墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
100+累计阅读
101平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
好久不更新自己的博客了，这段时间工作比较忙，另外自己又在重新学习C语言，所以就没有什么要写的，呵呵~~~~~~
正好今天没有什么事情做，就到处浏览文章，正好看到一篇关于调用.NET组件转换BMP到JPG的文章，他只给出了简要的代码，我把它通过自己的方式来实现了。核心的东西没有什么变化。
这个应用程序同我的第一个windows application一样，很简单，因为我还是新手……
等以后我会继续开发这个的后续版本，希望能做到类似ACD的浏览功能+图片格式转化就ok了，以后还有什么想法等到以后再说吧
程序简介：使用了pictureBox来显示bmp图片，然后执行转换函数（利用了image组件），直接保存到打开文件的目录下。
有兴趣的可以下载下去研究一下
转载于:https://www.cnblogs.com/yang_sy/archive/2005/06/24/180285.html
零基础学C#工业视觉：从相机连接到第一个图像处理程序
C#工业视觉的入门门槛并不高，核心是先跑通「采集 → 处理 → 显示」的完整链路，再逐步叠加业务功能。不需要一开始就啃复杂的算法，先把相机连接、图像操作、资源管理这些工程基础打牢，再结合具体项目场景深化算法能力，是最稳妥的学习路径。
BMP文件格式详解（BMP file format）
BMP文件格式，又称为Bitmap（位图）或是DIB(Device-Independent Device，设备无关位图)，是Windows系统中广泛使用的图像文件格式。由于它可以不作任何变换地保存图像像素域的数据，因此成为我们取得RAW数据的重要来源。Windows的图形用户界面（graphical user interfaces）也在它的内建图像子系统GDI中对BMP格式提供了支持。 下面以Notepad++为分析工具，结合Windows的位图数据结构对BMP文件格式进行一个深度的剖析。 BMP文件.
WinForm集成PaddleOCR v3：ONNX Runtime C#部署实战
OCR（光学字符识别）是一种将图像中文字转换为可编辑文本的关键技术，其核心依赖于检测、识别与方向分类等多阶段深度学习模型协同工作。在桌面端应用中，WinForm凭借稳定性和低资源占用成为政务、金融等国产化场景的首选框架。然而，将Python生态的AI模型如PaddleOCR v3无缝嵌入.NET需解决模型导出、线程安全、GPU/CPU自适应推理及UI响应等工程难题。ONNX Runtime作为跨平台推理引擎，支持C#原生调用，使PaddleOCR v3模型脱离Python环境，实现进程内高效推理。本文聚焦W
Win form 在pictureBox控件中实现选择图片然后以二进制方式保存到数据库。以及在pictureBox控件显示出来
public string txtFilePath = "";//创建一个全局字段 //选择图片事件 private void pictureBox1_Click(object sender, EventArgs e) { OpenFileDi
C# WinForm 集成 PaddleOCR v3 ONNX 实战指南
OCR（光学字符识别）是一种将图像中文字转换为可编辑文本的基础AI技术，其核心依赖于检测与识别双模型协同推理。PaddleOCR v3 作为国产高精度OCR框架，通过标准化ONNX格式输出，实现了跨平台、低依赖的模型部署能力。在工业控制、医疗终端等强约束场景中，基于 .NET 的原生集成相比Python子进程或桥接方案，具备启动快、内存省、稳定性高、可审计性强等显著工程优势。本文聚焦 WinForm 平台，详解如何利用 ONNX Runtime for .NET 直接加载 PaddleOCR v3 的检测（
C# WinForm调用USB摄像头：选型、实现与踩坑全记录
在桌面应用开发中，实时视频预览与图像采集是工业上位机、教学软件等场景的常见需求。Windows平台下的视频采集通常基于DirectShow技术，而C#开发者常借助AForge.NET或OpenCvSharp等库来简化摄像头调用。理解设备枚举、帧采集与UI线程同步的原理，是避免黑屏、卡顿、设备占用等问题的关键。从基础预览到截图、录视频，再到接入人脸识别与RTSP流，掌握一套可落地的工程方法能大幅提升开发效率。本文围绕WinForm与C#环境，梳理USB摄像头接入从选型对比到高频率问题处理的完整路径，帮助开发者
本地部署全格式文件转换工具：从环境搭建到API集成实战指南
