在深入分析二维高斯分布公式的基础上，通过将光斑中心整像素坐标和亚像素坐标进行分离，推导出一种无需求解广义逆矩阵的高斯曲面解析算法，该方法综合利用窗口内的所有像素灰度信息，通过解析表达式直接计算高斯分布光斑的亚像素中心位置；
并且对传统高斯曲面拟合法求解过程进行了优化，提出一种愈加高效的定参高斯拟合法。
与传统高斯曲面拟合法相比，提出的两种方法具有基本相同的稳定性和定位精度，但运行效率分别提高了278倍和78倍以上。

單個圖像研究3D形狀建模，並在三個方面對其做出貢獻。
首先，我們介紹了Pix3D，這是一個具有像素級2D-3D對齊的各種圖像形狀對的大規模基準。
Pix3D在形狀相關的任務中有著廣泛的應用，包括重建、檢索、視點估計等。
然而，構建這樣一個大規模的數據集是非常具有挑戰性的；
現有數據集要么僅包含合成數據，要么缺乏2D圖像和3D形狀之間的精確對齊，或者只要少量圖像。
其次，我們通過行為研究校準了3D形狀重建的評估標準，並用它們來客觀、系統地對Pix3D上的尖端重建算法進行基準測試。
第三，我們設計了一個同時執行3D重建和姿態估計的新模型需要安裝下列庫GCC4.8.5CUDA8.0Python3.6.4TensorFlow1.1.0numpy1.14.0skimage0.13.1numba0.36.2scipy1.0.0tqdm4.19.4

传统的等比例缩放技术，直接将图像整体缩放为目标尺寸，这样做通常会破坏图像内容的比例关系，因为会出现目标长宽比与源图像长宽比不一的情况，图像内容因此会遭到损失，另一方面如果目标尺寸较小而源图像的重要信息区域占整幅图像比例不大的情况下进行等比例缩放的结果是，图像信息同样会损失严重。
图像智能缩放算法不同于传统的缩放技术，该算法根据图像内容的分析得出图像重要信息的分布情况，然后尽可能保留重要信息的同时，对图像进行连续且单调的像素路径的移除或插入操作，最后在保证图像矩形格式不变的前提下，缩放生成满足目标图像尺寸。

针对Harris算法在图像处理过程中特征点提取实时性和抗噪能力较差、计算量大的问题,提出一种结合像素点灰度差的Harris角点检测算法。
将被检测点与半径为3的邻近圆周上16个像素点作对比,以此计算非类似像素点的个数来确定候选角点,通过Harris角点响应函数提取角点,并结合SUSAN算法的思想去除伪角点。
实验结果表明,改进算法提高了原算法的实时性,增加了角点提取的数量,并且能有效去除大多数伪角点,提高图像角点检测的速度和正确性。

首先,我们需求思考如何表示一张图片.图片是由一系列像素点组成的,最简单的表示图片的方法就是用位图,也即记录下每个像素点的rgb来表示所以我们可以用一个width*height*3的数组来表示一张图片,其中width和height分别表示宽高,3代表r,g,b三个通道讲解博文：https://blog.csdn.net/weixin_46043195/article/details/126167731?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126167731%22%2C%22source%22%3A%22weixin_46043195%22%7D&ctrtid=3e8Ca

matlab简单图像处理代码3D-connect-component-label-with-GPUThisismy3Dparallelalgorithm,butitisnotperfect.Itprovidesawayforyoutooptimizeit.Ihopesomeonecangiveagoodopinion???由于医学项目中需要实现3D连通域算法，matlab有自带的3D连通域算法，挺快的???但是要实现c++版本，2d连通域实现的算法思路上就是twopassmethod，???当时我为了快速实现，就直接写了一个广度搜索的3d连通域算法???于是，我想能不能实现一个并行的3D连通域算法呢，于是我google，发现了几篇很好的withgpu的2DCCL，但并没有3DParallel，发现主要思想还是twopassmethod，不过因为并行，所以需要考虑每个像素点的独立，在这里进行了处理论文分别是：????ParallelgraphcomponentlabellingwithGPUs

