<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[youngboy的博客]]></title><description><![CDATA[Java WEB 开发 Activiti开发]]></description><link>https://blog.youkuaiyun.com/isyoungboy</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; isyoungboy]]></copyright><item><title><![CDATA[一种通过半径找圆的方法]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/170046055</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/170046055</guid><author>isyoungboy</author><pubDate>Wed, 04 Nov 2026 15:09:45 +0800</pubDate><description><![CDATA[该代码实现了一种高效圆环检测算法，基于灰度金字塔与稀疏环核相关，结合高斯-Sobel梯度融合与AVX2优化的稀疏卷积，显著提升速度。通过粗搜（贪心NMS）与精搜（径向截断均值）分阶段定位圆心与半径，支持单帧与连续帧处理，兼容多格式图像输入，可输出可视化结果及详细耗时统计，性能优于传统OpenCV算子。]]></description><category></category></item><item><title><![CDATA[事件驱动状态机与循环扫描状态机：两种计算模型的比较研究]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/167671839</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/167671839</guid><author>isyoungboy</author><pubDate>Mon, 12 Oct 2026 10:13:14 +0800</pubDate><description><![CDATA[状态机作为一种基础的计算模型，广泛应用于嵌入式系统、工业控制和软件工程领域。然而，其具体实现呈现出两种截然不同的范式：以 qf4net 为代表的事件驱动状态机（Event-Driven State Machine, EDSM）和以 PLC 阶梯图/SFC 为代表的循环扫描状态机（Cyclic Scan State Machine, CSSM）。本文从执行模型、触发机制、资源消耗、实时性和应用场景五个维度对两种范式进行系统性比较，并通过工业实例阐明各自的优势与局限。]]></description><category></category></item><item><title><![CDATA[浓淡补正（阴影校正/光照不均匀校正）算法综述：从原理到工程实现]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/167671708</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/167671708</guid><author>isyoungboy</author><pubDate>Mon, 12 Oct 2026 10:12:33 +0800</pubDate><description><![CDATA[光照不均匀是影响图像质量的关键问题。本文基于统一数学模型，系统梳理了标定类平场校正、空域滤波残差法、除法模型（Retinex）、形态学与频域同态滤波等主流算法，分析其原理、适用场景与局限，并提供可直接运行的Python/OpenCV实现。通过对比表与实践指南，帮助用户根据光照特性与应用需求选择最优校正路径，兼顾精度与效率。]]></description><category></category></item><item><title><![CDATA[浓淡补正（阴影校正/光照不均匀校正）算法综述：从原理到工程实现]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/166787728</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/166787728</guid><author>isyoungboy</author><pubDate>Mon, 28 Sep 2026 14:44:24 +0800</pubDate><description><![CDATA[光照不均匀是影响图像质量的关键问题。本文基于统一数学模型，系统梳理了标定类平场校正、空域滤波残差法、除法模型（Retinex）、形态学与频域同态滤波等主流算法，分析其原理、适用场景与局限，并提供可直接运行的Python/OpenCV实现。通过对比表与实践指南，帮助用户根据光照特性与应用需求选择最优校正路径，兼顾精度与效率。]]></description><category></category></item><item><title><![CDATA[2.5D相位偏折术（PMD）全解析汇总报告：基于条纹反射的高反光表面形貌重建]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/165883646</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/165883646</guid><author>isyoungboy</author><pubDate>Fri, 18 Sep 2026 16:05:08 +0800</pubDate><description><![CDATA[2.5D相位偏折术（PMD）通过投射正弦条纹并分析镜面反射畸变，实现高反光表面微小斜率的精确测量。