = imopen(I,strel('disk',15));，要求实现下图所示结果。 示例代码如下： I1 = imread('rice.png'); background = imerode(I1, strel('disk', 15)); rice2 = imsubtract(I1, background); subplot(2, 2, 1), imshow(I1), title('?-ê?í???'); subplot(2, 2, 2), imshow(background), title('±3?°í???'); subplot(2, 2, 3), imshow(rice2), title('′|àíoóμ?í???'); 结果截图： 3.图像的乘法运算-immultiply

大学物理实验数据处理基本方法

实验数据处理基本方法 实验必须采集大量数据，数据处理是指从获得数据开始到得出最后结 论的整个加工过程，它包括数据记录、整理、计算与分析等，从而寻找出 测量对象的内在规律，正确地给出实验结果。因此，数据处理是实验工作 不可缺少的一部分。数据处理涉及的内容很多，这里只介绍常用的四种方 法。 1列表法 对一个物理量进行多次测量，或者测量几个量之间的函数关系，往往 借助于列表法把实验数据列成表格。其优点是，使大量数据表达清晰醒目， 条理化，易于检查数据和发现问题，避免差错，同时有助于反映出物理量 之间的对应关系。所以，设计一个简明醒目、合理美观的数据表格，是每 一个同学都要掌握的基本技能。 列表没有统一的格式，但所设计的表格要能充分反映上述优点，应注意以下几点：1．各栏目均应注明所记录的物理量的名称(符号 )和单位； 2．栏目的顺序应充分注意数据间的联系和计算顺序，力求简明、齐全、有条理； 3．表中的原始测量数据应正确反映有效数字，数据不应随便涂改，确实要修改数据时， 应将原来数据画条杠以备随时查验； 4．对于函数关系的数据表格，应按自变量由小到大或由大到小的顺序排列，以便于判 断和处理。 2图解法 图线能够明显地表示出实验数据间的关系，并且通过它可以找出两个 量之间的数学关系，因此图解法是实验数据处理的重要方法之一。图解法 处理数据，首先要画出合乎规范的图线，其要点如下： 1.选择图纸作图纸有直角坐标纸 ( 即毫米方格纸 ) 、对数坐标纸和 极坐标纸等，根据 作图需要选择。在物理实验中比较常用的是毫米方格纸，其规格多为17 25 cm 。 2.曲线改直由于直线最易描绘 , 且直线方程的两个参数 ( 斜率和截距 ) 也较易算得。所以对于两个变量之间的函数关系是非线性的情形，在用图解法时 应尽可能通过变量代换 将非线性的函数曲线转变为线性函数的直线。下面为几种常用的变换方法。 ( 1) xy c ( c 为常数 ) 。 令 z 1，则 y cz，即 y 与 z 为线性关系。 x ( 2) x c y ( c 为常x2，y 1 z ，即 y 与为线性关系。

实验数据的记录和处理

讲座 实验误差及数据处理 教学要求 1、了解实验误差及其表示方法； 2、掌握了解有效数字的概念，熟悉其运算规则； 3、初步掌握实验数据处理的方法。 重点及难点 重点：实验误差及其表示方法；有效数字；实验数据处理。 难点：有效数字运算规则；实验数据的作图法处理。 教学方法与手段 讲授，ppt演示。 教学时数 4学时 教学内容 引言 化学实验中经常使用仪器对一些物理量进行测量，从而对系统中的某些化学性质和物理性质作出定量描述，以发现事物的客观规律。但实践证明，任何测量的结果都只能是相对准确，或者说是存在某种程度上的不可靠性，这种不可靠性被称为实验误差。产生这种误差的原因，是因为测量仪器、方法、实验条件以及实验者本人不可避免地存在一定局限性。 对于不可避免的实验误差，实验者必须了解其产生的原因、性质及有关规律，从而在实验中设法控制和减小误差，并对测量的结果进行适当处理，以达到可以接受的程度。 一、误差及其表示方法 1.准确度和误差 ⑴准确度和误差的定义 准确度是指某一测定值与“真实值”接近的程度。一般以误差E表示， 丘=测定值-真实值 当测定值大于真实值，E为正值，说明测定结果偏高；反之，E为负值，说明测定结果偏低。误差愈大，准确度就愈差。

