用来正确读取BMP文件信息：文件头：大小，长宽，颜色数目，关键颜色数目，每像素所用bit数，水平和垂直分辨率，压缩方式等

针对小基高比立体匹配中的"黏合"现象和深度精度问题,提出一种小基高比立体匹配方法.该方法通过将自适应窗口技术和多窗口策略相结合为参考图像确定匹配窗口;然后根据规范化互相关函数和"胜者全取"策略计算整数级视差;再以整数级视差为基础利用基于二分法的亚像素匹配方法计算亚像级视差;最后采用基于图像分割的迭代传播方法以获得稠密视差图.实验结果表明:该立体匹配算法减少了小基高比匹配中的"黏合"现象,同时获得了稠密的高精度亚像素级视差,其亚像素精度可优于1/20个像元.

利用不同样本选择方法进行变化检测实验的结果的好坏是通过与对应的精标准图像——GroundTruth进行相似度衡量而得到的。
总体分类精度OA（OverallAccuracy）是指正确分类的像素点数与总的像素点数的比值，是一种常用的衡量变化检测结果的指标，Kappa系数是一种能更加精确衡量分类准确度的参数，能较好的反映出两者的一致性，

matlab实现了边缘亚像素提取算法

在matlab软件下写的一个获取棋盘格亚像素角点的程序，主要是用到了工具箱的一个函数。

该控件继承QWidget,实现了左右上下四种形式的坐标轴控件。
可以设置固定间隔或自动选择间隔可以设置最小间隔开放一个槽来动态调整坐标轴的范围处理了边缘刻度的显示/*************************************************************************版权所有(C)2012-2015,liang1057@yahoo.com.cn类声明:坐标轴控件************************************************************************//**@brief坐标轴控件**@details坐标轴控件只有刻度和数字，数字可以隐藏(用来显示其他需要显示的刻度值)*/classuiAxis:publicQWidget{Q_OBJECTpublic:/**@brief坐标轴类型**@details坐标轴类型*/enumAXISTYPE{LEFT_AXIS=0,TOP_AXIS,RIGHT_AXIS,BOTTOM_AXIS};/**@brief构造函数*/uiAxis(AXISTYPEtype=BOTTOM_AXIS,QWidget*parent=0);/**@brief析构函数*/~uiAxis(void);/**@brief设置坐标轴的范围*/voidsetScop(doubleminValue,doublemaxValue);/**@brief获取坐标轴的范围*/voidgetScop(double&minValue,double&maxValue);/**@brief获取坐标轴的范围*/doublegetMinValue();doublegetMaxValue();/**@brief设置坐标轴的类型*/voidsetAxisType(AXISTYPEtype);/**@brief坐标轴的类型*/AXISTYPEgetAxisType();/**@brief设置最小刻度(小刻度的最小间隔)*/voidsetMinInterval(doublevalue);/**@brief设置自动间隔*/voidsetAutoScale(boolval=true);/**@brief设置固定间隔*/voidsetSettedScale(boolval=true);/**@brief设置坐标轴的绘制范围，像素值*/voidsetBoundary(intleft,intright,inttop,intbottom);voidgetBoundary(int&left,int&right,int&top,int&bottom);

识别并跟踪红灯，硬件利用树莓派实现。
python、opencv实现软件功能。
其中有高效扫描方法对比，场景：‘我要识别一个红灯，已经把目标准确的提取出来了，二值图像中白色为目标物，现在要算出二值图中的白色像素点的坐标。
因为之后需要移植到树莓派，所以需要高效的方法’。
https://blog.csdn.net/qq_32768679/article/details/84398229（目标识别说明）https://blog.csdn.net/qq_32768679/article/details/84317173（小工具说明）

采用矩阵移位相加与相减，避免了多层for循环，大大加快了程序的运行速度，而且4邻域与8邻域的权值可以调整

AR0330是Aptina的一颗300万像素芯片。
广泛应用于行车记录仪、监控、数码等领域。
AR0330驱动代码里面包括MIPI接口和DVP接口的初始化代码。
Linux平台

骨架提取与分水岭算法也属于形态学处理范畴，都放在morphology子模块内。
骨架提取，也叫二值图像细化。
这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。
morphology子模块提供了两个函数用于骨架提取，分别是Skeletonize（）函数和medial_axis（）函数。
我们先来看Skeletonize（）函数。
格式为：skimage.morphology.skeletonize(image)输入和输出都是一幅二值图像。
例1：  生成一幅测试图像，上面有三个目标对象，分别进行骨架提取，结果如下：例2：利用系统自带的马图片进行骨架提取 medial_axis就是中

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。