本文是记录我从入门到放弃写的博客，包括 C# 、WPF、UWP、dotnetcore 和 git ，所有博客使用 docx 保存

一本很不错的书。对新人老人都有很好的办助。

Yanowitz 和 Bruckstein 的二值化方法中使用的后处理步骤去除了“幽灵”对象，也可以合并到其他方法中。 计算每个打印对象边缘的平均梯度值。 平均梯度低于阈值 TP 的对象被标记为错误分类，并被删除。 该算法的主要步骤如下： 1.通过（3x3）均值滤波器平滑原始图像以去除噪声。 2.计算平滑图像的梯度幅值图像G，例如使用Sobel's edge operator。 3. 为 TP 选择一个值。 4. 对于所有 4 连通的打印分量，计算边缘像素的平均梯度。 边缘像素是与背景 4 连接的打印像素。 去除平均边缘梯度低于阈值 TP 的打印组件。 参考： Øivind Due Trier，Torfinn Taxt。 文档图像二值化方法的评估 (1995)。 可在： http : //citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.53

matlab教程 从入门到精通 matlab学习经典书籍

OpenStack从入门到精通

这是一本以程序员的视角，将计算机涉及的各个领域如硬件、操作系统、编译器等以你所编写的程序的执行为主线串了起来。即使你有操作系统、编译器、CPU方面的知识，你未必能真正从程序员的视角程序开发执行过程的细节贯穿起来。本书作者就像一个导游，带你浏览计算机真实世界，串联起了各个领域的技术，而不是像其它作者那样堆砌各种孤立的技术。

LofterArtDownloader download picture from Lofter Art python2.7 模拟JS的POST请求获得页面id 下载页面中的图片

来自激光雷达点云的已知定位相机的全密集深度图图像激光雷达传感器可以为我们提供关于周长的大量信息，这些信息对于许多自动机器人应用（例如自动驾驶汽车）非常重要。 虽然，激光雷达传感器为我们提供了 360 度的视点云并且它非常密集，但如果我们想匹配这些点云中的任何相机图像，某些相机的深度图变得非常稀疏，并且使用匹配的深度远远落后任何目的的信息。 在这个项目中，我们专注于从样本 Kitti 数据集 [1] 中读取点云、相机图像和校准参数，并为某些平移和旋转已知的相机创建密集的深度图像。

ImageColorTheme, 从图像中提取颜色主题 ImageColorTheme从图像中提取颜色主题。 pixDataimport numpy as nppixData = np.array([[R, G, B], [R, G, B],...], dtype=np.u

新版本Python3.5基础教程，从零入门必备，新书