当时做的PPT，也一并放出来吧链接

主要一些性能指标

• 图像匹配时间在50ms;
• 尺寸测量以及表面测量的时间为80ms;
• 总共图像处理时间在150ms以内;
• 尺寸检测的精度可达到100um；面积检测误差在100像素面积以内;
• 重复检测误差小于1%;
• 连续稳定运行时间在5小时以上;
• 误检率小于2％;
• 支持检测磁材的种类达9种以上;

最后贴上一个视频，展示一下整个软件的运行情况。

要求是这样的，相机将静物以及标准色板拍照成像，根据标准色板的颜色值校正相应的参数，使得图像的色彩更趋近于自然。很多厂商都有相应的相片校正程序，在此仅仅采用了最简单的最小二乘法进行校正。

值得注意的是，校正是在Lab色彩空间里面进行的。Lab色彩空间定义如下：

在Lab颜色空间中，一种颜色由L（亮度）、a颜色、b颜色三种参数表征．L表示照度（Luminosity），相当于亮度，L取值为0--100(纯黑--纯白)。a表示从红色至绿色的范围，a取值为+127--128(洋红--绿)。b表示从黄色至蓝色的范围，b取值为+127--128(黄--蓝)．、正为暖色，负为冷色。

相对于前面提到的两种颜色模式， Lab模式有它的优势：

1. Lab模式既不依赖光线，也不依赖于颜料。
2. 处理速度与RGB模式同样快，比CMYK模式快很多。
3. Lab模式在转换成CMYK模式时色彩没有丢失或被替换。因此，最佳避免色彩损失的方法是：应用Lab模式编辑图象，再转换为CMYK模式打印输出。
4. Lab模式还弥补了前面两种色彩模式的不足。RGB在蓝色与绿色之间的过渡色太多，绿色与红色之间的过渡色又太少，CMYK模式在编辑处理图片的过程中损失的色彩则更多，而Lab模式在这些方面都有所补偿。 在表达色彩范围上，处于第一位的是Lab模式，第二位的是RGB模式，第三位是CMYK模式。

整个思路很简单

1. 读取照片
2. 找到标准色板区域
3. 提取各个色块并算均值
4. 转换到Lab色彩空间
5. 最小二乘法与标准色块进行拟合，得出变换矩阵
6. 将源图像转换到Lab空间并应用变换矩阵
7. 将变换后的图像转换回RGB并显示。

难点就是色彩空间的转换，调试了一会才搞定。程序已经上传至我的Github中，在此直接贴上结果吧。左图为原图，右图为校正后的结果。第二张图片校正结果不是很理想，估计仅仅采用最小二乘法得到线性校正法还有不足，以后再考虑下怎么修改吧。

附：资源链接

• 图像分割，脑图像分割已经是老生常谈了，各种技术也都有应用，先给个流程图。

网上的人脑分割代码也多如牛毛，在此列出一个自己修改版本的。里面列出了两种方法，分别是水平集分割法，以及模糊聚类方法，灵活采用2种方法可以完美将大脑白质灰质区域分割出来。还是老规矩，所有代码均开源并上传至Github，供大家学习和研究用。

关于水平集分割的理论概述文章

在此再提供一种方法，基于区域生长法所做的图像分割。种子像素点默认选取为图片中心的点，后期种子点选取还有优化空间(如根据区域选取)。

以上4幅图像分别为 原始图像; 种子生长后图像; 区域轮廓提取，以及最后分割加模糊c均值聚类结果。

• 脑部三维重建。根据分割得到的图像，进行三维重建。流程图如下：

三维重建的代码很简单，相信大家很容易就能看懂，在此就不多加赘述。效果如下图，看起来还是不错的。

附：资源链接

无聊查看学校研究生信息网源码时发现，照片信息竟然是绝对引用另一台数据服务器的地址，并且更严重的是照片是以学号命名的。我试着访问了相邻学号的同学照片，竟然很顺利的看到了。学生学号命名很有规律，11级别硕士，就是11S打头，后面跟着6位数字分别岱庙学院号，系代号以及具体班级号。哈哈，一个python脚本把我们同一届的研究生照片全部拉下来，再一试，08-10级的也都能得到，漏洞竟然已经存在了4年！！全部照片一共1w多张，师哥师姐偶对不住了，在此请大家原谅。以下是部分下载到的照片：

灵感

若是一枚屌丝，看看美女也就罢了，但是我可是有志要做一名骨灰级屌丝的哇，这么好的资源岂能轻易放过。脑子各种东东开始闪现，Fashbook老大曾经做过facemash.com，后来效仿者华科脸pk也一炮成名Hust-facemash.com。想想技术也不难，无非就是前端一个网页，后端一个排序算法就可以搞定。把师哥师姐的照片放到网上也不是太人道，算了，还是回归老本行，图像处理搞起来~。

想了半天，脸融合我还挺感兴趣，刚好以前有接触过人脸识别的相关内容。找了一下相关的论文以及前人实践的结果，南大的刘靖康曾经用7000张照片做了相应的脸融合，提到了用beyond-reality-face.com的库做特征点的提取，但是具体融合技术细节没有透露，后来他跟腾讯联合搞了个各个高校的平均脸。于是我决定，我这次做平均脸的程序将全部开源，算法细节将逐一呈现！那么该如何入手呢？

