MCTF--MISC

本文详细介绍了MCTF比赛中关于MISC部分的解题过程,包括编程题和图像隐写等挑战。通过递归解决一笔画问题,使用pwntools库处理字符串替换,学习图片隐写技巧,理解ZIP文件格式及明文爆破,以及解决Python沙箱逃逸问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

之前结束了我们学校的校赛,为了师弟更好的学,那就出个详细的wp吧,首先先讲杂项MISC,这次的MISC其实还是非常简单的。

一笔画完

这题其实只是一个简单的编程题,运用的思想就是递归,这个题不多解释,直接给出脚本:

#!/usr/bin/env python
# encoding: utf-8

from pwn import *
#   * 0
#   # 2
#   . 1

p=remote("123.206.131.120", 9998)
p.recvuntil("]\n")
p.sendline("y")

for T in range(1):
	maze=[   "......",
					 "......",
					 "......",
					 "......",
					 "......",
				   "......"		]

	#maze1=["....#.","......","...#..",".#*...","......"]

	p.recvuntil(":\n")

	for i in range(6):
		pic=p.recvuntil("\n",drop=True)
		maze[i]=pic
	print maze

	data=[[],[],[],[],[]]

	for i in range(5):
		for j in range(6):
			if maze[i][j]==".":
				data[i].append(1)
			if maze[i][j]=="*":
				data[i].append(0)
			if maze[i][j]=="#":
				data[i].append(2)

	print data

	ways=[]
	waysx=""
	waysy=""
	payload=""
	def dfs(data,row,i,ways):
	#     a=[1,-1]
		data[row][i]=3 #这里置为3表示已经这个点已经走过
	 
		if row+1<len(data) and data[row+1][i]==1:
		    if not dfs(data,row+1,i,ways):
		        data[row+1][i]=1
	 
		if row-1>-1 and data[row-1][i]==1:
		    if not dfs(data,row-1,i,ways):
		        data[row-1][i]=1
	 
		if i+1< len(data[0])and data[row][i+1]==1:
		    if not dfs(data,row,i+1,ways):
		        data[row][i+1]=1
		    
		if i-1 >-1 and data[row][i-1]==1:
		    if not dfs(data,row,i-1,ways):
		        data[row][i-1]=1
		for row1 in data:
		    for i1 in row1:
		        if(i1==1):
		            return False
		ways.append((row,i))
		return True
	 
	for row in data:
		for i in row:
		    if i==0:
		        dfs(data,data.index(row),row.index(i),ways)
	#print(ways)


	for i in range(len(ways)-1,-1,-1):
		sh=""
		sh=ways[i]
### 高通EIS和MCTF视频处理技术实现原理 #### 1. EIS(电子图像稳定) 高通的电子图像稳定(Electronic Image Stabilization, EIS)是一种软件算法驱动的技术,用于减少因设备抖动而导致的视频模糊或晃动感。其核心在于利用陀螺仪数据实时检测设备的运动状态,并通过复杂的计算调整每一帧的画面位置,从而达到稳定的视觉效果。 - **工作流程** - 设备内置的陀螺仪传感器捕捉到设备的旋转角度变化并将其转换为数字信号[^2]。 - 这些信号被传递至高通Spectra ISP中的专用模块进行分析和处理。 - ISP根据这些数据分析出每帧画面应如何位移以抵消抖动的影响。 - 最终,经过修正后的帧会被重新组合成一段流畅、无明显抖动的视频流。 - **优势** - 不依赖额外硬件组件即可显著提升稳定性。 - 能够有效应对轻微至中等程度的手持拍摄不稳情况。 #### 2. MCTF(Motion Compensation Temporal Filtering) 运动补偿时间滤波(Motion Compensation Temporal Filtering, MCTF)是一项高级视频增强技术,主要用于改善低光照条件下的录制质量以及降低噪声水平。它通过对连续几帧之间的像素关系建模来进行动态预测与校正操作。 - **基本概念** - MCTF通过比较相邻两帧间物体的位置差异来估计它们的实际移动轨迹[^3]。 - 利用这种估算结果可以更好地分离场景内的真实动作成分同随机产生的干扰因素——比如热噪声或者光子统计波动等现象造成的杂点分布模式。 - **实施步骤** ```python def apply_mctf(video_frames): compensated_frames = [] for i in range(1, len(video_frames)-1): # Skip first & last frame due to boundary conditions. prev_frame = video_frames[i-1] curr_frame = video_frames[i] next_frame = video_frames[i+1] motion_vector = estimate_motion(prev_frame, next_frame) # Estimate movement between frames. filtered_curr_frame = compensate_and_filter(curr_frame, motion_vector) compensated_frames.append(filtered_curr_frame) return compensated_frames def estimate_motion(frame_a, frame_b): """Estimate the motion vector using block matching or optical flow techniques.""" pass def compensate_and_filter(current_frame, mv): """Apply compensation based on estimated MVs and perform temporal filtering.""" pass ``` - **性能特点** - 显著提高了弱光线环境里的画质清晰度。 - 减少了长时间曝光所引发的各种形式伪影的发生几率。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值