WalletConnect v1.xx 对于钱包连接到Dapps开放式协议- 配套 开发包 当前版本 描述 钱包连接 开发包 客户群 当前版本 描述 @ walletconnect / core 核心客户 @ walletconnect /客户端 同构客户端 提供者 当前版本 描述 @ walletconnect / ethereum-provider 以太坊提供商 @ walletconnect / web3-provider Web3提供商 @ walletconnect / web3-subprovider Web3子提供者 @ walletconnect / truff

完全的通用USB开发库，完全的C#调用接口和帮助文档，本人开发USB上位机软件包时，发现都是非托管的C++调用库，C#调用库非常少。所以收集了这个，供用.NET方式开发USB的朋友使用。

图像直方图均衡化算法matlab代码音调映射库 现实世界中的场景通常具有很大的动态范围（最亮与最暗强度之比），可以跨越几个数量级。 这样的高动态范围（HDR）图像无法在常规显示器上直接复制。 为了获得更自然的外观，必须将强度范围压缩到显示器的低动态范围，同时大致保持图像的外观。 此过程称为色调映射或动态范围压缩。 在MATLAB中已考虑并实现了许多有助于色调映射的算法。 用户可以根据速度，详细信息等的要求自由选择其中任何一个 线性和对数缩放 将HDR图像加载到程序中，并通过线性重新缩放像素值使其形象化。 可以完成线性重新缩放的不同范围，而不仅仅是0-255 请注意，HDR图像包含线性强度值，而低动态范围图像则被非线性量化，因此请使用伽玛校正来获得合理的图像。 创建了两种Gamma函数： 未缩放：应用该功能时不将输入图像缩放到0-1 缩放：缩放后应用函数，然后将线性重新缩放应用到0-255或max（0，minOrig）-min（255，maxOrig） 作为基线色调映射算法，在对数亮度域中执行重新缩放。 也就是说，计算亮度L = 0.299R + 0.587G + 0.114B并取其对数

############################################### #### #STM32F100 VL 探索板-ST7735 LCD 库################################## ################## ＃＃要求：＃＃ STM32F100 价值线探索板 1.8" TFT LCD 模块 (ST7735R) ARM GCC 工具链安装arm-none-eabi GDB服务器 此存储库中包含的库 ＃＃安装：＃＃ 克隆或下载此存储库的本地副本 ST7735LCD目录内是 LCD 库的源代码。 spi.c spi.h是用于与 LCD 通信的 SPI 函数的来源 ST7735.c ST7735.h是各种 ST7735 LCD 功能的源代码 main.c main 函数所在的位置 将源码编译成ST7735.elf 使用

Arduino-Temperature-Control-Library-master 库文件

How to connect to Siemens S7 plc with C# and Sharp7 library,与S7PLC连接的示例，使用的是成熟 的Sharp7 库。

Raspberry Pi Python库，用于使用INA219的电压和电流传感器 该Python库支持Python 2和3上的Texas Instruments的电压，电流和功率监控器传感器。该库的目的是使使用该传感器的相当复杂的功能变得容易。 该库当前仅支持连续读取电压和功率，但不支持触发式读取。 该库支持在电流/功率计算中检测溢出，从而导致这些读数的意义不大。 支持INA219的低功耗模式，因此，如果仅偶尔在基于电池的系统中进行读取，则可以将电流消耗降至最低。 该库已通过进行了测试。 安装与升级 该库及其依赖项（ ）可以通过执行以下操作从PyPI安装： sudo pip3 in

GNU科学计算库（GSL）是数值计算例程的集合。这些例程是用C从头开始编写的，为C/C++程序员提供了一个现代的应用程序编程接口（API），允许为非常高级的语言编写包装器。本指南详解了GSL库的方方面面，值得新手和老手反复学习和参考。阅读此手册需要有一定的C/C++基础

PyCNN：使用Python的细胞神经网络进行图像处理 细胞神经网络（CNN） 是最早在1988年细胞神经网络提出类似于神经网络，与该通信在相邻单元之间只允许的差的平行计算模式。 图像处理是其。 CNN处理器旨在执行图像处理； 具体来说，CNN处理器的原始应用是执行数字处理器无法实现的实时超高帧速率（> 10,000 frame / s）处理。 这个python库是CNN的实现，用于图像处理。 注：该库已在发表的研究被引用，寻找在参考部分中引用＃19。 我很高兴这个图书馆可以为社区提供帮助。 注意：不得将细胞神经网络（CNN）与完全不同的卷积神经网络（ConvNet）混淆。 如上图所示，想象一个带有反馈回路的控制系统。 f（x）是分段线性S型函数。 控制（模板B）和反馈（模板A）模板（系数）是可配置的，并控制系统的输出。 在确定常用图像处理技术的模板方面已经进行了重大研究，这些模板已发布在此。 进一步阅读： 动机 这是2014年第14届细胞纳米级网络和应用（CNNA）大会上演示的扩展。我写了一篇博客文章，可在。 我的论文使用了该库在IEEE Xplore中发布了一个。 依存

翻译API 简单的Java库，无需使用API​​ KEY就可以使用Google Translate翻译文本 屏幕截图 下载 步骤1.将其添加到存储库末尾的root build.gradle中： allprojects { repositories { ... maven { url ' https://jitpack.io ' } } } 步骤2.添加依赖项 dependencies { implementation ' com.github.iammannan:TranslateAPI:1.1 ' } 完整代码-示例 TranslateAPI translateAPI = new TranslateAPI ( Language . AUTO_DETECT , // Source Language Language . TAMIL , // Target