问题标签 [symmetry]

背景： 我已经制作了Mandelbrot 集的 1 太像素渲染，并且正在使用LeafletJS以交互方式在其中缩放和平移。它工作得很好。但由于 Mandelbrot 集沿实轴对称，因此我目前使用的平铺图像数量是必要的两倍。

问题：如何连接到 LeafletJS 的显示时间代码（使用一些回调？），以便每当通过 HTTP 加载图块时，它要么不变地通过，要么垂直翻转？这将使我能够在更高的缩放级别上将数据减少数十 GB。

示例：这里是缩放级别 1 的四个图块（此处显示以一个像素分隔）。我想丢弃底部的两个图块图像并将它们加载为顶部两个图块的垂直翻转版本。这可以使用 LeafletJS 即时完成吗？

更具体地说：如果我知道缩放级别z和瓦片坐标x，y，我想在加载时垂直翻转瓦片，只要y小于 2^( z –1)。例如，在缩放级别z = 10 时，我想垂直翻转所有y < 512 的图块。

我想答案将涉及将标签的transform, -moz-transform,-o-transform和-webkit-transform属性设置为, 可能和to , 但我不知道在 LeafletJS 上下文中在哪里/如何定义这些。<img>scaleY(-1)filter-ms-filterFlipV

我想匹配对象轮廓的对称性。我尝试使用 opencv 3.0 库中的 matchShape()、computeDistance()、Humoments()。但它们都不是我想要的。

以下是我正在处理的图像。

好形状-1

缺陷

我希望获得 image-2 的最高不对称值（名为 Defected）

我试图找到一种快速的方法来用旋转对称值填充 Numpy 数组。想象一个包含锥形区域的零数组。我有一个一维值数组，想将它围绕数组中心旋转 360°。没有像 z=f(x,y) 这样的二维函数，所以我无法明确计算二维值。我有一些有用的东西，但是对于大数组来说，for 循环太慢了。这应该是一个圆圈：

我的一维数组当然没有那么简单。有人能想出一种摆脱for循环的方法吗？

更新：我想为卷积模糊制作一个圆形过滤器。在我使用之前np.outer(values,values)，它给了我一个矩形过滤器。David 的提示让我可以非常快速地创建一个圆形过滤器。见下文：

带有 np.outer() 的方形过滤器

带有大卫答案的圆形过滤器

我有一个2-D k-spacesize 的数据256X256。我了解到 K 空间数据满足共轭对称性s(-x) = s*(x)。如何使用 matlab 从 k 空间数据中查看这种对称性。尽管由于相位误差，共轭对称性并不完美，但我觉得复数的幅度部分应该相等。

在matlab中，我看到矩阵索引是从1到256。如果我以128行为中心轴，则中心轴上方有128行，中心轴下方有127。那么如何将矩阵元素对角关联以检查共轭对称性呢？

谢谢。

我正在用 python 编写一个脚本，让 Maya 将顶点位置从一侧交换到另一侧。因为我希望翻转是基于拓扑的，所以我使用拓扑对称选择工具来查找顶点对应关系。我设法使用 filterExpand 和 xform 做到了这一点。问题是它在大型多边形网格上非常慢，我想知道如何使用 openMaya 来代替。

将 maya.cmds 导入为 cmds

谢谢毛里齐奥

编辑：得到我的答案，谢谢！

抱歉这个模糊的问题，我会尽量详细一点。

我目前正在编写一个简单的 3d tilemap，其中向量的 Y 值是可以改变的。这通常以下列方式影响 6 个周围的三角形：四边形

然而，这不是“完全对称”的，因此每个角都是相同的，要么只使用“4”，要么使用所有周围的三角形，例如：

现在我想知道，游戏是否有任何特定/理想的方式来达到预期的效果？

提前致谢。

想要制作由较小的numpy数组A组成的大数组B，以不同的方式翻转：

有没有办法只将 A 存储在内存中，但为 B 保留一些 numpy 数组的功能？我主要对两件事感兴趣：

• 能够缩放 B[m,n,...]（即 B[m,n,...] *= C where B.shape[2:] == C.shape）
• 能够求和到第二维（即 np.sum(B,axis=(2,3,4))）

在常规NxN网络中，我想根据通过它们的最短路径数对节点进行颜色编码。这在文献中被称为应力中心性 (SC)。

为此，我使用该nx.all_shortest_paths()函数计算图中任意两个节点之间的所有最短路径。

所讨论的网络是高度规则的，所以我坚信最短路径的分布应该遵循相同的模式，而不管网络的大小。

但这里是交易：如果大小是9x9，很明显中央节点是最“强调”的，如下所示（白色节点）；如果大小为10x10，则这组受压节点会移动到其他地方。我不知道这是 Python/计算效果还是正常。我没有测试过更大的网络，10x10因为计算需要很长时间（时间复杂度似乎是这种计算的指数）。

这怎么可能发生？我希望压力最大的节点始终保持在中心。为什么当我增加网络大小时这不正确？毕竟，拓扑保持不变（因此是对称的）。

图片：

代码：

有一个数学定理表明矩阵 A 与其转置相乘产生一个对称的正定矩阵（因此导致正特征值）。为什么中等大小的随机矩阵的对称性测试在这里失败？它始终适用于小矩阵（20,20 等）

运行此代码时，我总是得到“错误”。我做错了什么？我需要自协方差矩阵来执行 PCA，但到目前为止我得到了复杂的特征值......

谢谢！

听说这是一个面试问的问题，给定两个字节，如果对称则返回true

01101000 和 00010110 是对称的，但 01100000 和 11000000 不是对称的。需要用Java编写代码。有什么想法最好的方法是什么？