针对FDK算法重建图像异常耗时的成绩,提出了一种极坐标反投影快速重建算法。
根据三角函数对称性,64幅预处理后的投影数据在反投影过程中同时运算;在极坐标反投影数据映射到笛卡尔坐标时,利用像素位置相关参数的对称性,在不使用查表方法的情况下,使双线性插值的计算量大大减少。
实验结果表明,采用这两种措施实现了FDK算法优化,与传统的FDK算法相比,重建速度提高8倍,采用CUDA技术,实现GPU对其加速,速度提高40倍,且均不产生新的误差。

C#写的二维码编码类和二维码解码类，不调用任何控件，方便翻译成任何语言，可在任意平台上运行。
内有说明文档，说明怎样设置和调用，使用非常的方便，编码一个类，解码一个类，不像网上搜索的那些各种复杂不好用，是我把网上搜索的冗长的代码精简提炼出来的。
以下为使用说明：编码：命名空间：namespaceewmbm二维码类名：publicclassewmbm二维码编码可设置变量 1：ewmbm二维码编码.blx类型//编码类型，数字、字母或者中文（默认中文） 2：ewmbm二维码编码.bbb版本//数据容量（默认版本7） 3：ewmbm二维码编码.bjcdj纠错等级//低、中、高、完满（默认中） 4：ewmbm二维码编码.bfdbs放大倍数//每个数据点宽几个像素（默认4） 5：ewmbm二维码编码.bmfs编码方式//（默认UTF8）准备工作： 将【二维码\Resources】中的所有dat文件，加入资源文件 或者： 将代码中三处读取资源文件的地方改成读取文件也可以， 搜索【btemp=(sbyte[])二维码.Properties.Resources.ResourceManager.GetObject(fileName);】即可找到三处读取资源文件的地方使用函数： usingewmbm二维码; Bitmapbtemp=ewmbm二维码.ewmbm二维码编码.drawqr画二维码(string要编码的文字);//***************************************************解码：命名空间间：namespaceewmjm二维码类名：publicclassewmjm二维码解码可设置变量 1：ewmjm二维码解码.bmfs编码方式//（默认UTF8）使用函数： usingewmjm二维码; ewmjm二维码解码decoder=newewmjm二维码解码(); stringttemp=decoder.jm解码(Bitmap要解码的图片);

首先，DPI（DotsPerInch）每英寸的像素点数。
现在的显示器像素点越来越精细，也越来越清晰，但是为什么有些程序字体模糊？下图是在DPI为120%，用易语言编译后运行的效果：因为从WindowsVista开始引入了DPIVirtualization（DPI虚拟化）它会把不支持高DPI的窗口像图片一样缩放，所以看起来模糊。
可以调用SetProcessDPIAware告诉DPI虚拟化不要动我但这样还没完全搞定，因为这个窗口是在DPI为120%设计的，到不同DPI运行界面会错乱。
需要自动调整控件大小，字体大小就不用管了，默认字体会随着DPI变化。
易语言本身不支持DPI顺应，为此我开发了一个模块来支持DPI顺应。
更改：如果是弹出式窗口则计算并缩放客户区（排除边框、标题栏、菜单栏）。
修复：先放大了组合框，再放大组合框内的编辑框导致大小出现问题，已改成先缩放子窗口，再缩放父窗口，这样父窗口会自动调整子窗口。
另外：易语言本身也不支持DPI，会被DPI虚拟化搞得很模糊，请右键e.exe属性-＞兼容性-＞更改高DPI设置-＞勾选代替高DPI缩放行为-＞应用程序-＞确定。
不推荐调用SetProcessDPIAware，因为XP没有这个函数，应该用清单来支持DPI，在易语言菜单栏-＞系统配置-＞存根-＞使用用户自定义清单

一种快速的抗噪声模糊C均值图像分割算法图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出。
该算法结合像素灰度值类似度和隶属度构造了一个新的空间函数。
该空间函数用于更新成员关系，而成员关系又用于迭代地获取聚类中心。
所提出的算法可以在较少的迭代次数下获得理想的分割结果，有效地降低了噪声的影响。

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。