文件格式转换是数据处理中的基础需求，涉及视频、音频、图像和文档等多种媒体类型的互操作。其核心原理是通过编解码器对文件进行解析、转码和重新封装，实现跨平台兼容性。这项技术的价值在于打破格式壁垒，提升工作流自动化程度。在应用场景上，本地部署方案尤其适合对数据隐私敏感、需要批量处理或希望深度集成到自有系统的用户。本文聚焦于一个支持全格式转换的开源工具，详细介绍了其本地部署流程、资源占用优化和API集成方法，涵盖FFmpeg环境配置、批量任务队列设计等关键热词，为开发者构建自主可控的媒体处理能力提供实践参考。
C# WinForm+OpenVSharp实现工业级玉米粒视觉计数
机器视觉计数是工业自动化中基础而关键的技术能力，其核心在于小目标识别、粘连分割与实时性保障。基于C#的WinForm框架凭借低资源占用、高确定性和易维护性，成为产线HMI的务实选择；OpenVSharp作为Halcon国产化适配层，有效规避授权与兼容性风险，支持CPU级高效图像处理。该方案面向高密度、低对比、易粘连的典型场景（如玉米粒、药片、种子），通过形态学预处理、连通域分析与多维形状筛选实现98.7%计数准确率，适用于农业分拣、中药质检、饲料颗粒检测等轻量化工控场景。
简单的图片处理工具类
package com.datacenter.common.image;import java.awt.Color; import java.awt.Graphics; import java.awt.Graphics2D; import java.awt.GraphicsConfiguration; import java.awt.GraphicsDevice; import java.awt.G
Report Machine v6.5实战：老Delphi项目报表维护与二次开发全攻略
报表控件是企业业务系统中不可或缺的组成部分，其核心价值在于通过可视化设计器将数据展示、打印排版与业务逻辑解耦，使模板调整无需重新编译程序。在Delphi老项目维护中，Report Machine v6.5凭借全源码交付、中文界面和轻量特性，成为许多遗留系统的首选报表方案。本文围绕RM v6.5的安装集成、主从表分组、脚本事件、条码二维码生成、PDF导出及多线程性能优化等典型场景，结合真实故障案例，提供一套可落地的二次开发与模板化改造经验。无论你是接手老系统还是评估技术选型，都能从中找到直接可用的方法。
深度学习——VGG16模型详解
1、网络结构 VGG16模型很好的适用于分类和定位任务，其名称来自牛津大学几何组（Visual Geometry Group）的缩写。 根据卷积核的大小核卷积层数，VGG共有6种配置，分别为A、A-LRN、B、C、D、E，其中D和E两种是最为常用的VGG16和VGG19。 介绍结构图： conv3-64 ：是指第三层卷积后维度变成64，同样地，conv3-128指的是第三层卷积后维度变成128； input（224x224 RGB image） ：指的是输入图片大小为224244的彩色图像，通道为
本地部署全兼容图片上传处理工具：从环境搭建到API批量调用实战
在数字内容管理和自动化工作流中，图像处理是基础且高频的技术需求，其核心原理在于通过算法对像素数据进行解析、转换与优化。这项技术的价值在于能够显著提升图片素材的处理效率与一致性，广泛应用于内容创作、电商管理、数字资产整理及开发测试等场景。本文聚焦于一个支持多格式兼容与批量操作的本地化图片处理服务，深入探讨其部署流程与API集成。通过结合【批量任务】与【API调用】等关键实践，指导读者如何快速搭建并验证一个能够“通吃”JPG、PNG、WebP等各类图片格式的自动化处理网关，实现从环境准备、功能测试到性能监控的全
Anaconda安装及配置+pytorch深度学习环境(2024复旦计算机工作站0705）
Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，Pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。
基于Electron与Sharp的本地批量图片处理工具开发实战
在现代Web开发与内容创作中，图片处理是提升用户体验和优化性能的关键环节。其核心原理在于通过算法对图像数据进行编码、压缩和转换，以平衡视觉质量与文件大小。这项技术的价值在于能显著减少网络传输负载、节省存储空间，并确保内容在不同平台和设备上的一致性显示。无论是电商网站的图片优化、自媒体内容批量生产，还是企业内部素材管理，高效的图片处理流程都至关重要。本文聚焦于利用Electron框架和Sharp图像处理库，构建一个集批量压缩、格式转换、水印添加和重命名于一体的本地桌面应用。通过整合这些技术，开发者可以打造出替
STM32CubeIDE入坑指南
一 前言 在科技日新月异的今天，作为从事效率为先的苦逼 IT 行业，秉承着我不入地狱谁入地狱的伟大革命精神，我决定再一次做第一个吃螃蟹的人，通过自身的入坑过程，为大家测试STM32CubeIDE这款新式工具。(其实是为了我能省点时间，快点做完项目，多挣点钱买几瓶肾气丸) 二 看一看别人是如何入坑的 二 手把手带你入坑 三 相关资料 ...
