https://download.csdn.net/download/qq_41739364/86339152

vtk学习中使用的人脑部CT图像扫描资源，包括有CT-Head.raw、CT-Head.vtk、CT-Head.pvm文件

FPGA流水线操作实现图像连通域处理标记位置，由于该方法进行的是并行流水线处理，即对图像扫描一遍就可完成对所有连通区域的识别，因此识别每个连通区域的延时都是固定的，并不会因为图像中连通区域多，延时就增加。
该延时也很小，约扫描十几行图像的时间。

Hou等人提出的SBWBAMS（基于加性模型和采样的扫描二进制图像水印）算法。
对打印和扫描过程具有很强的鲁棒性。
但是，由于算法中使用的嵌入强度是人为设置的，因此当嵌入强度较低时，水印信息可能无法正确嵌入到二进制图像中。
首先，分析了正确嵌入水印的最小嵌入强度，然后提出了一种基于自适应嵌入强度的改进二值图像水印算法。
该算法根据图像内容自适应调整嵌入强度，确保嵌入效果良好。
水印信息正确。
实验结果表明，该算法不仅可以正确地嵌入和提取水印信息，而且对打印和扫描过程仍具有很强的鲁棒性。

给大家分享一个我写的用FPGA实现的实时连通区识别源代码。
具体介绍请看下文。
源代码附件里有，或者给我发邮件索取此算法的特点是：1）仅用一片低端FPGA即可实现，无需外接任何存储器。
用Xilinx的LX25就能装下，大概只用了十几个块RAM，其余的逻辑也不多。
2）实时性高，延时固定且很小。
由于该方法进行的是并行流水线处理，即对图像扫描一遍就可完成对所有连通区域的识别，因此识别每个连通区域的延时都是固定的，并不会因为图像中连通区域多，延时就增加。
该延时也很小，约扫描十几行图像的时间。
其实该算法用嵌入式cpu或dsp也可以实现，也可以做到消耗内存少，延时小。
3）能同时给出连通区域的各种统计信息。
该方法在识别出连通区域的同时还能给出该连通区域的面积、周长、外切矩形中心点坐标等统计信息。
还可以统计出该连通区内某特定颜色的点有多少个之类的信息。
4）可靠性高。
对一些特殊形状的连通区，例如U型W型等，都能识别并给出正确的统计信息。

avigator.mediaDevices.getUserMedia里面的testh.html本来想实现网页调用摄像头解析扫描的二维码。
目前用不到了基本完成了。
希望对别人有协助。
调用开启手机后头的摄像头，把图像扫描到image上然后用脚本把图片解析出来。

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。