Dalal的经典论文，2005-cvpr-Histogramsoforientedgradientsforhumandetection.pdf

根据参考图像各个通道的灰度分布，将一副图像的灰度分布映射过去，使映射后的两幅图像灰度分布非常接近，被称为histogrammatching或者histogramspecification，常用于网络训练的图像数据扩增

经典论文《HistogramsofOrientedGradientsforHumanDetection》的解读，内附一小段示例代码（Python），著名的HOG方式就源于这篇论文

AlgorithmDescriptionRecognizingobjectsfromlargeimagedatabases,histogrambasedmethodshaveprovedsimplicityandusefulnessinlastdecade.Initially,thisideawasbasedoncolorhistogramsthatwerelaunchedbyswain[1].Thisalgorithmpresentsthefirstpartofourproposedtechniquenamedas“HistogramprocessedFaceRecognition”[2]Fortraining,grayscaleimageswith256graylevelsareused.Firstly,frequencyofeverygray-leveliscomputedandstoredinvectorsforfurtherprocessing.Secondly,meanofconsecutiveninefrequenciesfromthestoredvectorsiscalculatedandarestoredinanothervectorsforlateruseintestingphase.Thismeanvectorisusedforcalculatingtheabsolutedifferencesamongthemeanoftrainedimagesandthetestimage.Finallytheminimumdifferencefoundidentifiesthematchedclasswithtestimage.Recognitionaccuracyisof99.75%(onlyonemis-matchi.e.recognitionfailsonimagenumber4ofsubject17)[1]M.J.SwainandD.H.Ballard,“Indexingviacolorhistogram”,InProceedingsofthirdinternationalconferenceonComputerVision(ICCV),pages390–393,Osaka,Japan,1990.[2]Fazl-e-Basit,YounusJavedandUsmanQayyum,"FaceRecognitionusingprocessedhistogramandphaseonlycorrelation",3rdIEEEInternationalConferenceonEmergingTechnologypp.238-242

代码中完成了两个用于颜色转化的论文1.《ColorTransferBetweenImages》对应类HistogramCT.h2.《ColorTransferBasedonNormalizedCumulativeHueHistograms》对应类HistogramCT.h

（含源码及报告）本程序分析了自2016年到2021年（外加）每年我国原油加工的产量，并且分析了2020年全国各地区原油加工量等，含饼状图，柱状图，折线图，数据在地图上显示。
运转本程序需要requests、bs4、csv、pandas、matplotlib、pyecharts库的支持，如果缺少某库请自行安装后再运转。
文件含6个excel表，若干个csv文件以及一个名字为render的html文件（需要用浏览器打开），直观的数据处理部分是图片以及html文件，可在地图中显示，数据处理的是excel文件。
不懂可以扫文件中二维码在QQ里面问。

RSODDataset是用于遥感图像中物体检测的数据集，其包含飞机、操场、立交桥和油桶四类目的，数量分别为：446张图——4993架飞机，189张图——191个操场，176张图——180座立交桥，165张图——1586个油桶。
该数据集由武汉大学于2015年发布，相关论文有《EllipticFouriertransformation-basedhistogramsoforientedgradientsforrotationallyinvariantobjectdetectioninremote-sensingimages》和《AccurateObjectLocalizationinRemoteSensingImagesBasedonConvolutionalNeuralNetworks》。

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。