STM32硬件SPI调试ADS1256的3个致命坑，CubeMX配置避坑指南
本文深入解析STM32硬件SPI调试ADS1256高精度ADC芯片时常见的3大配置陷阱，包括SPI时钟频率、时钟极性与相位、数据字节序等关键问题。通过CubeMX实战配置指南和实测数据对比，提供稳定可靠的解决方案，帮助开发者避免常见错误，提升采样精度和系统稳定性。
Baumer相机最新SDK开发_下载_封装
本文介绍了Baumer工业相机SDK开发的准备工作，主要包括相机软件下载安装和SDK示例代码使用两部分内容。首先详细说明了如何从官网或优快云/百度网盘下载CameraExplorer软件，并展示了安装步骤和基本操作界面。接着介绍了SDK的获取方式，重点分析了两个官方示例代码：getting_started演示了相机连接、参数设置和图像采集保存的基本流程；opencv_cap示例则展示了结合OpenCV进行实时图像采集和显示的方法。文章为开发者提供了从软件安装到基础开发的完整入门指南，帮助快速上手Baume
深入解析ST MC SDK(WorkBench)工程结构：从零搭建FOC电机控制项目
本文深入解析了ST MC SDK(WorkBench)工程结构，详细介绍了如何从零搭建FOC电机控制项目。通过ST MC SDK和WorkBench工具链，开发者可以快速配置电机类型、控制策略等参数，生成完整的FOC控制工程。文章还拆解了工程结构中的核心控制模块、HAL硬件抽象层、芯片系统初始化和电机控制算法库，并提供了无传感器FOC实战技巧和常见问题排查指南，帮助开发者高效掌握STM32F407ZGT6开发板上的FOC电机控制技术。
Visual Studio集成Halcon C#开发：从环境配置到部署实战指南
机器视觉开发涉及图像处理、算法实现与软件集成等多个核心环节。其基本原理是通过计算机模拟人类视觉，对图像进行分析和理解，从而完成检测、识别、测量等任务。这项技术的价值在于能够实现自动化、高精度和可重复的视觉检测，大幅提升工业生产和质量控制效率。在实际应用中，开发者常使用功能强大的专业库，如Halcon，它提供了丰富的算子，能高效处理复杂的视觉问题。将Halcon集成到C#项目中，特别是在Visual Studio开发环境下，是打通视觉算法与上层应用的关键一步。这涉及到环境配置、DLL引用、许可证管理等工程实践
Camunda 7.x 系列【22】全局监听器
Camunda支持义一个全局ExecutionListener和一个全局TaskListener，会捕获流程中发生的所有事件的通知，这样可以定义一个全局的审批人检查监听器，作用于所有用户任务。
[ vulhub漏洞复现篇 ] ActiveMQ反序列化漏洞复现（CVE-2015-5254）
Apache ActiveMQ是美国阿帕奇（Apache）软件基金会所研发的一套开源的消息中间件，它支持Java消息服务、集群、Spring Framework等。由于ActiveMQ是一个纯Java程序，因此只需要操作系统支持Java虚拟机，ActiveMQ便可执行。Apache ActiveMQ 5.13.0之前5.x版本中存在安全漏洞，该漏洞源于程序没有限制可在代理中序列化的类。......
【Linux网络】深入理解 HTTP 协议（四）：完善 C++ HTTP 服务器：从协议原理到生产级实现
HTTP 协议作为 Web 世界的基石，支撑着我们每天浏览的每一个网页、调用的每一个 API。虽然 Nginx、Apache 等成熟服务器已经足够强大，但亲手实现一个 HTTP 服务器，能让我们穿透抽象层，真正理解 “浏览器输入 URL 按下回车” 背后发生的一切。本文将从 HTTP 协议最核心的 GET/POST 请求讲起，一步步拆解 HTTP 服务器的分层架构，实现一个支持静态资源托管、动态路由注册、完整协议解析的 C++ HTTP 服务器。然后我们会深入讲解Nginx 生产级部署的最佳实践，最后对比自
Devexpress16.2.6破解工具
Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具
PowerBuilder/PB常用备忘
记录PB相关的知识点和备忘，以备不时之需，同时也可共Pber们参考使用
精雕软件(JDpaint) 5.5 绿色版
精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版
廖雪峰Python教程[完整版]
廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白
基于YOLOv8与PySide6的金属表面缺陷检测系统实践
在工业质检场景中，目标检测技术已成为识别金属表面缺陷的核心手段。深度学习算法通过自动学习图像特征，能够有效应对传统视觉方法难以处理的光照变化和复杂纹理问题，而YOLO系列模型凭借实时性与精度平衡，成为缺陷检测落地的热门选择。理解目标检测的定位与分类原理，是构建可靠检测系统的基础。结合PySide6开发桌面应用，可将模型推理能力封装为直观的图形界面，实现图片加载、缺陷标注和结果展示的一体化流程，显著降低一线人员的使用门槛。这种方案尤其适用于小批量、多品种的离线质检场景，也可作为在线检测系统的原型验证。本文围绕
LinePhone3.2.7(android端最新版本) sip客户端
SIP客户端For android：LinePhone3.2.7(最新版本)，官网地址：http://www.linphone.org/
深挖C++：类和对象（中）
（先进后出）
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
433
扫一扫
