Bad argument (The convex hull indices are not monotonous...问题解决
解决报错：OpenCV: terminate handler is called! The last OpenCV error is:
OpenCV(4.5.2) Error: Bad argument (The convex hull indices are not monotonous, which can be in the case when the input contour contains self-intersections) in convexityDefects, file G:\workspace\opencv-4.5.2\modules\imgproc\src\convhull.cpp, line 360详情请查看博客
倒向随机微分方程去噪重建图像
利用倒向随机微分方程融合进去噪算法中，进行图像重建，保留边缘、细节等信息，而不模糊。
AI推理卡状态实时监测
AI推理卡状态实时监测，监测了卡的数量、温度、内存占用率、AI核当前频率/最大频率等数据。
用于自动化检测的颗粒数据集
粉体颗粒数据集示例，不同形态颗粒图片
opencv4.2与opencv4.5.2编译好的文件
在cmake编译opencv时所需下载的相关文件，如ffmpeg、boostdesc、vgg等等。opencv4.2.0和opencv4.5.2两个版本所需的cache文件都有。我编译完毕的opencv4.2.0_64bit_mingw4.9.2以及opencv4.5.2_32bit_mingw4.9.2包都已上传，参考https://blog.csdn.net/wd1603926823/article/details/135125976?spm=1001.2014.3001.5502
深度学习模型加密解密并附图
使用AES对深度学习模型加密解密；生成随机密钥对pb模型加密；
opencv4.5.2与opencv4.2.0所需的cache文件
在cmake编译opencv时所需下载的相关文件，如ffmpeg、boostdesc、vgg等等。opencv4.2.0和opencv4.5.2两个版本所需的cache文件都有。
AI推理卡图像分类分割推理模板
我的需求：x86上Nvidia显卡训练好的模型用在AI推理卡上，host端运行C++主程序device端的AI推理卡提供NN算力，进行推理。
详细过程见https://blog.csdn.net/wd1603926823/article/details/127208430 python与c++例子均跑过，且与Nvidia显卡结果均一致
用盲去模糊算法实例测试
盲去模糊算法，使用了优化后的Split Bregman，单尺度计算模糊核，然后利用模糊核去模糊。效果如https://blog.csdn.net/wd1603926823/article/details/45271889 中所示。
tensorflow c++图像分割
使用编译好的tensorflow C++第三方库，调用库中的函数进行图像分割，注意调用方法与众所周知的图像分类不同。经过查找很久才知道，效果如博文https://blog.csdn.net/wd1603926823/article/details/45080651中所示。
提取图像LBP特征uniform LBP
根据博文中uniform LBP/旋转不变性等价或均匀LBP 原理，编写相应C++代码，并测试与python函数skimage.feature.local_binary_pattern函数结果几乎一致。
MZU07_7EG_Vitis2021.1简单上手教程
诉求/目的：FPGA实现算法硬件加速，Vitis编码--程序调试、性能分析、固化--导出到SD卡--开发板运行算法。
tensorflow2.5.0-GPU测试工程
在ubuntu16.04上编译好tensorflow2.5.0-GPU；使用的是RTX 2060 Super测试多张图片；比TF-CPU加速很多。
全景拼接预处理欠曝光解决
全景拼接技术中对每一幅图原图需要进行预处理，对于欠曝光的原图，会影响后续特征点提取，有的甚至提取不出特征点或提取出错误的特征点。这样会导致后续图像拼接出问题，必须处理。
分水岭算法改写watershed
自己改写的分水岭算法；规避使用opencv自带的分水岭；但两者结果一致。
LightGBM-c++冲突解决
LightGBM/utils/common.h:57:26: 错误：‘void* malloc(size_t)’先被声明为‘extern’后又被声明为‘static’gcc/x86_64-pc-linux-gnu/9.1.0/include/mm_malloc.h:41:7: 错误：‘__alignment’在此作用域中尚未声明
