asperReport的应用，发现大部分都是讲如何将jasper导入一个html或pdf进行打印的例子，并没有直接将jasperReport打印生成一个图像的示例。包括jaspe自带的demo里面，所以有高手就写了如何生成图片的方法

缩图工具 使用的缩略图生成器示例。 这是一个简单示例，说明如何在笔记本电脑上构建类似于AWS Lambda的功能。 依存关系 依赖关系由使用npm install管理。 npm install 配置 请使用您的本地参数编辑config/development.json ，当前示例指向 本示例仅适用于使用扩展API的Minio服务器 跑步 配置完成后，继续运行。 node thumbnail.js Listening for events on " images " 现在使用mc上传图片 mc cp ./toposort/graph.jpg play/images/ ./toposort/graph.jpg: 34.29 KB / 34.29 KB ┃▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓

因为课程需要，本人花了一下午时间制作的PPT，查找了许多资料，结合自己特学期所学到理解来制作的PPT，适用于小组模块展示，也适用于个人演示。

《Markov Random Field Modeling In Image Analysis》(3rd Edition,Stan Z.Li,2009).pdf

Neat Image Pro Plus (专业图片降噪软件) Neat Image 是一款功能强大的专业图片降噪软件，适合处理 1600×1200 以下的图像，非常适合处理曝光不足而产生大量噪波的数码照片，尽可能地减小外界对相片的干扰。Neat Image 的使用很简单，界面简洁易懂。降噪过程主要分四个步骤：打开输入图像、分析图像噪点、设置降噪参数、输出图像。输出图像可以保存为 TIF、JPEG 或者 BMP 格式。

小波变换及matlab原始码最新的可再现图像恢复 基于深度学习的图像恢复工作的最新技术，包括图像超分辨率，降噪，修复，增强和一般恢复等。某些代码可能不是官方的，请仔细检查。 每个小节下的列表可能有重叠。 此列表由维护。 信息来源 该系列的灵感来自以下来源，并进行了重新组织： 去噪 超分辨率 图像超分辨率 我们遵循来组织网络设计思想中的相关工作。 每个小节下的列表可能有重叠。 监督方法 基于深度学习的超分辨率始于SRCNN。 神经网络使用深度卷积网络（TPAMI15）的图像超分辨率，Dong等。 剩余学习 VDSR 使用非常深的卷积网络（CVPR16）进行准确的图像超分辨率，Kim等。 网际网路Memnet：用于图像恢复的持久性存储网络（ICCV17），Tai等。 红色的使用具有对称跳过连接的超深度卷积编码器/解码器网络进行图像恢复（NIPS2016），Mao等人。 DRRN Tai等通过深度递归残差网络（CVPR17）实现图像超分辨率。 国际化域名Hui等人通过信息蒸馏网络（CVPR18）进行快速，准确的单图像超分辨率。 EDSR Lim等人，用于单图像超分辨率的增强型深度残差网络（N

Qt5-ImageViewer Qt5 中的简单图像查看器 练习 1. 高级操作系统 - ULL

所提出的系统基于使用离散小波变换 (DWT) 技术的图像压缩和使用人工蜂群和粒子群优化等进化算法的优化。 优化提供了良好的图像质量以提供更好的结果。 随着图像质量及其大小的不断增加。 市场上的许多产品都采用先进技术的图像进行控制和显示。 图像压缩是不同类型多媒体服务中的一种技术。 在这个项目中，称为离散小波变换 (DWT) 的编码技术应用于图像压缩。 这些技术使用较少的内存。 为了找到最好的图像质量，我们将使用进化算法进行优化。 进化算法是物种的进化，它侧重于机制。 由于使用 DWT 压缩图像后图像质量下降，因此我们使用进化算法来优化压缩图像。 这里使用了两种进化算法：人工蜂群和粒子群优化，并根据 PSNR、CR、MSE 和熵等参数对它们进行比较。

Image-blending.rar

CNN图像分类 这个基于CNN的模型将图像分为9类（“飞机”，“汽车”，“鸟”，“猫”，“鹿”，“狗”，“青蛙”，“马”，“船”，“卡车”）使用tensorflow，keras，numpy，scikit-learn，matplotlib