引用简单，布局简便根据设备屏幕的DPR,自动设置最合适的高清缩放。
保证了不同设备下视觉体验的一致性。
（老方案是，屏幕越大元素越大；
此方案是，屏幕越大，看的越多）有效解决移动端真实1px问题（这里的1px是设备屏幕上的物理像素）

数字图像相关MATLAB代码，输入变形前后两幅图，通过相关计算即可找到对应点位置写的不好，大家看我最近上传的。
。
。

用PCA法进行烟雾检测。
输入的图像为两张，然后训练SVM，最后检测出第二张图像是否有烟雾。
该方法由Dr.RaulRojas.实现，内附论文和数据mat。
Matlab源代码。
注意图像长宽像素必须是16的倍数。

成本计算，成本汇总，视差优化和视差优化是立体匹配的四个主要步骤。
尽管对前三个步骤进行了广泛的研究，但在视差细化方面却很少做出努力。
在这封信中，我们提出了一种彩色图像引导的视差细化方法，以进一步消除视差图上边界不一致的区域。
首先，分析边界不一致区域的起源。
然后，使用建议的基于混合超像素的策略检测这些区域。
最后，通过改进的加权中值滤波方法对检测到的边界不一致区域进行细化。
在各种立体匹配条件下的实验结果验证了该方法的有效性。
此外，通过主动深度获取获得的深度图，例如Kinect之类的设备也可以用我们提出的方法很好地完善。

《IntroductionTo3DGameProgrammingWithDirectX12》是一本专为游戏开发人员设计的教程，专注于使用DirectX12这一先进的图形API进行3D游戏编程。
这本书由FrankD.Luna撰写，是“龙书”系列的最新版，旨在帮助读者深入理解3D图形编程的核心概念，并掌握DirectX12的实用技术。
DirectX12是微软推出的一个低级图形接口，允许开发者更直接地控制硬件资源，从而提高游戏性能和效率。
与前几代DirectX相比，DirectX12提供了更低级别的硬件抽象，让开发者能够实现更精细的多线程优化，降低CPU开销，并提高GPU利用率。
本书首先介绍了3D图形学的基本原理，包括向量和矩阵运算、光照模型、纹理贴图以及图形渲染管线等。
这些基础知识对于理解DirectX12的工作原理至关重要。
随后，作者详细讲解了DirectX12API的使用，包括设备创建、交换链设置、命令队列和命令列表的管理、资源的分配与绑定，以及深度缓冲和多重采样抗锯齿等技术。
在3D场景的构建方面，书中涵盖了顶点缓冲和索引缓冲的使用，以及如何通过顶点着色器和像素着色器实现复杂的图形效果。
同时，作者还讲解了如何利用DirectX12进行高效的资源管理和内存管理，确保游戏运行的稳定性和流畅性。
对于现代游戏开发来说，多线程编程是必不可少的。
《IntroductionTo3DGameProgrammingWithDirectX12》详细阐述了如何利用DirectX12的多线程特性，将渲染工作负载分散到多个处理器核心上，从而提升游戏的并发处理能力。
此外，书中还涵盖了同步机制，如事件、信号量和fence，以确保多线程环境中的数据一致性。
为了帮助读者更好地理解和实践，本书提供了丰富的示例代码，这些代码可以直接在Windows平台上编译运行。
通过跟随这些示例，读者可以逐步建立起自己的3D游戏引擎，掌握DirectX12的实际应用。
《IntroductionTo3DGameProgrammingWithDirectX12》是一本深入浅出的DirectX12学习指南，适合有一定编程基础的游戏开发爱好者和专业人员。
通过阅读本书，读者不仅可以掌握DirectX12的使用，还能深入了解3D图形编程的精髓，为开发高质量的3D游戏奠定坚实的基础。

计算机实时阴影是现代计算机图形学中的一个重要领域，尤其在游戏开发和游戏引擎设计中起着至关重要的作用。
本文将深入探讨这一主题，介绍阴影的基本概念、常见算法以及它们在实际应用中的优缺点。
我们要理解阴影在计算机图形中的意义。
在现实世界中，阴影是由光源照射物体产生的暗区，它提供了场景深度和形状的重要视觉线索。
在计算机图形中，实时阴影的生成是为了模拟这一现象，使虚拟环境更加逼真。
然而，由于计算资源的限制，实时生成高质量阴影是一项具有挑战性的任务。
实时阴影算法大致可以分为两类：基于像素的阴影（Pixel-BasedShadow）和基于几何的阴影（Geometry-BasedShadow）。
基于像素的阴影算法如贴图阴影（ShadowMapping）是最常见的方法，它通过为光源创建一个深度纹理，并将其应用到场景的每个像素上，来确定该像素是否处于阴影中。
这种方法简单且易于实现，但可能会出现阴影断裂和锯齿状边缘等问题。
几何基

对于一副图像，比如1000*800分辨率，我们在处理时，通常思路是从第1个像素开始，一直计算到最后一个像素。
其实，目前不论手机还是个人电脑，处理器都是多核。
那么完全可以将整副图像分成若干块，比如cpu为4核处理器，那么可以分成4块，每块图像大小为1000*200，这样程序可以创建4个线程，每个处理器执行一个线程，每个线程处理一个图像块。
更多内容可参考：http://blog.csdn.net/grafx/article/details/71084473

代码分为read_can_use.m和main_can_ues.m先运行read_can_use.m读取图片的像素值，使用奇异值分解的方法得到对应的特征。
程序预设了只读取前5个人的人脸图片，可以自己改成最多15个人。
然后运行main_can_use.m，程序会输出112323，每个数字代表一张图片最有可能的识别类别（就是人的编号）。
对每个人的11张图片，取前7张训练网络，后4张测试网络，取前5个人进行实验。
所以共有35个训练样本，20个测试样本。
比如输出的结果是111122123333…..，因为每4个数字是属于同一个人的，前四个都是1则都预测正确，第二组的4个数字2212中的那个1就是预测错误（本来是2预测成了1）。
由于参数的随机初始化，不保证每次的结果都相同。

v2.0update:增加了键盘操作,可以通过方向键和shift/alt调整位置和大小.安全更新:去掉了代码保护壳,1.0版给.net代码加了exe保护壳才发布的,会被杀软误删.2.0中取消了加壳,只做了适量的代码混淆.v1.0测量屏幕上任意区域的像素大小.

SAD(Sumofabsolutedifferences)是一种图像匹配算法。
基本思想：差的绝对值之和。
此算法常用于图像块匹配，将每个像素对应数值之差的绝对值求和，据此评估两个图像块的相似度。
该算法快速、但并不精确，通常用于多级处理的初步筛选。

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。