能让小学高年级的孩子玩得停不下来的数学向桌游是什么样子的？
《法老密码》-桌游图文评测（第76期）
【红薯叨叨叨】：满分儿童桌游，爆款儿童桌游，即使是平时不太主动计算的孩子，在这款游戏面前都能一局接一局，快速地计算（加减乘除）。需要的前置能力明确，即使降低难度，也至少需要能够进行加减法的混合运算，具备抽象思维能力与心算能力。这款桌游神奇的地方在于，如果你想 ，可以村规增加计算要求，甚至进行初中，高中，大学才会用到的高阶计算方法。作为教具，可拓展性非常好！在香港，也深受初中，高中，大学教授的喜欢哦！
【教育价值】
1、基础能力：专注力、观察力、手眼协调、抗挫折能力、冲突管理能力。
2、进阶能力
☆数学启蒙☆ 加减乘除混合运算，可拓展更高阶的计算规则；
☆思维发展☆ 效益最大化思维，取舍决断力。
【建议年龄与使用建议】
游戏过程中包含一定的思维策略在里面，同龄孩子之间比赛效果更佳！推荐6岁的孩子可以开始体验，在这个年龄段，包括到7岁，玩的时间不要太长，保持孩子们对于游戏的兴趣。在8岁后，孩子学了乘法和除法后，可以继续让他们使用，使用混合运算进行游戏，依据个人经验，三四年级的孩子是最喜欢这款桌游的，一开完几乎都会连续玩3-4局，包括对自身心算能力充满自信的孩子，也会很喜欢这款桌游带来的竞赛感和成就感。
【购买建议】
无盗版，可放心购买。

#儿童桌游##桌游##红薯品桌游##评测##儿童桌游评测##聚会桌游推荐##亲子游戏玩什么##亲子时光[超话]##专注力[超话]##逻辑思维[超话]##亲子[超话]#

图像去噪

图像去噪是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声等的影响，在这种条件下得到的图像称为含噪图像或噪声图像。噪声是干扰图像的重要因素。一幅图像在实际应用中可能存在各种各样的噪声，这些噪声可能在传输过程中产生，也可能在量化处理等过程中产生。

图像噪声包括以下几个方面：
存在于图像数据中的不必要的或多余的干扰信息。
图像中各种妨碍人们对其信息进行接收的因素。
噪声的特点如下：
噪声在图像中的分布和大小不规则。
噪声与图像之间具有相关性。
噪声具有叠加性。
图像中去噪可采用图像增强的方法如下：
空间域法：在原图像上直接进行数据运算，对像素的灰度值进行处理，具体分为以下两类。

点运算：对图像做逐点运算。

局部运算：在与处理像素邻域有关的空间域上进行运算。
频域法：在图像的变换域上进行处理，增强感兴趣的频率分量，然后进行反变换。

均值滤波
均值滤波（MeanFilter）是由当前像素邻近的若干像素组成的模板的均值来替代原像素的值的方法，公式如下。
g(x,y)=1/M ∑_(f∈S)▒〖f(x,y)〗
新的像素值为原像素值与邻近像素值和的平均值。均值滤波的优点为算法简单，计算速度快；缺点为降低噪声的同时会使图像模糊，特别是景物的边缘和细节部分。
图1原图像和均值滤波后的图像

原图像中的许多噪点被过滤掉了。在处理噪声的同时也存在一个问题：处理后一些细节变得模糊了。

高斯滤波
空间频率又称图像频率，反映了图像像素灰度在空间中变化的情况。例如，一面墙壁的图像，由于灰度值分布平坦，其低频成分就较强，高频成分就较弱；而对于国际象棋棋盘或者沟壑纵横的卫星图这类具有快速空间变化的图像来说，其高频成分相对较强，低频成分相对较弱。灰度直方图是图像最基本的统计特征，用来表达一幅图像的灰度级分布情况。
低频分量是指图像中强度（亮度/灰度）变化比较平缓的部分。高频分量是指图像中强度（亮度/灰度）变化比较剧烈的部分。例如图像中的噪点就是高频分量，通俗点讲，变化剧烈的就是高频分量，变化平缓的就是低频分量。低通滤波就是去掉高频信号，留下低频信号。相反，高通滤波就是去掉低频信号，留下高频信号。
高斯滤波（GaussFilter）是线性滤波中的一种。在OpenCV图像滤波处理中，高斯滤波用于平滑图像，或者说是进行图像模糊处理。其原理是将正态分布（又名高斯分布）用于图像处理，相当于在图像上产生“模糊”效果，“中间点”会失去细节，所以高斯滤波属于低通滤波。
图2原图像和高斯滤波后的图像

高斯滤波对被高斯噪声污染的图像具有很好的处理效果。均值滤波是基于平均权重，无法克服边缘像素信息丢失的缺陷。高斯滤波部分克服了该缺陷，但是无法完全克服，因为没有考虑像素值的不同，对边缘信息权值较低。