实际上绝对准确的实验结果是无法得到的。化学研究中所谓真实值是指由有

经验的研究人员同可靠的测定方法进行多次平行测定得到的平均值。以此作为真实值，或者以公认的手册上的数据作为真实值。 ⑵绝对误差和相对误差 误差可以用绝对误差和相对误差来表示。 绝对误差表示实验测定值与真实值之差。它具有与测定值相同的量纲。如克、毫升、百分数等。例如，对于质量为O.IOOOg的某一物体。在分析天平上称得其质量为0.1001g，则称量的绝对误差为+0.0001g。 只用绝对误差不能说明测量结果与真实值接近的程度。分析误差时，除要去除绝对误差的大小外，还必须顾及量值本身的大小，这就是相对误差。 相对误差是绝对误差与真实值的商，表示误差在真实值中所占的比例，常用百分数表示。由于相对误差是比值，因此是量纲为1的量。 例如某物的真实质量为42.5132g,测得值为42.5133g。贝U 绝对误差=42.5133g — = 0.0001g 相对误差二42.5133g 42.5132g 伽0。10 4 00 42.5132g 而对于0.1000g物体称量得0.1001g，其绝对误差也是0.0001g，但相对误差为： 相对误差二°.1001g °. 1000g 100% 0.1% 0.1000g 可见上述两种物体称量的绝对误差虽然相同，但被称物体质量不同，相对误差即误差在被测物体质量中所占份额并不相同。显然，当绝对误差相同时，被测量的量愈大，相对误差愈小，测量的准确度愈高。 2.精密度和偏差 精密度是指在同一条件下，对同一样品平行测定而获得一组测量值相互之间彼此一致的程度。常用重复性表示同一实验人员在同一条件下所得测量结果的精密度，用再现性表示不同实验人员之间或不同实验室在各自的条件下所得测量结果的精密度。 精密度可用各类偏差来量度。偏差愈小，说明测定结果的精密度愈高。偏差可分为绝对偏差和相对偏差： 绝对偏差二个别测得值-测得平均值 相对偏差％ =绝对偏差/平均值x 100 偏差不计正负号。 3.误差分类 按照误差产生的原因及性质，可分为系统误差和随机误差。 ⑴系统误差

实验 异常处理

实验报告六 一【实验目的】 1.掌握异常的基本概念。 2.理解异常处理机制。 3.掌握创建自定义异常的方法。 二【实验内容】 Java提供了异常处理机制，当程序中发生异常时，程序产生一个异常事件，相应地生成异常对象。系统从生成对象的代码开始，沿方法的调用栈逐层回溯，寻找相应的处理代码，并把异常对象交给该方法处理。 实验1 录入如下源程序： 1、 public class Ex7_1 { public static void main(String[] args) { String output[] ={ "The ","quick ","brown ","fox ","jumps ", "over ","the ","lazy ","dog."}; int i =0; while(i<12){ System.out.print(output[i++]); } System.out.println("haha..."); } } 2、保存程序Ex7_1.java，编译运行程序，观察并分析程序的运行结果。The quick brown fox jumps

over the lazy dog.Exception in thread "main" https://www.wendangku.net/doc/ba18904867.html,ng .ArrayIndexOutOfBoundsException at Ex7_1.main(Ex7_1.java:9)，可以看出，在第9行出现了数组下标越界的异常，导致了程序的中止，而程序的最后一条语句“System.out.println("haha...");”没有执行。 运行结果： 3、我们修改程序，加入异常处理，当程序发生异常时，经过异常处理后，程序还可以继续执行。 异常处理代码格式: try{ //可能有问题的代码 } catch(ArrayIndexOutOfBoundsException e) { //处理代码 break; } catch(Exception e1) { /// } catch(…..){ } 修改代码在可能出错的地方加入： try{ // } catch(ArrayIndexOutOfBoundsException e) {

数字图像处理——彩色图像实验报告

6.3实验步骤 (1)对彩色图像的表达和显示 * * * * * * * * * * * *显示彩色立方体* * * * * * * * * * * * * rgbcube(0,0,10); %从正面观察彩色立方体 rgbcube(10,0,10); %从侧面观察彩色立方 rgbcube(10,10,10); %从对角线观察彩色立方体 %* * * * * * * * * *索引图像的显示和转换* * * * * * * * * * f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %rgb图像转换成8色索引图像，不采用抖动方式 [X1,map1]=rgb2ind(f,8,'nodither'); figure,imshow(X1,map1); %采用抖动方式转换到8色索引图像 [X2,map2]=rgb2ind(f,8,'dither'); figure,imshow(X2,map2); %显示效果要好一些 g=rgb2gray(f); %f转换为灰度图像 g1=dither(g);%将灰色图像经过抖动处理，转换打二值图像figure,imshow(g);%显示灰度图像 figure,imshow(g1);%显示抖动处理后的二值图像 程序运行结果：

