基于opencv的直方图均衡只能处理8位的图像，但是有时候我们接受的高分辨率的图像不是8位，是16位或者更高的图像。
这个代码实现了基于16位单通道图像的直方图均衡。
如果想换成32位的，可以在此段代码的基础上进行更改，只需要更改灰度变换的代码部分即可。

版本限制: Unity2019.3.5或更高UnityGIS地形生成工具，支持运行时动态生成使用编辑器工具修改地形。
地形仰角模式采用真实世界/夸张两种模式；
地形尺寸模式设置为“手动”或“自动”（自动读取真实地形宽度和长度）；
没有更多的缩放问题，你可以设置你的矢量比例，使你的地形大/小，你想要的；
直接从“地形首选项”GUI选项卡设置地形参数（高度图分辨率、细节分辨率…）既简单又快速；
............

最近一个项目用到将TVP5150抓的RGB565数据上传，但电脑无法显示RGB565图像，所以参考网络上的代码稍微进行了调整，可以使用！使用方法：将RGB565文件放到工程或者DEBUG目录下，文件名为test无扩展名文件分辨率大小为720x530如果需要其它分辨率可直接去代码中修改宽度和高度即可。
由于项目时间关系,没有做参数直接传入就能用的功能。
同时提供一个BMP转rgb565的工具：使用方法，调入图片后，可以调整图像的上下左右等。
然后点Saveas后弹出转换的输出格式。
然后选择你想要的rgb565即可。
但注意一点，转出来的Data的第一行要删除掉(这行看起来是个数据头)剩下的全是图像数据。

RealWorldTerrain是一个基于真实地理数据和基于OpenStreetMap的对象创建地形，网格，Gaia图章和RAW文件的工具。
特征：•Unityv5.6-Unity2019.x.•海拔高度图：-BingMaps分辨率最高为每像素10米;-SRTMv4.1分辨率为每像素90米;-SRTM30分辨率为每像素30米;-Mapbox。
•纹理提供程序：ArcGIS，DigitalGlobe，MapQuest，Mapbox，Mapy.CZ，NokiaMaps（here.com），VirtualEarth（BingMaps），OpenStreetMap+从自定义URL下载切片的功能。
•卫星图像分辨率最高为每像素0.25米。
•可以创建：UnityTerrains，Meshes，Gaia邮票，RAW文件。
•可以根据OpenStreetMap创建对象：-EasyRoads3Dv3和RoadArchitect的可编辑道路;-BuildR2（可编辑）或内置建筑引擎的可编辑建筑物;-河流;-树木;-草。
•直接在Google地图上选择区域的工具。
•许多用于处理坐标，对象和后处理的额外工具。
•无限数量的生成地形。

针对光纤光导系统对于太阳跟踪精度、稳定度方面的双重严格要求,设计了光敏阵列太阳定位传感器,并结合太阳轨道解算,实现了太阳光聚焦点的精确定位,并利用塑料光纤进行了聚焦太阳光传输,获得了系统输出光功率谱密度分布曲线与相关光学定量数据。
其中,针对光纤光导系统的对焦过程,研制了高位置分辨率的光敏阵列传感器来感知聚焦光斑确切位置,能够解决初始安装位置误差问题,并通过对太阳轨迹的运行趋势进行预测,自傲控制流程中嵌入同步跟踪模式,实现了精确性与稳定性的兼容。
对光纤输出光谱进行的定量检测结果表明,光纤光导系统输出光功率谱密度与太阳光具有良好的相似度,其色品坐标、显色指数和主波长参数也与太阳光接近,可在特定场合

高光谱解混数据集（Samson），具有156个通道的Matlab格式数据，原始数据有952x952像素。
每个像素记录在156个通道上，覆盖401nm至889nm的波长。
光谱分辨率高达3.13nm。
由于原始图像太大，这在计算成本方面非常昂贵，因此使用95×95像素的区域。
它从原始图像中的第（252,332）像素开始。
此数据不会被空白通道或严重噪声通道降级。
具体而言，该图像中有三个目标，分别是“＃1土壤”，“＃2树”和“＃3水”。