基于四步相移与泊松积分，从8张反射图像中同步解算形貌、镜面反射率与底色，输出高度图、SRC图与漫反射图。采用液晶屏离焦调制满足正弦性约束，硬件成本低且支持大视场。虽为相对2.5D测量，无法提供绝对尺度，但在手机盖板、车漆、晶圆等高反光缺陷检测场景中，具备数理严谨性与极高工程可行性。]]></description><category></category></item><item><title><![CDATA[AI的能力边界，止步于你的认知边界]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/162843801</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/162843801</guid><author>isyoungboy</author><pubDate>Mon, 13 Jul 2026 15:23:35 +0800</pubDate><description><![CDATA[AI技术的繁荣掩盖了一个残酷现实：它未能真正消除专业门槛，反而放大了认知差距。文章指出，AI仅能执行技术实现，却无法替代领域知识——不懂SCXML的人连提示词都不会写。当前对"提示词工程"的迷信实为悖论：高质量提示词撰写者本身就是专家。AI将人群分为三类：外行（仅获效率微调）、半专家（最大受益者）和全栈专家（如虎添翼）。突围之道在于转变思维：将AI作为导师，通过四步法（概念扫盲、竞品分析、任务拆解、极简迭代）逐步拓展认知边界。最终结论振聋发聩：AI的能力严格受限于使用者的认知水平，未来核心竞争力仍是人类独有]]></description><category></category></item><item><title><![CDATA[Delaunay 拓扑图割法一种特征抽稀算法]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/161723048</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/161723048</guid><author>isyoungboy</author><pubDate>Fri, 05 Jun 2026 15:51:53 +0800</pubDate><description><![CDATA[该算法提出了一种基于拓扑结构的特征点抽稀方法，通过Delaunay三角剖分建立点集网络，利用尺度参数（Scale）作为阈值剪断短连接线，保留长跨距连接形成的外轮廓。算法主要步骤包括：1）构建Delaunay三角网；2）基于Scale参数剪断短边；3）通过连通域分析识别并保留大跨距的外轮廓点，剔除孤立杂点。该过程类似于修剪灌木，短小的内部杂波连接被剪断，而长跨距的外轮廓连接得以保留。实验表明，该方法能有效提取图像主要结构特征，去除内部噪声点。算法参数Scale控制修剪力度，值越大保留的特征越稀疏。]]></description><category></category></item><item><title><![CDATA[简单实现RLE版本connectedComponentsWithStats]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/160118746</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/160118746</guid><author>isyoungboy</author><pubDate>Mon, 13 Apr 2026 17:18:28 +0800</pubDate><description><![CDATA[摘要 该代码实现了OpenCV中connectedComponentsWithStats函数的简化版本，主要用于连通域分析。核心功能包括： 数据结构：定义了CCStats结构存储连通域统计信息（边界框、质心、方向等）和Run结构表示游程编码。 算法实现： 使用并查集(Union-Find)数据结构高效处理连通域合并 通过两轮扫描完成连通域标记 支持4连通和8连通两种连接方式 主要流程： 初始化并查集和标签数组 第一遍扫描分配临时标签 第二遍扫描处理连通性并合并标签 最终生成连通域统计信息 该实现优化了内存使]]></description><category></category></item><item><title><![CDATA[工业级形状模板匹配系统设计白皮书]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/160112784</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/160112784</guid><author>isyoungboy</author><pubDate>Mon, 13 Apr 2026 14:06:05 +0800</pubDate><description><![CDATA[本文提出了一种工业级形状模板匹配系统设计方案，基于LINEMOD算法的改进版本。系统采用稀疏控制点表示模板（ShapePoint结构），通过多级金字塔结构和向量化计算实现高效匹配。关键创新包括：1）无浮点方向量化算法；2）AVX2指令集优化的响应图计算；3）三点抛物线亚像素拟合。系统设计严格遵循40字节内存对齐规范，支持并行后处理。离线阶段通过高斯模糊、梯度计算和方向量化生成模板模型，在线阶段采用粗到精的金字塔搜索策略，结合NMS处理获得最终匹配结果。实验表明该系统在保持高精度的同时，显著提升了工业场景下的]]></description><category></category></item><item><title><![CDATA[simd实现二值化掩膜]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/158389967</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/158389967</guid><author>isyoungboy</author><pubDate>Wed, 25 Feb 2026 17:46:05 +0800</pubDate><description><![CDATA[【代码】simd实现二值化掩膜。]]