轮廓fcmap.m：用精确的色彩图填充轮廓图 作者：凯利·科尔尼（Kelly Kearney） 该存储库包括contourfcmap.m函数Matlab函数的代码，以及运行它所需的所有从属函数。 该函数创建一个阴影轮廓图，与contourf函数创建的轮廓图相似。 但是，contourf图及其颜色图之间的关系（即确切地对应于每个轮廓间隔的颜色）通常会造成混淆和不一致。 相反，该功能允许用户精确指定每个间隔中要使用的颜色，还可以为超出轮廓线限制的区域选择颜色。 内容 入门 句法 描述 例子 Contourfcmap背后的算法 会费 入门 先决条件 此功能需要Matlab R14或更高版本。 下载与安装 可以从或下载此代码。 File Exchange条目每天从GitHub存储库更新。 Matlab搜索路径 需要将以下文件夹添加到您的Matlab搜索路径中（通过addpath ， pat

视频监控、军事目标识别以及消费型摄影等众多领域对图像清晰度有很高的要求. 近年来, 深度神经网络在视觉和定量评估的应用研究中取得较大进展, 但是其结果一般缺乏图像纹理的细节, 边缘过度平滑, 给人一种模糊的视觉体验. 本文提出了一种基于生成对抗网络的图像清晰度提升方法. 为了更好的传递图像的细节信息, 采用改进的残差块和跳跃连接作为生成网络的主体架构, 生成器损失函数除了对抗损失, 还包括内容损失、感知损失和纹理损失. 在DIV2K数据集上的实验表明, 该方法在提升图像清晰度方面有较好的视觉体验和定量评估.

PyRTL PyRTL提供了适用于教学和研究的pythonic设计，仿真，跟踪和测试的类的集合。首要目标是简单，可用性，清晰度和可扩展性，而不是性能或优化。功能包括： 通过执行精化，意味着可以使用包括自检在内的所有Python 在一个文件中设计，实例化和模拟所有内容，而无需离开Python 导出到普通HDL或从中导入（当前支持BLIF输入，Verilog输出） 检查终端上的波形执行情况，或按项目规模导出到.vcd 精心制作，综合和基本优化 小型且定义明确的内部核心结构意味着编写新的转换更加容易 包括电池意味着很多有用的组件已经可用，并且每周还会有更多可用的组件 没有屏幕截图，什么自述文件将是完整的？在下面，您可以看到在使用PyRTL编写的小型状态机的终端上直接渲染的波形。 对于用户，可以在获得更多信息和演示代码。 包装内容 如果您只是刚开始使用PyRTL，建议您先从示例开始，以了解以这种

react-luck-draw 抽奖插件 一个基于 react 的 ( 大转盘 / 九宫格 ) 抽奖插件 官方文档 & Demo演示 中文： English：If anyone can help translate the document, please contact me ldq404@qq.com 在 js / jq 中使用 在 vue 中使用 在 react 中使用 在 uni-app 中使用 在 taro 中使用 在 微信小程序 中使用 在 react 中使用 首先安装插件 # npm 安装： npm install react-luck-draw # yarn 安装： yarn add react-luck-draw 然后找到 main.js 引入插件并使用 import { LuckyWheel, LuckyGrid } from 'react-luck-draw' exp

很简单的调用，更改路径就可以使用了

高清扫描PDF文档 GA 1128-2013 安全防范视频监控高清晰度摄像机测试方法

对模糊的图像进行二次模糊，比较原图和模糊的图像相邻像素的变化。从而得出图像清晰度。使用matlab实现的reblur算法

1  引言 　　模糊是一种常见的图像失真现象，在图像获取、传输及处理过程中有许多因素会造成图像模糊，如成像系统的聚焦不良、与景物的相对运动、光的衍射以及图像压缩之后高频丢失等产生的各类模糊。模糊现象严重影响了图像的质量，降低了图像的清晰度，导致图像分析和场景理解的困难。因此，在成像系统的自动聚焦、图像增强及压缩等算法的衡量、流媒体的质量控制等方面，无参考图像的模糊度量或清晰度评价都是很有必要的，大量的研究致力于此。 　　模糊的一个明显表现为边缘的平滑，导致边缘宽度的增加，因此很多研究都是基于对边缘的分析。基于模糊边缘的平滑效应，提出一种在空间域中衡量边缘扩散的方法，该方法具有运算复杂度低，

转载。waifu2x，把动漫的低清图转高清图的工具。基本仅限动漫图片，其他的图片不太好用。下面是制作者信息。 制作者 : lltcggie 本ソフトは、画像変換ソフトウェア「[waifu2x](https://github.com/nagadomi/waifu2x)」の変換機能のみを、 [Caffe](http://caffe.berkeleyvision.org/)を用いて書き直し、Windows向けにビルドしたソフトです。 CPUで変換することも出来ますが、CUDA(あるいはcuDNN)を使うとCPUより高速に変換することが出来ます。 GitHubリポジトリは[こちら](https://github.com/lltcggie/waifu2x-caffe)になります。 本软件是根据gihub的代码中的变换功能那一部分（https://github.com/nagadomi/waifu2x），融合caffe（http://caffe.berkeleyvision.org/），制作出的面向windows的软件。虽然靠CPU也可以，但推荐CUDA(或cuDNN)，以获得更高的速度。

测试图 分辨率1920x1080，可用于主观测试高清电视或显示器的清晰度。有刻度可方便读出清晰度的线数