彩色立方体原图 不采用抖动方式转换到8色索引图像采用抖动方式转换到8色索引图像 灰度图像抖动处理后的二值图像

(2)彩色空间转换 f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %转换到NTSC彩色空间 ntsc_image=rgb2ntsc(f); figure,imshow(ntsc_image(:,:,1));%显示亮度信息figure,imshow(ntsc_image(:,:,2));%显示色差信息figure,imshow(ntsc_image(:,:,3));%显示色差信息 %转换到HIS彩色空间 hsi_image=rgb2hsi(f); figure,imshow(hsi_image(:,:,1));%显示色度信息figure,imshow(hsi_image(:,:,2)); %显示饱和度信息figure,imshow(hsi_image(:,:,3));%显示亮度信息 程序运行结果： 原图 转换到NTSC彩色空间

实验数据处理的几种方法

实验数据处理的几种方法 物理实验中测量得到的许多数据需要处理后才能表示测量的最终结果。对实验数据进行记录、整理、计算、分析、拟合等，从中获得实验结果和寻找物理量变化规律或经验公式的过程就是数据处理。它是实验方法的一个重要组成部分，是实验课的基本训练内容。本章主要介绍列表法、作图法、图解法、逐差法和最小二乘法。 1.4.1 列表法 列表法就是将一组实验数据和计算的中间数据依据一定的形式和顺序列成表格。列表法可以简单明确地表示出物理量之间的对应关系，便于分析和发现资料的规律性，也有助于检查和发现实验中的问题，这就是列表法的优点。设计记录表格时要做到：（1）表格设计要合理，以利于记录、检查、运算和分析。 （2）表格中涉及的各物理量，其符号、单位及量值的数量级均要表示清楚。但不要把单位写在数字后。 （3）表中数据要正确反映测量结果的有效数字和不确定度。列入表中的除原始数据外，计算过程中的一些中间结果和最后结果也可以列入表中。 （4）表格要加上必要的说明。实验室所给的数据或查得的单项数据应列在表格的上部，说明写在表格的下部。 1.4.2 作图法 作图法是在坐标纸上用图线表示物理量之间的关系，揭示物理量之间的联系。作图法既有简明、形象、直观、便于比较研究实验结果等优点，它是一种最常用的数据处理方法。 作图法的基本规则是： （1）根据函数关系选择适当的坐标纸（如直角坐标纸，单对数坐标纸，双对数坐标纸，极坐标纸等）和比例，画出坐标轴，标明物理量符号、单位和刻度值，并写明测试条件。 （2）坐标的原点不一定是变量的零点，可根据测试范围加以选择。，坐标分格最好使最低数字的一个单位可靠数与坐标最小分度相当。纵横坐标比例要恰当，以使图线居中。 （3）描点和连线。根据测量数据，用直尺和笔尖使其函数对应的实验点准确地落在相应的位置。一张图纸上画上几条实验曲线时，每条图线应用不同的标记如“+”、“×”、“·”、“Δ”等符号标出，以免混淆。连线时，要顾及到数据点，使曲线呈光滑曲线（含直线），并使数据点均匀分布在曲线（直线）的两侧，且尽量贴近曲线。个别偏离过大的点要重新审核，属过失误差的应剔去。 （4）标明图名，即做好实验图线后，应在图纸下方或空白的明显位置处，写上图的名称、作者和作图日期，有时还要附上简单的说明，如实验条件等，使读者一目了然。作图时，一般将纵轴代表的物理量写在前面，横轴代表的物理量写在后面，中间用“～”

数字图像处理实验

《数字图像处理》 实验报告 学院：信息工程学院 专业：电子信息工程 学号： 姓名： 2015年6月18日

目录 实验一图像的读取、存储和显示 (2) 实验二图像直方图分析 (6) 实验三图像的滤波及增强 (15) 实验四噪声图像的复原 (19) 实验五图像的分割与边缘提取 (23) 附录1MATLAB简介 (27)