></description><category></category></item><item><title><![CDATA[旋转模型的预生成函数，实现特征点的批量旋转变换]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/158389760</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/158389760</guid><author>isyoungboy</author><pubDate>Wed, 25 Feb 2026 17:39:34 +0800</pubDate><description><![CDATA[本文提出了一种高效的特征点旋转算法，通过SIMD指令实现批量处理，并采用哈希去重优化性能。算法包含7个关键步骤：1)角度归一化；2)计算旋转后尺寸；3)内存预分配；4)SIMD并行旋转计算；5)方向角调整；6)哈希去重；7)坐标归一化。实验表明，该方法相比传统逐点旋转提速4-8倍，内存占用减少30%，特别适用于实时图像匹配系统。主要创新点在于将SIMD优化与哈希去重相结合，在保证精度的同时显著提升计算效率。]]></description><category></category></item><item><title><![CDATA[基于距离的特征点稀疏化优化]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/158389366</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/158389366</guid><author>isyoungboy</author><pubDate>Wed, 25 Feb 2026 17:26:41 +0800</pubDate><description><![CDATA[本文提出了两种特征点稀疏化优化算法。基础算法采用自适应距离阈值和贪心策略，通过动态调整距离阈值来选择空间分布均匀的特征点，直到达到目标点数。改进算法利用网格空间划分技术，将特征点分配到网格单元中，每个单元仅保留梯度幅值最大的点，最后通过二次筛选确保点数达标。两种方法都能在保持特征点空间分布的前提下实现数量优化，改进算法效率更高且能更好地保留显著特征点。]]></description><category></category></item><item><title><![CDATA[从图像中提取亚像素边缘点]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/158388745</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/158388745</guid><author>isyoungboy</author><pubDate>Wed, 25 Feb 2026 17:01:25 +0800</pubDate><description><![CDATA[本文提出了一种优化的亚像素边缘检测算法，主要改进包括：1) 使用SSE指令并行处理8个像素的梯度计算；2) 采用扫描行缓冲区减少内存访问；3) 通过边界镜像处理提高边缘检测精度；4) 二次曲面拟合实现亚像素定位；5) 动态内存分配优化。算法通过SIMD加速Sobel算子计算，结合牛顿法迭代求解梯度极值，在保证精度的同时显著提升了处理速度。实验表明该方法能有效提取亚像素级边缘特征，适用于高精度机器视觉应用。]]></description><category></category></item><item><title><![CDATA[递归高斯滤波sse实现]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/158353013</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/158353013</guid><author>isyoungboy</author><pubDate>Tue, 24 Feb 2026 17:41:18 +0800</pubDate><description><![CDATA[递归高斯滤波是一种高效的高斯模糊算法，采用无限脉冲响应(IIR)滤波器替代传统卷积运算。Deriche算法是其经典实现，通过一阶IIR差分方程和双向递归处理（前向+后向），将二维滤波分解为行列方向的一维滤波。相比传统方法，其计算复杂度仅与图像尺寸相关，而与核大小无关，特别适合大尺度模糊的实时处理。文中还提供了标量实现和SSE2向量化优化的C++代码实现，展示了从系数计算到行列方向递归处理的全过程。该算法在保持高斯平滑效果的同时显著提升了计算效率。]]></description><category></category></item><item><title><![CDATA[快速atan2（反正切）近似计算函数，专门用于计算atan2(y, x)]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/158351210</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/158351210</guid><author>isyoungboy</author><pubDate>Tue, 24 Feb 2026 16:01:44 +0800</pubDate><description><![CDATA[函数功能分析输入:a1= x 坐标a2= y 坐标输出: 返回atan2(y, x)的结果，角度范围在[0, 360)度之间prompt。]]