资源为项目过程中的调试笔记和资料。
配合博客一起看，效果极佳。

简介：
标题中的“图像质量评价指标（全）”是指在图像处理领域中用于衡量图像质量的一系列量化标准。
这些标准可以帮助我们评估图像在经过压缩、传输、修复等操作后，其视觉效果与原始图像的相似程度。
图像质量评价对于图像处理算法的优化、图像压缩技术的选择以及视觉体验的研究都有着重要的作用。
描述中提到的“可结合blog”，可能是指提供了一些博客文章，这些文章可能深入浅出地解释了图像质量评价的原理和应用。
通常，博客会以易于理解的方式介绍复杂的理论概念，并可能包含实践案例或代码示例。
在压缩包内的文件中，我们可以看到以下几类资源：1. **图像清晰度评价函数说明.doc**：这可能是一个文档，详细介绍了用于评估图像清晰度的各种函数，如PSNR（峰值信噪比）、SSIM（结构相似性指数）等。
这些函数是衡量图像质量的重要工具，它们通过计算图像间的差异来量化质量损失。
2. **labA.jpg、labB.jpg、c.jpg、b.jpg、a.jpg**：这些都是图像文件，可能是用于示例或测试不同图像质量评价方法的原始图像和处理后的图像。
例如，可能会比较不同处理后的图像与原始图像的质量差异。
3. **result_lab.jpg**：这个名字暗示了这可能是某种实验结果的图像，可能展示了不同的图像处理技术或质量评价指标的应用效果。
4. **ssim.m**、**Qabf.m**、**mi.m**：这些都是MATLAB脚本文件，很可能是实现图像质量评价算法的代码。
SSIM脚本对应于SSIM算法的实现，这是一个常用的结构相似性指标；
Qabf可能是基于颜色和空间信息的图像质量评价函数；
而mi.m可能涉及互信息（Mutual Information）的计算，互信息常用于评估图像的相似性和信息保留程度。
这个压缩包提供的资源全面涵盖了图像质量评价的概念、方法和实际应用。
用户可以通过阅读文档了解理论知识，查看图像实例以直观感受，同时利用MATLAB代码进行实践操作，进一步理解和应用这些评价指标。
这对于学习和研究图像处理、图像分析或相关领域的人员来说是一份宝贵的资料。

用Qt实现的跨平台窗体缩放，详见博客：http://blog.csdn.net/caoshangpa/article/details/78543165

通过ADMM来求解目标跟踪算法SRDCF的代码，具体算法原理可参考博客https://blog.csdn.net/qq_17783559/article/details/82965747

这个关于怎么实现UKF的代码，关于实现步骤及实现过程可看我的博客：https://blog.csdn.net/caokaifa/article/details/83041371

源码里面有Bluetooth4_3/BLEDemo/Android_Lightblue.apk三个.前两个是BLE的demo。
BLEDemo这个功能较Bluetooth4_3多一些，有兴趣的可以都看下。
Android_Lightblue.apk是Android版的lightblue，在进行ble开发的时候用该app作为辅助工具还是非常不错的，功能较Bluetooth4_3BLEDemo这两个demo都强大。
不过Android_Lightblue.apk在android5.0以上的版本手机上运行不起来，我也没有该app的源码。
看看后面会不会有更新。
对应博客地址：http://blog.csdn.net/chenliqiang12345678/article/details/50504406

AdaBoost算法有AdaBoost.M1和AdaBoost.M2两种算法，AdaBoost.M1是我们通常所说的DiscreteAdaBoost，而AdaBoost.M2是M1的泛化形式。
关于AdaBoost算法的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者明显。
后来又有学者提出了解决多标签问题的AdaBoost.MH和AdaBoost.MR算法,其中AdaBoost.MH算法的一种形式又被称为RealBoost算法---弱分类器输出一个可能度，该值的范围是整个R,和与之相应的权值调整，强分类器生成的AdaBoost算法。
Python实现该算法。
adabbost原理见博客http://blog.csdn.net/suipingsp/article/details/41722435

本资源里有有效的CDD图像修复的matlab程序，程序里是正确的曲率K计算公式，还有有效的TV模型matlab程序，CDD修复效果见博客http://blog.csdn.net/cs_o_1/article/details/52943306提醒：CDD模型不具有较好的收敛性，迭代次数得上千，效果才比较好，博客中CDD修复的迭代次数达到2000次

FPGA驱动AD9226，65M采样，做FFT进行频谱分析，将计算结果用双口RAM缓存，通过串口发送到PC上，完整Quartus工程；
具体说明可参考本人博客。
CSDN博客搜索：FPGADesigner

内部包含本人原创c语言编写的websocket服务端程序源码，默认支持1024条并发，可修改源码轻易支持更高并发，并会自动删除已关闭的连接，里面含80%以上源码写有注释，可帮助websocket小白快速入门，积分不够的小伙伴可以在我的博客直接复制源码，https://blog.csdn.net/baidu_39146182/article/details/81394046

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。