水库输入数据修改

一款由C#编写的纸牌类小游戏Black Jack源码 VS2010以上编译运行

以光电跟踪测量系统可见光镜头为例，通过对镜头进行仿真分析，寻找杂散光斑形成原因，然后进行杂散光抑制设计，并与实际测试结果对比，验证软件分析方法的可靠性。对光学系统建立软件分析模型，确定一次散射路径，对2°~3°内各离轴角分别进行杂散光分析，找出主要杂散光源。与实际光学系统测试结果对比，以确定分析的正确性。仿真分析结果表明：离轴角在2.20°~2.65°之间，杂散光在像面中心形成明显杂散光斑，点源透过率(PST)为2.92×10-4。最后通过修改结构，消除杂散光斑，PST 降为3.53×10-5。软件分析得到镜头的杂散光斑及其来源，与实际测试结果一致，验证了软件分析方法的正确性与准确性。

杂散光是影响光学系统成像质量的重要因素之一，因此对杂散光的分析与抑制成为现代红外光学系统设计过程中的一个重要环节。根据杂散光抑制要求，确定了天基红外成像光学系统的结构形式；分析了系统存在的杂散光源，计算了系统点源透过率(PST)须满足的条件；设计并分析了遮光罩、挡光环、遮光板、光阑和消杂散光材料等杂散光抑制方法；在杂散光分析软件TracePro 中建立系统模型，分别对系统内部及外部杂散光进行分析，计算并绘制了PST 曲线。结果表明，系统内部杂散光为1.53×10-3 W/m2，系统外部杂散光PST 曲线整体为下降趋势，PST 在离轴角度为±3°时达到10-3～10-5，系统对杂散光的抑制能力完全满足成像质量要求。

在传统的基于波前探测的解卷积方法中, 由波前探测得到的点扩展函数被认为是精确的, 并用维纳滤波进行复原, 但是点扩展函数不可避免地存在误差, 所以最终的复原目标图像质量不佳。为了解决该难题, 提出了基于目标和点扩展函数联合估计的图像近视解卷积算法。它运用了点扩展函数和目标的先验信息, 对点扩展函数和目标进行了规整和进一步约束, 从而得到更优的恢复图像质量。对该方法的原理和实现过程进行了阐述, 并将其运用于室内点源目标数据中。实验结果证明, 与维纳滤波方法相比, 该方法使图像恢复的效果得到明显改善。

最近做了一个24点的程序，思想是循环生成4个数的排列和11种表达式，再计算结果，如果为24则成功。 注：生成的数使用扑克牌显示。 一些关键的类如下： 1.排列组合类 2.计算器类 3.24点计算类。

有matlab的一些基本操作的实例 函数的作图、函数的编写等等

固体声学中需要实现在一平面上施加一个方向的点源声场，求解整个平面上的声波传播模式，其中数值模拟采用有限差分的方法

输入四个数,python自动算24点

打印图文-点源快印通图文批量处理专家软件Ver2.7.5.2 X64.docx