></description><category></category></item><item><title><![CDATA[简单的基于形状的特征提取]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/158349680</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/158349680</guid><author>isyoungboy</author><pubDate>Tue, 24 Feb 2026 14:44:57 +0800</pubDate><description><![CDATA[该代码实现了一个图像特征提取器，主要包括以下功能：1) 自适应Canny阈值计算，基于图像直方图确定最佳阈值；2) 图像预处理流程，包括高斯模糊、Canny边缘检测和形态学操作；3) 梯度计算，使用Sobel算子获取水平和垂直梯度，并计算幅值和方向；4) 亚像素级边缘提取，通过在法线方向拟合二次曲线实现精确定位。特征提取器支持参数配置，包括Canny阈值、最小组件大小和优化级别等。核心算法结合了传统图像处理技术，为后续特征匹配等任务提供高质量的特征点数据。]]></description><category></category></item><item><title><![CDATA[特征编码函数]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/157933064</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/157933064</guid><author>isyoungboy</author><pubDate>Tue, 10 Feb 2026 10:04:46 +0800</pubDate><description><![CDATA[include <immintrin.h> // SIMD支持// 特征点结构float x;// X坐标float y;// Y坐标// 梯度方向 (0-360度)// 梯度幅值// 特征点尺度// 相对主方向// 编码特征结构 (SIFT风格128维描述子)// 128维描述子 (4x4x8)float x, y;// 特征点位置// 特征尺度// 主方向// 归一化描述子// 值域裁剪，增强鲁棒性// 重新归一化// 梯度信息结构。]]></description><category></category></item><item><title><![CDATA[基于距离的特征点筛选算法和高度优化的atan2函数]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/157907697</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/157907697</guid><author>isyoungboy</author><pubDate>Tue, 10 Feb 2026 08:45:31 +0800</pubDate><description><![CDATA[本文介绍了两个图像处理优化算法：1) 高度优化的atan2函数实现，使用多项式近似计算角度，分为小角度和大角度两种情况处理，通过象限校正确保结果正确，适用于实时图像处理；2) 基于距离约束的特征点筛选算法，通过逐步调整距离阈值实现非极大值抑制，可根据优化级别动态调整保留特征点数量，在保证最少128个点的前提下按比例筛选。两个算法都针对实时性和计算效率进行了优化，适用于计算机视觉应用场景。]]></description><category></category></item><item><title><![CDATA[洪水法实现Region RLE的fill_up算法]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/156461344</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/156461344</guid><author>isyoungboy</author><pubDate>Wed, 31 Dec 2025 16:56:59 +0800</pubDate><description><![CDATA[这篇文章介绍了一种基于反向洪水填充算法的图像孔洞检测与填充方法。核心思想是通过分析背景可达性来识别孔洞：先标记所有能从边界连通的背景区域（外部背景），剩下的未标记背景即为孔洞区域，最后将这些孔洞填充为前景。该算法采用4连通DFS实现洪水填充，相比传统种子填充法具有自动选择种子、避免漏判误判等优势，能适应任意形状的前景区域。文章还提供了一个HTML可视化工具，支持绘图、二值化、RLE编码和FillUp孔洞填充功能，可通过交互式画布直观展示算法效果。]]></description><category></category></item><item><title><![CDATA[c++实现两个点一个宽度生成一个旋转矩形和计算旋转矩形的四个点坐标]]></title><link>https://blog.youkuaiyun.com/isyoungboy/article/details/156424538</link><guid>https://blog.youkuaiyun.com/isyoungboy/article/details/156424538</guid><author>isyoungboy</author><pubDate>Tue, 30 Dec 2025 16:22:04 +0800</pubDate><description><![CDATA[本文介绍了两种几何计算方法：1）根据两点和宽度生成旋转矩形，通过计算中点、距离和角度确定矩形参数；2）生成圆弧卡尺测量点，通过半径、宽度和角度步长计算圆周上的测量点坐标及其法线方向。两种方法都涉及坐标变换和角度计算，适用于计算机视觉和几何处理应用。]]></description><category></category></item></channel></rss>