讲述了三维地质建模的最新进展，方法，算法及其代码。
包含了Kriging插值，DSI插值，Delaunay三角剖分，laplaciansmoothing优化等详细代码

1.1要提高图像处理水平，需要从哪些方面努力？2.1编程实现：分别用最近邻插值、双线性插值和双三次插值等方法把一幅图像面积放大9倍，并对放大效果进行比较。
2.2提出将像素宽度的m通路转换为4通路的一种算法（习题2.13），并编程实现。
3.1编程实现图像反转、对数变换和对比度拉伸。
3.2试提出一种如3.3.4节中讨论的基于直方图统计的局部增强方法，并编程实现。
3.3编程实现中值滤波、Soble运算和Laplacian锐化。
3.4对掌纹图像进行图像增强，使得掌纹纹线更清晰。
说明增强方案，并编程实现。
4.1编程实现等效于3*3邻域均值平滑的频率域滤波。
4.2编程实现同态滤波以及巴特沃思低通、高通、带通、带阻滤波器。
4.3习题4.43。
5.1编程实现可变阈值处理。
5.2编程实现Ostu图像分割方法。
5.3设计人脸方案，并编程实现。
5.4设计与实现虹膜图像分割。
6.1编程实现边界追踪算法。
6.2编程实现二值区域细化算法。
6.3编程实现灰度共生矩阵方法。
6.4习题11.16。
6.5习题11.27。
7.1编程实现印刷体数字识别（包括增强、分割、特征提取和识别）。
7.2编程实现桃子图像识别，要求能使识别蟠桃、水蜜桃、油桃、黄桃等亚种。
（包括增强、分割、特征提取和识别）

压缩包中包含的具体内容：对给定数据中的6个不同场景图像，进行全景图拼接操作，具体要求如下：（1） 寻找关键点，获取关键点的位置和尺度信息（DoG检测子已由KeypointDetect文件夹中的detect_features_DoG.m文件实现；
请参照该算子，自行编写程序实现Harris-Laplacian检测子）。
（2） 在每一幅图像中，对每个关键点提取待拼接图像的SIFT描述子（编辑SIFTDescriptor.m文件实现该操作，运行EvaluateSIFTDescriptor.m文件检查实现结果）。
（3） 比较来自两幅不同图像的SIFT描述子，寻找匹配关键点（编辑SIFTSimpleMatcher.m文件计算两幅图像SIFT描述子间的Euclidean距离，实现该操作，运行EvaluateSIFTMatcher.m文件检查实现结果）。
（4） 基于图像中的匹配关键点，对两幅图像进行配准。
请分别采用最小二乘方法（编辑ComputeAffineMatrix.m文件实现该操作，运行EvaluateAffineMatrix.m文件检查实现结果）和RANSAC方法估计两幅图像间的变换矩阵（编辑RANSACFit.m文件中的ComputeError()函数实现该操作，运行TransformationTester.m文件检查实现结果）。
（5） 基于变换矩阵，对其中一幅图像进行变换处理，将其与另一幅图像进行拼接。
（6） 对同一场景的多幅图像进行上述操作，实现场景的全景图拼接（编辑MultipleStitch.m文件中的makeTransformToReferenceFrame函数实现该操作）。
可以运行StitchTester.m查看拼接结果。
（7） 请比较DoG检测子和Harris-Laplacian检测子的实验结果。
图像拼接的效果对实验数据中的几个场景效果不同，请分析原因。
已经实现这些功能，并且编译运行均不报错！

不用matlab的自带函数，自编的边缘提取程序。
不用matlab的自带函数，自编的边缘提取程序。
不用matlab的自带函数，自编的边缘提取程序。
不用matlab的自带函数，自编的边缘提取程序。

