该文档首先给出了整个系统的整体网络结构和功能结构的概貌，试图从总体架构上给出整个系统的轮廓，然后又对功能需求、功能需求和其它非功能性需求进行了详细的描述。
其中对功能需求的描述采用了UML的用例模型方式，主要描述了每一用例的基本事件流，若有备选事件流则描述，否则则省略。
而且还给出了非常直观的用例图。
这些文字和图形都为了本文档能详细准确地描述用户的需求，同时也为用户更容易地理解这些需求的描述创造了条件。
该文档详尽说明了这一软件产品的需求和规格，这些规格说明是进行设计的基础，也是编写测试用例和进行系统测试的主要依据。
同时，该文档也是用户确定软件功能需求的主要依据。
其中对功能需求的描述采用了UML的用例模型方式，主要描述了每一用例的基本事件流，若有备选事件流则描述，否则则省略。
而且还给出了非常直观的用例图。
这些文字和图形都为了本文档能详细准确地描述用户的需求，同时也为用户更容易地理解这些需求的描述创造了条件。
该文档详尽说明了这一软件产品的需求和规格，这些规格说明是进行设计的基础，也是编写测试用例和进行系统测试的主要依据。
同时，该文档也是用户确定软件功能需求的主要依据。
2020/4/17 23:22:43
274KB
1
stm32图像处理（数字字符识别）源码基于STM32的字符识别算法程序，内涵Prewitt卷积计算提取轮廓，二值化，字符放大，字符细化，字符匹配等图像识别算法。
注释详细，移植简单，只需拥有STM32开发板和OV7670摄像头即可实现。
本程序是车牌识别的入门学习实验代码，有了这个就能理解车牌识别的基本实现原理！不过略有差异！
注释详细，移植简单，只需拥有STM32开发板和OV7670摄像头即可实现。
本程序是车牌识别的入门学习实验代码，有了这个就能理解车牌识别的基本实现原理！不过略有差异！
2020/9/11 13:34:32
4.96MB
1
可以直接运行的matlab程序，很好用，开源代码，直接运行效果很好，也可以根据本人的需要进行改进。
很棒的！
很棒的！
2015/4/14 21:09:53
184KB
1
针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。
该算法利用三级离散小波变换将图像分解为高频部分和低频部分。
通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自顺应分配采样率。
采用平滑投影Landweber算法重构图像,消除分块引起的块效应。
对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37dB,比现有非均匀分块算法提高了2.51dB。
不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05dB。
对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。
该算法利用三级离散小波变换将图像分解为高频部分和低频部分。
通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自顺应分配采样率。
采用平滑投影Landweber算法重构图像,消除分块引起的块效应。
对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37dB,比现有非均匀分块算法提高了2.51dB。
不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05dB。
对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。
2015/9/27 10:19:52
11.24MB
1
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。
2024-04-09 15:03
15KB