第1章绪论1.1合成孔径雷达概况1.2发展历程1.2.1国外SAR发展历程1.2.2我国SAR发展历程1.3发展趋势1.4主要应用1.4.1军事领域1.4.2民用领域1.5内容安排第2章合成孔径雷达2.1概述2.2SAR成像基本原理2.2.1距离向分辨率与脉冲压缩技术2.2.2方位向分辨率与合成孔径原理2.2.3点目标信号回波模型2.2.4SAR成像处理与算法2.3SAR成像的几何特性2.3.1斜距图像的比例失真2.3.2透视收缩与顶底位移2.3.3雷达阴影2.3.4雷达视差与立体观察第3章雷达目标电磁散射计算3.1概述3.1.1电磁散射基本计算方法3.1.2严格的经典解法3.1.3近似求解方法3.2等效电磁流计算3.2.1等效电磁流奇异性的消除3.2.2等效电磁流的分析与计算3.3多次散射的计算3.3.1几何/物理光学混合算法3.3.2存在多重散射的条件和遮挡关系的判断3.3.3几何光学/等效电磁流混合算法3.3.4GO/PO混合方法的应用3.4腔体结构电磁散射RCS计算3.4.1复射线近轴近似电磁散射算法3.4.2计算实例3.5复杂目标电磁散射的计算3.5.1复杂目标几何建模3.5.2复杂目标电磁散射混合计算第4章合成孔径雷达图像特征分析4.1概述4.2SAR图像辐射特征4.2.1SAR图像回波强度的概率分布4.2.2辐射分辨率4.3SAR图像噪声特征4.4SAR图像目标几何特征4.4.1点目标4.4.2线目标4.4.3面目标4.5SAR图像灰度统计特征4.5.1幅度特征4.5.2直方图特征4.5.3统计特征4.6SAR图像纹理特征4.6.1方向差分特征4.6.2灰度共现特征4.6.3小波纹理能量特征第5章合成孔径雷达图像分割5.1概述5.2阈值分割法5.2.1基于遗传算法的二维最大熵阈值分割法5.2.2二维模糊熵阈值分割法5.2.3双阈值分割算法5.3基于马尔可夫随机场模型的分割法5.3.1吉布斯MEF分割模型5.3.2吉布斯MRF分割算法5.3.3多尺度MRF图像分割5.4基于多尺度几何分析的分割法5.4.1基于Contourlet变换的SAR图像分割5.4.2基于Wedgelet变换的SAR图像分割5.5分割评价方法5.5.1分割质量评价5.5.2适用情况分析第6章合成孔径雷达图像目标分类6.1概述6.1.1分类流程6.1.2评价标准6.2概率密度函数估计6.2.1单-密度函数6.2.2混合密度函数6.2.3有限混合密度函数的逼近能力6.3参数估计6.3.1极大似然估计6.3.2EM算法6.4最小距离分类法6.5最大后验概率分类法6.6支持向量机分类法6.6.1支持向量机原理6.6.2支持向量机分类法6.7隐马尔可夫优化分类法6.7.1HMM原理6.7.2HMOC模型第7章合成孔径雷达图像目标识别7.1概述7.1.1识别方法7.1.2自动目标识别系统7.2基于电磁特性的目标识别7.3典型目标识别7.3.1道路识别7.3.2机场识别7.3.3MSTAR坦克识别第8章合成孔径雷达图像融合8.1概述8.1.1图像融合概念8.1.2融合效果评价8.2SAR图像与可见光图像融合8.2.1提升小波变换8.2.2基于提升小波变换区域统计特性的融合算法8.3SAR图像与多光谱图像融合8.3.1主成分分析方法8.3.2基于主成分分析的SAR与多光谱图像融合8.4多波段SAR图像融合8.4.1基于atrous算法方向滤波器组的多波段SAR图像灰度融合8.4.2多波段SAR图像伪彩色融合第9章合成孔径雷达图像压缩9.1概述9.1.1第一代和第二代压缩技术9.1.2多尺度方向分析技术9.2SAR图像压缩中的典型特征9.2.1纹理特征9.2.2变换域系数统计特征9.3SAR图像Non-SWMDA压缩方法9.3.1不可分离小波的提升实现9.3.2基于块分割的二叉树编码方案设计9.4SAR图像压缩效果评价9.4.1保真度准则9.4.2特征衡量标准

基于注意力的递归时间受限玻尔兹曼机用于雷达高分辨率测距剖面序列识别

带中文字库的128X64是一种具有4位/8位并行、2线或3线串行多种接口方式，内部含有国标一级、二级简体中文字库的点阵图形液晶显示模块；
其显示分辨率为128×64,内置8192个16*16点汉字，和128个16*8点ASCII字符集.利用该模块灵活的接口方式和简单、方便的操作指令，可构成全中文人机交互图形界面。

深度学习的高分辨率遥感图像识别与分类研究，用深度学习方法处理卫星图像

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。