廬山東林寺三笑庭名聯‧清‧唐蝸寄
橋跨虎溪,三教三源流,三人三笑語;
蓮開僧舍,一花一世界,一葉一如來。
曾經三人三笑語,聞得虎嘯,恍然大悟。何故三詠三抒懷︰
詠二疏‧陶淵明
大象轉四時,功成者自去。
借問衰周來,幾人得其趣?
遊目漢廷中,二疏復此舉。
高嘯返舊居,長揖儲君傅。
餞送傾皇朝,華軒盈道路。
離別情所悲,余榮何足顧!
事勝感行人,賢哉豈常譽?
厭厭閭裏歡,所營非近務。
促席延故老,揮觴道平素。
問金終寄心,清言曉未悟。
放意樂餘年,遑恤身後慮。
誰雲其人亡,久而道彌著。
詠三良‧陶淵明
彈冠乘通津,但懼時我遺;
服勤盡歲月,常恐功愈微。
忠情謬獲露,遂為君所私。
出則陪文輿,入必侍丹帷;
箴規向已從,計議初無虧。
一朝長逝後,願言同此歸。
厚恩因難忘,君命安可違?
臨穴罔惟疑,投義誌攸希。
荊棘籠高墳,黃鳥聲正悲。
良人不可贖,泫然沾我衣。
詠荊軻‧陶淵明
燕丹善養士,誌在報強嬴。
招集百夫良,歲暮得荊卿。
君子死知己,提劍出燕京;
素驥鳴廣陌,慷慨送我行。
雄發指危冠,猛氣衝長纓。
飲餞易水上,四座列群英。
漸離擊悲筑,宋意唱高聲。
蕭蕭哀風逝,淡淡寒波生。
商音更流涕,羽奏壯士驚。
心知去不歸,且有後世名。
登車何時顧,飛蓋入秦庭。
淩厲越萬裏,逶迤過千城。
圖窮事自至,豪主正怔營。
惜哉劍術疏,奇功遂不成!
其人雖已沒,千載有餘情。
晉時淵明,晉後名潛,已棄五斗米,不知姓字忘其何人,五柳先生『伍』『柳』吟誦耶??果真二三子其志一也!!雖說是移時隔空得失不同,其人其心何其相似乎??!!先生『菀柳』之『情』仍一樣吧!!??
誰雲其人亡,久而道彌著。
良人不可贖,泫然沾我衣。
其人雖已沒,千載有餘情。
大暑已過,入秋之際,講此『春耕夏耘』之『心法』勒。古今中外『學問』縱有千百種,談起功夫『心法』則一矣。往往其『志一』其『人同』也!!只是『一花』『一葉』真誠對待歟??
如果天地公平,天理能隨觀者變乎??故知物理學之所以著意於
仿射變換之性質了!!
一仿射變換保留了:
- 點之間的共線性,例如通過同一線之點 (即稱為共線點)在變換後仍呈共線。
- 向量沿著一線的比例,例如對相異共線三點 與 的比例同於 及 。
- 帶不同質量的點之質心。
一仿射變換為可逆的若且唯若A為可逆的。在矩陣表示中,其反元素為
可逆仿射變換組成仿射群,其中包含具n階的一般線性群為子群,且自身亦為一n+1階的一般線性群之子群。 當A為常數乘以正交矩陣時,此子集合構成一子群,稱之為相似變換。舉例而言,假如仿射變換於一平面上且假如A之行列式為1或-1,那麼該變換即為等面積變換。此類變換組成一稱為等仿射群的子集。一同時為等面積變換與相似變換之變換,即為一平面上保持歐幾里德距離不變之保距映射。 這些群都有一保留了原定向的子群,也就是其對應之A的行列式大於零。在最後一例中,即為三維中剛體運動之群(旋轉加平移)。 假如有一不動點,我們可以將其當成原點,則仿射變換被縮還到一線性變換。這使得變換更易於分類與理解。舉例而言,將一變換敘述為特定軸的旋轉,相較於將其形容為平移與旋轉的結合,更能提供變換行為清楚的解釋。只是,這取決於應用與內容。
若知『平移』與『旋轉』為『保距映射』,餘理可知矣︰
※矩陣乘法不具『交換性』,正是『平移』後『旋轉』往往不等於『旋轉』再『平移』也。
pi@raspberrypi:~ ipython3 Python 3.4.2 (default, Oct 19 2014, 13:31:11) Type "copyright", "credits" or "license" for more information. IPython 2.3.0 -- An enhanced Interactive Python. ? -> Introduction and overview of IPython's features. %quickref -> Quick reference. help -> Python's own help system. object? -> Details about 'object', use 'object??' for extra details. In [1]: from skimage import data, io, filter In [2]: image = data.coins() In [3]: edges = filter.sobel(image) In [4]: io.imshow(edges) In [5]: io.show() In [6]: io.imshow(image) In [7]: io.show() In [8]: 文本 = data.text()
須知積極更新發展快速之程式庫,文件往往可能『前差後異』也?
In [9]: from skimage import transform as tf In [10]: 旋轉文本 = tf.rotate(文本, 45, resize=True) In [11]: io.imshow(文本) In [12]: io.show() In [13]: io.imshow(旋轉文本) In [14]: io.show() In [15]: import math In [16]: 相似變換 = tf.SimilarityTransform( rotation=math.pi / 4, translation=( 文本.sape[0] / 2, -100)) In [17]: 相似變換文本 = tf.warp(文本, 相似變換) In [18]: io.imshow(相似變換文本) In [19]: io.show() In [20]:
難到山不會轉,竟然路也不能轉耶??!!