nmanydataanalysistasks,oneisoftenconfrontedwithveryhighdimensionaldata.Featureselectiontechniquesaredesignedtofindtherelevantfeaturesubsetoftheoriginalfeatureswhichcanfacilitateclustering,classificationandretrieval.Thefeatureselectionproblemisessentiallyacombinatorialoptimizationproblemwhichiscomputationallyexpensive.Traditionalfeatureselectionmethodsaddressthisissuebyselectingthetoprankedfeaturesbasedoncertainscorescomputedindependentlyforeachfeature.Theseapproachesneglectthepossiblecorrelationbetweendifferentfeaturesandthuscannotproduceanoptimalfeaturesubset.InspiredfromtherecentdevelopmentsonmanifoldlearningandL1-regularizedmodelsforsubsetselection,weproposehereanewapproach,called{\emMulti-Cluster/ClassFeatureSelection}(MCFS),forfeatureselection.Specifically,weselectthosefeaturessuchthatthemulti-cluster/classstructureofthedatacanbebestpreserved.Thecorrespondingoptimizationproblemcanbeefficientlysolvedsinceitonlyinvolvesasparseeigen-problemandaL1-regularizedleastsquaresproblem.ItisimportanttonotethatMCFScanbeappliedinsuperised,unsupervisedandsemi-supervisedcases.Ifyoufindthesealgoirthmsuseful,weappreciateitverymuchifyoucanciteourfollowingworks:PapersDengCai,ChiyuanZhang,XiaofeiHe,"UnsupervisedFeatureSelectionforMulti-clusterData",16thACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining(KDD'10),July2010.BibtexsourceXiaofeiHe,DengCai,andParthaNiyogi,"LaplacianScoreforFeatureSelection",AdvancesinNeuralInformationProcessingSystems18(NIPS'05),Vancouver,Canada,2005Bibtexsource

ElectromagneticFieldTheoryFundamentals2nded-B.Guru,H.Hiziroglu本书简明易懂，贴近读者，深受广大师生欢迎。
　　本书包含许多实例、问题、章末小结和适当的背景材料。
书中首先介绍静电磁场和静磁场的基本概念，继而讲解麦克斯韦尔方程、电磁传播、电磁传输和电磁辐射。
另外，还增加了关于有限元法和有限差分法的章节以及关于史密斯圆图的详细附录。
　　1ELECTROMAGNETICFIELDTHEORY1.1Introduction1.2FieldConcept1.3VectorAnalysis1.4DifferentialandIntegralFormulations1.5StaticFields1.6Time-VaryingFields1.7ApplicationsofTime-VaryingFields1.8NumericalSolutions1.9FurtherStudy2VECTORANALYSIS2.1Introduction2.2ScalarandVectorQuantities2.3VectorOperations2.4TheCoordinateSystems2.5ScalarandVectorFields2.6DifferentialElementsofLength,Surface,andVolume2.7Line,Surface,andVolumeIntegrals2.8TheGradientofaScalarFunction2.9DivergenceofaVectorField2.10TheCurlofaVectorField2.11TheLaplacianOperator2.12SomeTheoremsandFieldClassifications2.13VectorIdentities2.14Summary2.15ReviewQuestions2.16Problems3ELECTROSTATICS3.1Introduction3.2Coulomb’sLaw3.3ElectricFieldIntensity3.4ElectricFluxandElectricFluxDensity3.5TheEIectricPotential3.6ElectricDipole3.7MaterialsinanElectricField3.8EnergyStoredinanEIectricField3.9BoundaryConditions3.10CapacitorandCapacitance3.11Poisson’sandLaplace’sEquations3.12MethodofImages3.13Summary3.14ReviewQuestions3.15Problems4STEADYELECTRICCURRENTS4.1Introduction4.2NatureofCurrentandCurrentDensity4.3ResistanceofaConductor4.4TheEquationOfContinuity4.SRelaxationTime4.6Joule’sLaw4.7SteadyCurrentinaDiode4.8BoundaryConditionsforCurrentDensity4.9AnalogyBetweenDandJ4.10TheElectromotiveForce4.11Summary4.12ReviewQuestions4.13Problems1ELECTROMAGNETICFIELDTHEORY1.1Introduction1.2FieldConcept1.3VectorAnalysis1.4DifferentialandIntegralFormulations1.5StaticFields1.6Time-VaryingFields1.7ApplicationsofTime-VaryingF

不用matlab的自带函数，自编的边缘提取程序。

开拓情景为QT5.8+opencv3.2，首要实现为了边缘检测，外表提取及外表跟踪，边缘检测使用了Canny算子、Sobel算子、Laplacian算子，外表跟踪使用八邻域法。

计算机图形学课程设计实验，OpenGL+VS对obj文件实现三维网格光顺操作（用拉普拉斯算法）,使用OpenGL类库对三维模型进行绘制，添加采用鼠标交互方式对三维模型进行旋转、放缩、平移等操作；
包含完整的代码和我的实验报告

LoG卷积一幅图像与首先使用高斯型平滑函数卷积改图像，然后计算所得结果的拉普拉斯是一样的。
所以在LoG公式中使用高斯函数的目的就是对图像进行平滑处理，使用Laplacian算子的目的是提供一幅用零交叉确定边缘位置的图像；
图像的平滑处理减少了噪声的影响并且它的主要作用还是抵消由Laplacian算子的二阶导数引起的逐步增加的噪声影响。

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。