用MATLAB实现Eigenface算法。
使用orl_face数据库。
有两个main函数，一个是把一个图像数据转为一行，另外是吧图像数据转为一列。

提出一种基于红外图像分层处理及动态压缩的DDE算法。
该算法先将原始14bits红外图像数据信息中的大动态低频背景和小动态高频细节进行分离提取，并分别对提取的细节层和背景层进行相应的灰度增强和灰度抑制处理，再调整和压缩各图层的动态范围并最终合成8bits图像。
实验结果表明，该算法能较好地保留并突出原始红外图像中的边缘和细节信息，达到了预期设计的目标

查找了很多资料没有用vlc读取实时摄像头数据用pyqt来显示的例子，为此，参考了一些资料对vlc做了一个二次封装，封装后保留了opencv基本上的一些功能，可以替换原pyqt的工程中opencv的接口直接使用。
说明如下：简单的播放可以参考example.py类Player1、Player.play(url,choose)加载播放路径（url）和选择播放通道（choose，1~20，实验可以同时打开8个，不能用同一个完成并行播放，数据会混乱分不开）。
2、Player.image_get(choose)加载当前帧的图像数据（choose，选择加载的通道，必须在加载路径后使用，不然返回1）3、Player.pause()暂停播放4、Player.resume()恢复播放5、Player.stop()停止播放6、Player.release()释放资源7、Player.is_playing()判断是否还在播放8、Player.get_time()已播放时间，返回毫秒值9、Player.set_time()设定播放处（必须当前的多媒体格式或者流媒体协议支持）10、Player.get_length()返回音频总长度11、Player.get_volume()获取当前音量12、Player.set_volume(volume)设置音量（0~100）

训练一个卷积神经网络，用**fastai**库（建在**PyTorch**上）将图像分类为纸板，玻璃，金属，纸张，塑料或垃圾。
这是由GaryThung和MindyYang手动收集的图像数据集

MFC自定义界面HUI，高效简单，含详细注释和示例。
HUI包括基本控件、按钮、标签、编辑框、表格、悬停提示等，可组合出更多功能。
资源占用少，效率高，能在低端机上运行，流畅不闪烁，完全满足工控等各种专业软件实现个性化要求。
本资源是“http://download.csdn.net/detail/hhhh63/6961889”的正式发布版。
包括3个项目，Hui、HuiDemo1和HuiDemo2。
一、Hui项目本项目是DLL项目，包括完整的界面库，使用双缓存，局部重画等技术，性能优异。
为保证在不同的MFC版本中使用，本次上传提供了这部分的源码，一般不要对其改动。
二、HuiDemo1简单的应用示例，包括窗口分割，控制面板和主显示区等，展示控件各方向停靠、自动充满、全屏切换、记忆窗口位置和大小、选项设置和保存注册表等功能，用户可直接以此为基础开发新项目。
如需扩展其它功能，可从HuiDemo2查找复制相应代码。
三、HuiDemo2除HuiDemo1的所有功能外，还包括界面库的全部功能和其它实用扩展功能，左中右三栏式分布，左右固定宽度，中间栏大小可变。
1、左边是属性栏，固定宽度，上边是时钟，下边是鼠标信息，当鼠标移到中间的图像区时显示鼠标位置和图像值。
2、中间是图像区，演示如何动态生存索引图像，从下向上移动，自适应大小，长宽比不变，点右边的调色板按钮改变颜色，点保存按钮把当前图像保存到桌面。
3、右边上边是控制栏，在中间的图像区中画各种几何图形，并计算几何图形包围的图像数据的最大值，最小值和平均值。
4、右边下边是表格演示，显示Windows文件夹下的文件列表，自动充满窗口区，随窗口大小改变显示项数，保证界面美观，最下面是搜索和定位功能。
四、运行环境，VC2010或更高版本。
欢迎大家下载并提意见，本资源版权归作者所有，分享供大家研究学心，不得用于商业用途，如有特殊要求请与本人联系。

可读取raw图像，输入文件名，图像尺寸，读取页码

%Matlab读取envi图像img格式用Matlab编了一段小程序。
%试验：Matlab读取ENVI标准图像（IMG+Hdr），并计算相关系数。

人手做出的“剪刀石头布”三种手势，每种手势都有100张图片，图片的大小为58*58，是经过后期处理的图片，内含有所有图片路径的txt文件。

BMP文件由文件头、位图信息头、颜色信息和图形数据四部分组成。
文件头主要包含文件的大小、文件类型、图像数据偏离文件头的长度等信息；
位图信息头包含图象的尺寸信息、图像用几个比特数值来表示一个像素、图像是否压缩、图像所用的颜色数等信息。

识别CIFAR数据集中的10类物体一、实验目标熟悉使用深度学习工具tensorflow，基于该平台对Cifar-10中的图像数据进行分类识别，在这个过程中掌握卷积神经网络的基本思想。

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。