实验一图像的读取、存储和显示 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像的显示。 二、实验原理 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 三、实验设备 (1) PC计算机 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容及步骤 1．利用imread( )函数读取一幅图像，假设其名为flower.tif，存入一个数组中； 2．利用whos 命令提取该读入图像flower.tif的基本信息； 3．利用imshow()函数来显示这幅图像； 4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息； 5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件设为flower.jpg语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。 6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flower.bmp。 7．用imread()读入图像：Lenna.jpg 和camema.jpg； 8．用imfinfo()获取图像Lenna.jpg和camema.jpg 的大小；

大学物理实验数据处理方法总结

有效数字 1、有效数字不同的数相加减时，以参加运算各量中有效数字最末一位位数最高的为准，最后结果与它对其，余下的尾数按舍入规则处理。 2、乘除法以参与运算的数值中有效位数最少的那个数为准，但当结果的第1位数较小，比如1、2、3时可以多保留一位（较小：结果的第一位数小于 有效数字最少的结果第一位数）！ 例如：n=tg56° θ=56° d θ=1° θθθθθ2cos d d d dtg dn == 为保留） （，带入848.156n 15605.018056cos 1cos 22=?=∴?=??=≈?=?= ?tg n θθπθθ 3、可以数字只出现在最末一位：对函数运算以不损失有效数字为准。 例如：20*lg63.4 可疑最小位变化0.1 Y=20lgx 01.04 .631.010ln 2010ln 20ln 10ln 20≈===x dx dx dx x d dy 04.364.63lg 20=∴ 4、原始数据记录、测量结果最后表示，严格按有效数字规定处理。（中间过程、结果多算几次） 5、4舍5入6凑偶 6、不估计不确定度时，有效数字按相应运算法则取位；计算不确定度时以不确定度的处理结果为准。 真值和误差 1、 误差=测量值-真值 ΔN=N-A 2、 误差既有大小、方向与政府。 3、 通常真值和误差都是未知的。 4、 相对约定真值，误差可以求出。 5、 用相对误差比较测量结果的准确度。 6、 ΔN/A ≈ΔN/N 7、 系统误差、随机误差、粗大误差 8、 随机误差：统计意义下的分布规律。粗大误差：测量错误 9、 系统误差和随机误差在一定条件下相互转化。 不确定度 1、P （x ）是概率密度函数 dx P dx x x P p )x (之间的概率是测量结果落在+当x 取遍所有可能的概率值为1. 2、正态分布且消除了系统误差，概率最大的位置是真值A 3、曲线“胖”精密度低“瘦”精密度高。 4、标准误差：无限次测量?∞∞-=-2 )()(dx X P A X x ）（σ 有限次测量且真值不知道标准偏

数字图像处理实验一

数字图像处理—实验一 一．实验内容： 图像灰度变换 二．实验目的： 学会用Matlab软件对图像灰度进行变换；感受各种不同的灰度变换方法对最终图像效果的影响。 三．实验步骤： 1．获取实验用图像：rice.jpg. 使用imread函数将图像读入Matlab。 程序： clc;clear; figure; subplot(4,4,1); i = imread('rice.png'); i = im2double(i); imshow(i);title('1'); 2．产生灰度变换函数T1，使得： 0.3r r < 0.35 s = 0.105 + 2.6333(r – 0.35) 0.35 ≤r ≤0.65

1 + 0.3(r – 1) r > 0.65 用T1对原图像rice.jpg进行处理，使用imwrite函数保存处理后的新图像。程序： subplot(4,4,2); r=[0:0.001:1]; s=[r<0.35].*r*0.3+[r<=0.65].*[r>=0.35].*(0.105+2.6333*(r-0.35))+[r>0.65].*(1 +0.3*(r-1)); plot(r,s);title('2p'); subplot(4,4,3); T1=[i<0.35].*i*0.3+[i<=0.65].*[i>=0.35].*(0.105+2.6333*(i-0.35))+[i>0.65].*( 1+0.3*(i-1)); imshow(T1);title('2i'); imwrite(T1,'rice_T1.jpg','jpg');

3．产生灰度变换函数T2，使得： 用T2对原图像rice.jpg进行处理，使用imwrite保存处理后的新图像。 %3 subplot(4,4,4); r = [0:0.001:1];