过程

我的思路是这样，首先还是要提取出人脸的特征点，重要的如眼睛的、鼻子、嘴的位置、脸型的轮廓等。如下图所示。

人脸特征点的提取几乎是所有人脸处理的第一步，所以这方面的库也比较多。我选用了一个简单的9特征点提取，包括两眼睛4点，鼻子3个点，以及嘴巴两个点。特征点提取的源代码没有仔细研究，有志青年可以仔细看看，其实现用到了opencv的库，算法方面则是采用了Viola&Jones的经典face detection。前人栽树，后人乘凉，有了提取到的特征点，可以说脸融合的工作已经完成了90%了。神马？剩下10%你还是不清楚，那请继续往下看。

特征点得到后，我们需要用一个标准脸的模板，来将每个个体不同的点位加以线性变换（非线性变换将会扭曲脸型，最终得到的将不是平均脸，而是扭曲后的标准化脸），线性变换只是旋转以及比例缩放，对脸不会产生扭曲作用。那么采用什么方法来得到线性变换呢？

Tlinear = cp2tform(input_points,base_points,'linear conformal');

Matlab中使用的命令是cp2tform，该函数由输入的两幅图像的对应点生成变换结构，输入input_points就是由算法得到的9个点，base_points则是标定的基准点。

得到线性变换的图像之后，直接采用语句

MergeImg(ii,jj,kk) = double(MergeImg(ii,jj,kk))+ double(imgTrans(ii,jj,kk));

结果

接下来就直接给结果啦，激动人心的时刻有木有！50张图片融合的结果。看看还是挺标致的哈。

所有源代码以及测试程序我将上传至github。在此严正声明，所有照片仅仅供学习和研究使用！希望大家准守规则！资源链接

数学建模培训的论文有：

1. 最优捕鱼策略 ：微分方程建模，非线性规划，遗传算法求非线性极值。

2. 体操阵容最优设计 ：0 1规划模型，蒙特卡洛随机模拟。

3. 南水北调问题 ：模型规划，残差分析。

4. 赛艇运动员成绩预测 ：数据相关性分析，聚类分析，多元线性回归。

数模竞赛论文：

1. 2010 全国大学生数学建模 B 题（省三等奖） ：几何微分建模，遍历搜索。

2. 美国大学生数模竞赛 B 论文（Honorable Mention） ：图论，分布优化。

3. 华中数模大赛B题论文 (一等奖 1/1000+ ) ：数据挖掘，神经网络，聚类分析。

微信开通了公众账号的api，可以自定义恢复任何的消息，可以用来做些什么呢？在一篇公众平台教程中我找到些灵感。

• 案例一：单词助手，微信号：dict123
• 案例二：树洞微薄，微信号：ishudong
• 案例三：班狸游戏，微信号：zuichaoxi

从单词助手中得到启示，用AppFog创建服务器。把处理过程的php挂载到服务器上。当有消息到来时，微信调用AppFog上的接口php进行处理，并返回处理结果。微信则将处理结果提交给用户。

具体实现

接下来的问题：

1. 服务器上的处理函数如何与微信进行交互呢？
2. 可以用来做点什么？

关于交互问题，在微信接口说明上我找到答案：

• 消息推送。当普通微信用户向公众账号发消息时，公众平台将POST该消息到填写的Url上。
• 消息回复。对于每一个POST请求，开发者在响应包中返回特定xml结构，对该消息进行相应操作（现支持回复文本消息、回复图文消息和星标操作）。

微信还很贴心的增加了示例PHP代码

在服务器PHP处理函数上，添加如下代码，即可以在一份PHP中处理Post和Get请求。

  if($SERVER['REQUEST_METHOD']=='GET')
    {
        $wechatObj->valid();
    }
    else if ($SERVER['REQUEST_METHOD']=='POST')
    { 

        $wechatObj->responseMsg();
    }

用来做什么？

既然最近一个人无聊，那就做个聊天机器人陪我说话吧。前不久看到一篇文章《聊天机器人Eugene赢得图灵测试挑战赛》，研究了一下Eugene聊天的接口，发现很简单，三行代码搞定。

    $text = urlencode($keyword);
    $url="http://www.princetonai.com/bot/botanswer.do?request=$text";
    $contentStr = file_get_contents($url);

于是一个新的聊天机器人诞生了，诸位可以搜gongjiao123,或者扫描下面的二维码，加聊天机器人作为好友，然后开始跟他聊天吧。(tips:他只能读懂英文=。=)

无图无真相

思考

接下来想做点更有挑战意义的事情，比如做一个公交查询系统什么的。

唔，我的博客开张啦。第一眼见到这个简洁的博客模板就决定把博客安在这里了，捣鼓了一天终于弄好了，先来一篇开张日志~

小试身手

先上一张考拉。据说考拉没有天敌，每天睡觉22个小时，实在老得抓不住树了，掉下来，就结束了吃吃睡睡的一生。

一直很喜欢皮克斯的动画片，富有想象力的故事总是出乎我的意料。太过理性的我对感性唯美的东西完全没有抵抗力，沉浸在充满梦幻的世界是多么美妙的一件事呀。

代码支持

作为程序员的博客，少不了粘代码，下面几句话是常用的github维护命令。

git init                        #初始化
git checkout --orphan gh-pages  #添加一个branch
git add.                       #将文件夹内所有项目都加入工程中
git commit -m "评论内容"     #为项目添加注释
git remote add origin https://github.com/usrername/app.git  #远程创建一个项目
git push origin gh-pages       #推送文件命令

下面是一些基本语法测试

列出条目

• 香蕉
• 苹果
• 菠萝
• 李子

1. 第一章
   • 小节1
   • 小节2
2. 第二章
   • 小节1
   • 小节2
3. 第三章
   • 小节1
   • 小节2

笑话一则

我想问一下玛雅人靠谱吗？要是靠谱我就不期末复习了。

回复:当初玛雅人就是这么想的，然后整个文明都挂掉了……