AECC2018的教学视频和工程文件视频教学，工程文件有对图像的渲染，自己看了看感觉还不错希望大家喜欢

本文首先介绍神经网络和深层模型的基本理论，接着重点介绍深度卷积神经网络、U-Net神经网络和全卷积神经网络在这方面的应用。

Matlab写的区域生长图像分割程序。
%区域生长算法:regionfunctionLabelImage=region(image,seed,Threshold,maxv)%image:输入图像%seed：种子点坐标堆栈%threshold：用邻域近似生长规则的阈值%maxv：所有生长的像素的范围小于maxv%LabelImage:输出的标记图像，其中每个像素所述区域标记为rn[seedNum,tem]=size(seed);%seedNum为种子个数[Width,Height]=size(image);LabelImage=zeros(Width,Height);rn=0;%区域标记号码fori=1:seedNum%从没有被标记的种子点开始进行生长ifLabelImage(seed(i,1),seed(i,2))==0rn=rn+1;%%对当前生长区域赋标号值LabelImage(seed(i,1),seed(i,2))=rn;%endstack(1,1)=seed(i,1);%将种子点压入堆栈（堆栈用来在生长过程中的数据坐标）stack(1,2)=seed(i,2);Start=1;%定义堆栈起点和终点End=1;while(Start＜=End)%当前种子点坐标CurrX=stack(Start,1);CurrY=stack(Start,2);%对当前点的8邻域进行遍历form=-1:1forn=-1:1%%判断像素（CurrX，CurrY）是否在图像内部%rule1=(CurrX+m)=1&(CurrY+n)=1;%%判断像素（CurrX，CurrY）是否已经处理过%rule2=LabelImage(CurrX+m,CurrY+n)==0;%%判断生长条件是否满足%rule3=abs(double(image(CurrX,CurrY))-double(image(CurrX+m,CurrY+n)))＜Threshold;%%条件组合%rules=rule1&rule2&rule3;if(CurrX+m)=1&(CurrY+n)=1&LabelImage(CurrX+m,CurrY+n)==0&abs(double(image(CurrX,CurrY))-double(image(CurrX+m,CurrY+n)))＜=Threshold&image(CurrX+m,CurrY+n)0%堆栈的尾部指针后移一位End=End+1;%像素（CurrX+m,CurrY+n)压入堆栈stack(End,1)=CurrX+m;stack(End,2)=CurrY+n;%把像素（CurrX,CurrY)设置成逻辑1LabelImage(CurrX+m,CurrY+n)=rn;endendend%堆栈的尾部指针后移一位Start=Start+1;endend

摘要:针刘一日前人多数图像水印技术是关于灰度图像并且基于离散小波变换的。
提出了一种基于整数小波变换(bVT:1nLegerWaveleLTranslonn)和人类视觉系统(HV}HwnanVisualSvslen)特性的彩色ICI像数字}l:印算法。
本算法根据原始彩色图像的整数小波系数高、低频分量的特点，选择彩色图像的Y幻色彩空间的Y分量嵌入水印，利川人类视觉系统的特性，将一值水印图像加密后嵌入到Y分量的整数小波系数，}，。
实验证明，该算法刘一锐化、JPEC20001-I:.缩和旋转等图像处理均具有很强的抵抗能力，复杂度较低，实川性较强，更好地兼顾了水印不可见性与H棒性之间的矛盾。

本实验基于stm32103开发，实现读取OV2640摄像头采集的图像信息，并存入数组，通过esp8266wifi模块，把数据发送到云端。
本例程只提供硬件端代码，服务器端需自己实现。
此外若只用OV2640部分则可把WiFi传输部分注释即可，OV2640和WiFi均作了封装分离，用者自取。
部分代码如下：u8ov2640_jpg_photo(){u8res=0;u32i=0,t=0,j=0,c;u32jpeglen=0;u8*pbuf;u32Len=0;u8s[4];OV2640_JPEG_Mode();//切换为JPEG模式OV2640_OutSize_Set(OV2640_JPEG_WIDTH,OV2640_JPEG_HEIGHT);SCCB_WR_Reg(0XFF,0X00);SCCB_WR_Reg(0XD3,30);SCCB_WR_Reg(0XFF,0X01);SCCB_WR_Reg(0X11,0X1);for(i=0;i24);s[1]=(u8)(((Len)&0xff0000;)＞＞16);s[2]=(u8)(((Len)&0xff00;)＞＞8);s[3]=(u8)((Len)&0xff;);for(c=0;cDR=s[c];while((USART1-＞SR&0X40;)==0);}SendRAMDate(Len,pbuf);}returnres;}

冈萨雷斯数字图像处理MATLAB版配套资料，图片和源码

基于matlab的线性锐化滤波图像增强并给出其PSNR指标

包含Retinex处理的单通道、多通道算法，使用c++实现可单独使用，也可与opencv集成使用。
方便移植到各种平台

MATLAB桶形变换，适合做图像变换同学的需要，很管用，用了就知道他的强大之处

杨建超老师在2010年发表的基于稀疏表示的图像超分辨文章PPT整理，包括详细的公式和自己的总结，希望对大家有帮助

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。