此代码用于实现图像数据增强，对图片进行批量处理。
包括图片旋转、翻转、模糊、增加噪声、亮度几种处理。
运行需要安装python、opencv、numpy等。
使用时将图片统一放在img文件夹中，并将img文件夹和下载的py文件放在一起。
包括图片旋转、翻转、模糊、增加噪声、亮度几种处理。
运行需要安装python、opencv、numpy等。
使用时将图片统一放在img文件夹中，并将img文件夹和下载的py文件放在一起。
2025/12/13 3:07:40
3KB
1
OV7670摄像头模块负责图像的实时釆集工作。
OV7670内部相关寄存器的配置信息被写入到控制模块，在程序运行时通过I²C总线与OV7670的I²C接口进行信息交互，将OV7670初始化为VGA分辨率、输出RGB565格式数据的模式。
釆集到的图像信息经过写FIFO后，在釆用VerilogHDL设计的SDRAM控制器的控制下，被送至SDRAM进行存储。
图像数据经过图像处理模块(Sobel)被发送到VGA控制器，经VGA接口电路，显示在VGA显器上。
OV7670内部相关寄存器的配置信息被写入到控制模块，在程序运行时通过I²C总线与OV7670的I²C接口进行信息交互，将OV7670初始化为VGA分辨率、输出RGB565格式数据的模式。
釆集到的图像信息经过写FIFO后，在釆用VerilogHDL设计的SDRAM控制器的控制下，被送至SDRAM进行存储。
图像数据经过图像处理模块(Sobel)被发送到VGA控制器，经VGA接口电路，显示在VGA显器上。
2025/11/22 19:30:13
8.17MB
1
C#实现对压缩的DAT图像数据文件的读取，将二进制数据文件按照一定的尺寸还原为bmp图像文件，显示在界面上，同时可以实现将二进制图像保存在数据库中
2025/11/21 21:45:03
55KB
1
在vs2013平台下用c++实现的通过Kinect获取场景点云数据并显示的程序。
获取线程从Kinect中读取深度数据与图像数据，经坐标映射与融合后生成目标点云数据，通过boost的信号槽机制传输到主线程中并将其使用PCL提供的visualizer在窗口中加以显示。
编译运行前需要配置PCL与Kinect2.0SDK两个外部依赖库。
整体代码简单，思路清晰，适合刚入门的新手学习。
获取线程从Kinect中读取深度数据与图像数据，经坐标映射与融合后生成目标点云数据，通过boost的信号槽机制传输到主线程中并将其使用PCL提供的visualizer在窗口中加以显示。
编译运行前需要配置PCL与Kinect2.0SDK两个外部依赖库。
整体代码简单，思路清晰，适合刚入门的新手学习。
2025/10/31 1:45:46
10KB
1
为解决多通道光谱图像数据成像过程中更换滤光片造成的几何畸变问题，研究了一种基于快速稳健特征(SURF)与最大子矩阵的多通道光谱图像配准方法。
利用SURF算法提取了多通道光谱图像的特征，经过透视变换得到初步配准图像。
针对配准后图像边缘出现零像素值无效区域的问题，提出了通过最大子矩阵检测图像中最大内接矩形的方法，去掉了无效边缘区域，最大化地保留了有效区域信息。
对壁画的多通道成像数据进行了实验。
结果表明，所提方法在图像尺度与亮度变化方面具有更好的稳健性，能够避免其他配准方法中无效区域对后续光谱重建与颜色复原的影响，在配准精度、信息最大化保留、时间效率方面也具有更好的性能。
利用SURF算法提取了多通道光谱图像的特征，经过透视变换得到初步配准图像。
针对配准后图像边缘出现零像素值无效区域的问题，提出了通过最大子矩阵检测图像中最大内接矩形的方法，去掉了无效边缘区域，最大化地保留了有效区域信息。
对壁画的多通道成像数据进行了实验。
结果表明，所提方法在图像尺度与亮度变化方面具有更好的稳健性，能够避免其他配准方法中无效区域对后续光谱重建与颜色复原的影响，在配准精度、信息最大化保留、时间效率方面也具有更好的性能。
2025/10/5 11:42:46
10.91MB
1
一、二维卷积层（用于处理图像数据）1.二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。
卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。
2.二维卷积层二维卷积层将输入和卷积核做互相关运算，并加上一个标量偏置来得到输出。
卷积层的模型参数包括卷积核和标量偏置。
3.互相关运算与卷积运算卷积层得名于卷积运算，但卷积层中用到的并非卷积运算而是互相关运算。
我们将核数组上
卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个位置上，卷积核与该位置处的输入子数组按元素相乘并求和，得到输出数组中相应位置的元素。
2.二维卷积层二维卷积层将输入和卷积核做互相关运算，并加上一个标量偏置来得到输出。
卷积层的模型参数包括卷积核和标量偏置。
3.互相关运算与卷积运算卷积层得名于卷积运算，但卷积层中用到的并非卷积运算而是互相关运算。
我们将核数组上
2025/8/20 18:17:09
47KB
1
针对高光谱图像空间分辨率不足导致异常检测虚警率过高的问题，提出了一种利用主成分分析（PCA）和IHS变换融合以降低虚警率的算法。
首先对低分辨率高光谱图像进行PCA变换，提取3个主成分；
然后对这3个主成分和高分辨率图像分别进行IHS变换，得到各自的强度分量，把高光谱数据的强度分量替换成高分辨率图像的强度分量；
再运用IHS变换的可逆性，将新的强度分量与原色度分量和饱和度分量进行IHS逆变换，得到空间信息增强的高光谱图像数据；
最后使用KRX算法对空间信息增强的高光谱图像数据进行异常检测。
实验结果表明，本文算法的虚警率与KRX算法相比有很大的降低，取得了良好的检测效果。
首先对低分辨率高光谱图像进行PCA变换，提取3个主成分；
然后对这3个主成分和高分辨率图像分别进行IHS变换，得到各自的强度分量，把高光谱数据的强度分量替换成高分辨率图像的强度分量；
再运用IHS变换的可逆性，将新的强度分量与原色度分量和饱和度分量进行IHS逆变换，得到空间信息增强的高光谱图像数据；
最后使用KRX算法对空间信息增强的高光谱图像数据进行异常检测。
实验结果表明，本文算法的虚警率与KRX算法相比有很大的降低，取得了良好的检测效果。
2025/8/15 1:14:24
814KB
1
huff是无损压缩，绝对可用的哈夫曼编解码，本程序附带图像数据处理试验结果原始数据与编码后解码后的数据结果完全相同。
2025/7/31 19:06:11
33KB
1
我们使用了循环一致性生成对抗网络（CycleConsistentGenerativeAdversarialNetworks,CycleGAN）实现了将绘画中的艺术风格迁移到摄影照片中的效果。
这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。
我们使用了一些自己制作的数据集训练了CycleGAN风格迁移模型，并分析了这种方法的优点和局限性。
为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。
我们还利用了MaskR-CNN模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。
这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。
我们使用了一些自己制作的数据集训练了CycleGAN风格迁移模型，并分析了这种方法的优点和局限性。
为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。
我们还利用了MaskR-CNN模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。
2025/7/12 14:11:22
5.32MB
1
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。
2024-04-09 15:03
15KB