实验八 异常处理

实验八异常处理 【开发语言及实现平台或实验环境】 Windows2000 或XP，JDK1.6与Jcreator4.0 【实验目的】 了解Java 中异常处理（exception）的作用。 掌握异常处理的设计方法。 【实验要求】 理解系统异常处理的机制和创建自定义异常的方法。 【实验步骤】 一．了解异常处理机制 1．错误与异常 在程序执行期间，会有许多意外的事件发生。例如，程序申请内存时没有申请到、对象还未创建就被使用、死循环等，称为运行错误。根据错误的性质将运行错误分为错误与异常两种类型。 （1）错误 程序进入了死循环或内存溢出，这类现象称为错误或致命性错误。错误只能在编程阶段解决，运行时程序本身无法解决，只能依靠其它程序干预，否则会一直处于一种不正常的状态。 （2）异常 运算时除数为0，或操作数超出数据范围，打开一个文件时发现文件不存在，网络连接中断等等，这类运行错误现象称为异常。对于异常情况，可在源程序中加入异常处理代码，当程序出现异常时，由异常处理代码调整程序运行流程，使程序仍可正常运行直到正常结束。 由于异常是可以检测和处理的，所以产生了相应的异常处理机制。而错误处理一般由系统承担。 对于一个应用软件，异常处理机制是不可缺少的。程序员必须在程序中考虑每一个可能发生的异常情况并进行处理，以保证程序在任何情况下都能正常运行。事实证明，一个仔细设计了异常处理的程序，可以长时间的可靠运行，而不容易发生致命的错误，如程序被迫关闭、甚至系统终止等等。所以学会进行异常情况处理对于想编写功能完善且具有实用价值的程序员来说是必不可少的。 2．异常发生的原因 （1）Java 虚拟机检测到了非正常的执行状态，这些状态可能是由以下几种情况引起的：·表达式的计算违反了Java 语言的语义，例如整数被0 除。 ·在载入或链接Java 程序时出错。 ·超出了某些资源限制，例如使用了太多的内存。 （2）Java 程序代码中的throw 语句被执行。 （3）异步异常发生。异步异常的原因可能有： ·Thread 的stop 方法被调用。 ·Java 虚拟机内部错误发生。 3．异常处理机制 发生异常后，怎么处理异常呢？Java 提供了异常处理机制来处理异常。分为两个步骤：（1）抛出异常

数字图像处理实验报告

目录 实验一：数字图像的基本处理操作 (4) ：实验目的 (4) ：实验任务和要求 (4) ：实验步骤和结果 (5) ：结果分析 (8) 实验二：图像的灰度变换和直方图变换 (9) ：实验目的 (9) ：实验任务和要求 (9) ：实验步骤和结果 (9) ：结果分析 (13) 实验三：图像的平滑处理 (14) ：实验目的 (14) ：实验任务和要求 (14) ：实验步骤和结果 (14) ：结果分析 (18) 实验四：图像的锐化处理 (19) ：实验目的 (19) ：实验任务和要求 (19) ：实验步骤和结果 (19) ：结果分析 (21)

实验一：数字图像的基本处理操作 ：实验目的 1、熟悉并掌握MATLAB、PHOTOSHOP等工具的使用； 2、实现图像的读取、显示、代数运算和简单变换。 3、熟悉及掌握图像的傅里叶变换原理及性质，实现图像的傅里叶变换。：实验任务和要求 1.读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分 成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。 2.对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分 别显示，注上文字标题。 3.对一幅图像进行平移，显示原始图像与处理后图像，分别对其进行傅里叶变换， 显示变换后结果，分析原图的傅里叶谱与平移后傅里叶频谱的对应关系。 4.对一幅图像进行旋转，显示原始图像与处理后图像，分别对其进行傅里 叶变换，显示变换后结果，分析原图的傅里叶谱与旋转后傅里叶频谱的 对应关系。 ：实验步骤和结果 1.对实验任务1的实现代码如下： a=imread('d:\'); i=rgb2gray(a); I=im2bw(a,; subplot(1,3,1);imshow(a);title('原图像'); subplot(1,3,2);imshow(i);title('灰度图像'); subplot(1,3,3);imshow(I);title('二值图像'); subplot(1,3,1);imshow(a);title('原图像'); 结果如图所示：