matlab简单图像处理代码用于结构光方法的OTSLM工具箱 一组Matlab函数和图形用户界面，用于为诸如数字微镜设备（DMD）和液晶类型设备之类的相位和幅度空间光调制器（SLM）生成图案。 该工具箱的重点是用于光镊系统的图案，但是在需要对光进行幅度或相位控制的其他应用中，可以使用相同的功能。 在初始版本中，我们包含了该小组当前正在使用或感兴趣的功能，但是我们希望其他人也可以为他们在研究出版物中使用的模式提供代码。 如果您想贡献模式，我们很乐意听取您的意见，请参阅下面的“贡献”部分。 该工具箱正在进行中。 至少在早期版本中，这些功能可能会四处移动，更改名称和行为。 某些功能仍缺乏文档，可能有些不稳定。 欢迎提出意见和建议。 要开始使用工具箱，请查看文档。 您可以访问文档，或在docs目录中。 或者，有关快速安装说明和依赖关系，请参见下面。 安装及使用 要使用工具箱，请下载存储库，然后将下载目录添加到您的路径中。 可以通过在函数名称前添加otslm.来访问函数otslm. ， 例如 im = otslm.simple.linear([ 10 , 10 ], 3 ); 要查找有关工具箱中

半监督单图像去雾 半监督单图像去雾代码。 依赖 pytorch >= 1.0 visdom 数据集制作 通过以下方式使您成为数据集： 合成图像：将两张图像（朦胧（HxWxC），清洁（HxWxC））对齐为一张图像（Hx2WxC）。 要注意的是，H和W应该是8的倍数。将它们（ ./datasets/dehazing/train张图像）放在./datasets/dehazing/train 。 真实的模糊图像：将它们（ ./datasets/dehazing/unlabeled张图像）放在./datasets/dehazing/unlabeled 测试图像：与1.对齐，然后将它们放在./datasets/dehazing/test 火车 您可以通过以下方式训练模型： python train.py --dataroot ./datasets/dehazing --name run_

数电综合复习材料，各个触发器的单图，期末期中练习材料

超分辨率重建数据集

基于 Java 的简单图形验证码识别

包含stl打印件,3d打印机清单，调平教程，接线说明，本机结构为corexy型的，精度高，速度快。 属于先进机型，非常适合3d打印爱好者进行手动制作。

使用QWidgetAction实现的鼠标滑过菜单项图标高亮显示，用到了QWidgetAction以及自定义QWdiget，实现了菜单项图标、文字以及子菜单指示器的定制，使用qss+动态属性作为菜单项的样式定制；代码是在qt5.7.1 的基础上编写的，可编译通过运行。

matlab简单图像处理代码 3D-connect-component-label-with-GPU This is my 3D parallel algorithm, but it is not perfect. It provides a way for you to optimize it. I hope someone can give a good opinion    由于医学项目中需要实现3D连通域算法，matlab有自带的3D连通域算法，挺快的    但是要实现c++版本，2d连通域实现的算法思路上就是two pass method，    当时我为了快速实现，就直接写了一个广度搜索的3d连通域算法    于是，我想能不能实现一个并行的3D连通域算法呢，于是我google，发现了几篇很好的with gpu的2D CCL，但并没有3D Parallel，发现主要思想还是two pass method，不过因为并行，所以需要考虑每个像素点的独立，在这里进行了处理 论文分别是：     Parallel graph component labelling with GPUs

vfp程序，把vfp的界面，表面保存为bmp图片

1. 节点预测：预测节点的类别或某类属性的取值 1. 例子：对是否是潜在客户分类、对游戏玩家的消费能力做预测 2. 边预测：预测两个节点间是否存在链接 1. 例