中值滤波
对受到噪声污染的图像可以采用线性滤波的方法来处理，但是很多线性滤波有低通性，在去噪声的同时也使得边缘信息被模糊了。中值（MedianFilter）（中位值）滤波在某些情况下可以做到既能去除噪声又能保护图像的边缘，是一种非线性的去除噪声的方法。
中值滤波的实现原理是把数字图像中某一点的值用该点所在的一个区域内的各个点的值的中值代替。
图3原图像和中值滤波后的图像

中值滤波相较于均值滤波在去除噪声的同时更多地保留了图像的细节。中值滤波处理对滤除脉冲噪声比较有效。脉冲噪声也称椒盐噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，可能是在亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。

双边滤波
双边滤波（BilateralFilter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。均值滤波、中值滤波和高斯滤波都属于各向同性滤波，它们对待噪声和图像的边缘信息都采取一样的态度，结果在噪声被磨平的同时，图像中具有重要地位的边缘、纹理和细节也同时被抹平了，这是我们所不希望看到的。相比较而言，双边滤波可以很好地保护边缘，即可以在去噪的同时，保护图像的边缘特性。
双边滤波的基本思想是通过将高斯滤波（空间邻近）原理中各个点到中心点的空间邻近度计算的各个权值进行优化，将其优化为空间邻近度计算的权值和像素值相似度计算的权值的乘积，优化后的权值再与图像做卷积运算，从而达到保边去噪的效果。
图4原图像和双边滤波后的图像

可以看出双边滤波方法在滤除噪声、平滑图像的同时，又做到了边缘保护。

参考资料：
[1]彭凌西, 彭绍湖, 唐春明. 从零开始: 数字图像处理的编程基础与应用 [M]. 北京人民邮电出版社, 2022. P75-P83

本文转载于公众号：BFT智能机器人研究

【自动驾驶芯片公司奕行智能（EVAS）完成3亿+元Pre-A轮融资】XEV研究所消息（文/唐伟）奕行智能近日宣布完成超过3亿元Pre-A轮融资。本轮融资由广汽资本领投、东方富海联合领投，越秀产业基金、国创中鼎等产业及明星机构联合投资，老股东和利资本、临芯投资、火山石资本、海微科技等继续加码。在完成这轮融资后，公司已完成超5亿元的融资金额，目前公司已建立过百人的整建制完整团队。

业界对未来高阶自动驾驶加速落地的路径形成共识，自动驾驶进入了L2++量产落地的2.0阶段。将L4拆分成单独的L2++功能模块逐一攻克难点，诸如自动变道、自动超车、记忆泊车、代理泊车、红绿灯的直行/左转/右转等，这些功能算法复杂程度高、数据量丰富，越来越多的客户希望将数据和算法掌握在自己手里，以技术为核心，做出差异化的产品，形成并保持自己的竞争优势。这要求芯片厂商能在满足L4算力需求和低成本的前提下，提供底层软硬件开放的平台，支撑车企更有效地利用数据进行算法的开发，这就需要有真正开放易用的自动驾驶芯片来支持。

自动驾驶芯片设计成功，并真正被应用需要翻越多座山峰：
（1）AI算效提升的难题；
（2）大SOC芯片复杂架构设计难题；
（3）先进工艺制程物理设计挑战；
（4）性能，功耗，通用性的互相约束性问题；
（5）安全性保障及可靠性设计难题；
（6）软件工具链的完备性和易用性难题。
这些难题对于芯片公司人员的高性能芯片设计经验、AI运算单元的优化能力、芯片生产封装测试质量保障、软件工具链配套资源、安全设计经验能力等设置了很多道门槛。
奕行智能于今年一月份成立后，已经快速组建了近150人的核心团队，覆盖了从自动驾驶算法及芯片应用、前后端实现、软件和工具链等决定产品成功的关键领域，在多核异构计算SoC芯片的核心设计know-how、先进制程数字前后端设计、视频数据流全链核心IP的能力、车规芯片量产能力、软件算法工具链能力和对车厂客户支持方面都有足够的经验覆盖。
同时，公司也在成立之初得到了广汽等国内头部客户的大力支持，使奕行能够有更快的速度和更大的可能性量产客户满意的产品。广汽资本总经理袁锋表示：“近年广汽资本持续在智能汽车芯片、半导体及自动驾驶等领域进行深度布局。投资奕行智能，是广汽发挥“链主”价值，发掘、推进优秀科技企业融入产业，携手为智能汽车产业强链补链的重要布局。未来，我们将整合广汽资本的产业赋能优势和奕行智能的中高算力芯片设计经验，从应用源头开始共同加速自动驾驶芯片国产化进程，提升车企在‘卡脖子’环节的自主可控，进一步推动汽车产业往高质量方向发展。”
公司目前已构建了完整覆盖自动驾驶各层级发展需要的产品矩阵，为主机厂和行业客户提供“平台开放、设计均衡、成本可控”的芯片方案，加速自动驾驶真正量产落地到千家万户。