装修的专业知识与收支记录
我自己装修过程中的收支记录与之前学习的专业知识
依赖性流程的动态并行方案
强依赖性算法流程也可以并行，原图是600x2496尺寸，CPU是i7-6700.性能提升50%
denoising algorithm
denoising algorithm which changes from my blog，代码版本，包含CUDA版本与非CUDA版本
鱼眼图像有效区域扫描算法，提取鱼眼图像！逐行逐列扫描算法，包含测试图片和得到的结果图。
鱼眼图像有效区域扫描算法，提取鱼眼图像！逐行逐列扫描算法，包含测试图片和得到的结果图。
overlap-segmentation.zip
不规则形状、高度重叠、大量粘连的目标分割，耗时比神经网络少很多，更适合工业应用。放了部分代码和实现原理，即可根据原理实现。附上我的结果图。
batch-inference.cpp
使用tensorflow C++库进行batch inference的完整实例，可替换成自己的例子。已测试成功并在工程上运行了几年。无问题。
Graph加速示例.zip
之前的cv流程耗时太长了，而我们工业对性能要求高，所以必须对很多cv流程加速特别是耗时的api。偶尔发现这个Graph管道框架加速比可以达到3到5！性能可观。
denoise-algorithm.zip
我分析拆解后的去噪原理、编码流程及部分仿真结果，去噪的同时不带来任何模糊效应，高度保留细节的同时有效去噪。而且可以并行实现，这样满足工业实时要求。
Mask R-CNN问题.zip
使用Mask R-CNN C++ inference达到图像分割目的，可是这个写法有什么问题，导致与python或使用cv：：dnn的结果有点数据不一致。但存图肉眼看不出差别，可是输出数据却有差别？
cellpose-planer-cp.py
cellpose-planer的cupy版本。但是我目前的cupy版本里没有label，估计升级就好了。现在这个上传的版本是屏蔽了部分内容的。
cellpose-planer-update.zip
cellpose-planer直接下载然后按照github说明使用会有问题，这个是更新的，而且有使用报错解决方案。目前已测试通过，没问题了。
mydownload4.5.2.zip
cmake编译opencv4.5.2时会报很多关于boostdesc、vgg以及ippicv、tbb、wechat_qrcode方面的错，因为下载不了这些文件，我已打包上传到此。直接下载，然后将这些文件复制到.cache对应位置即可。别的opencv4.x版本也可用，根据需要更改文件，比如对4.1.0来说，我上传的这个tbb版本就过高。
boostdesc_vgg_ippicv_face_landmark_model
cmake编译opencv时需要的一些东西比如一些boostdesc文件vgg文件ippicv文件以及face_landmark_model.dat文件，没有的话编译不过。怎么使用可以参考我编译opencv4.4时的博文步骤
学python的官方文档
这是以前学python的官方文档，收集的。以前看过但是现在忘记了
HLS优化讲解含代码
发现这个文档很好的诠释了HLS的优化指令，因为有代码对比。甚至比ug902中的纯语言上讲解更给力。
Sdsoc优化指南
我觉得一个比较实用的文档，关于Ｓｄｓｏｃ优化指令。使用方法和意思。
自动对焦草稿
自动对焦草稿--根据论文《基于边缘特征的光学图像清晰度判定》和《基于边缘特征的单帧图像清晰度判定》，但这个还不是万能的。只能说比之前用的自动对焦要准确些。
vivado HLS图像处理了解
使用vivado HLS 进行图像处理，需要了解的一些基本知识!
中文字体库linux可用
网上很多的字体库都是在windows下测试使用才不会乱码也不会有内存泄漏；但移植到linux下时，很多都会出现乱码或者字数限制等问题，这个是修改过的，CentOS和ubuntu下都可以使用，不会乱码也不会有什么限制！
Intel核显host多线程与单线程OpenCL
Intel核显OpenCL加速单线程与多线程，单线程下使用CPU作为device可达到1.8秒，但多线程下使用了多设备耗时是15.8秒。与以前AMD下单/多线程都是17.3秒大大不同。
Intel_OpenCL_driver_script_linux
官网给出了脚本直接安装Intel OpenCL driver,我之前都是自己新建一个txt将这段脚本复制过去，结果安装时总是出错，不能复制！要直接下载。
Nvidia-AMD-need-headers
AMD和Nvidia显卡在进行OpenCL编程时需要的一些头文件！有这些调试等等都很方便；加载图像也很方便！可以放进自己的工程目录下即可使用！
RSS订阅
10328
20