通过ssh连接到ubuntu虚拟机主要有两步，第一步是在虚拟机内部安装ssh，第二部是配置VMWare虚拟机网络。
PengChao
Halide（五）算法调度
这篇博客应该紧跟在第二节 Halide（二）算法描述 后面的，也是对官方教程的笔记。前面介绍了如何用Halide描述算法，进行调试，这一节就是讲如何对去调度算法，排算法的流水，让算法运行更快。
算法调度是一个很深入的课题，牵扯都各种平台、算法，这篇博客也仅仅是对官方教程第四节到第八节的简要笔记，记录一下Halide的相关API。
Halide（四）实现图像缩放imresize
先放个链接，后面补上：Halide 〜画像処理を高速化する〜
Halide（三）Buffer与cv::Mat的相互转换
目前OpenCV的NN模块中已经有Halide一部分代码，可以通过 net.setPreferableBackend(DNN_BACKEND_HALIDE); 告诉OpenCV NN引擎尽可能使用Halide进行计算。除非以后OpenCV完全实现Halide的运行机制，否则在图像处理任务中，Halide与OpenCV协同工作是不可避免的。这篇博客主要介绍Halide的图像类型和OpenCV图像类型的相互转化。
Halide（二）算法描述
基本语法和规则一定从官方教程开始，这篇博客是官方教程前几节的简要笔记。主要介绍 Halide 算法描述的语法规则、变量打印和调试、算法对ROI和padding的处理。
Halide（五）算法调度 是紧跟在本博客之后的章节，都是对官方教程的笔记，（三）和（四）是一些环境和常用算法的穿插，不关心可跳过。
Halide（一）环境配置
在工业生产环境中，算法从设计到落地一般跨度比较大。尤其是计算密集的图像处理算法，要达到比较高的效率，就必须要在数据临近、数据复用、计算并行等方面做均衡，算法实现者通常需要深入了解该算法，才能取得比较好的优化。为了降低算法实现过程中开发者的负担，要把算法设计和实现相分离开来，已经有多重解决案例，其中较为典型的就是Halide。
Halide就不多介绍了，毕竟是在Pixel2 HDR Plus上用过的，官网：https://halide-lang.org，上面有很多详细的教程和文档。Halide主要分为两部分，第一部分是要描述需要计算的内容（计算在算法层面的流程），第二部分是规划计算，把计算并行起来、分块儿、数据复用、顺序重排，以实现更高的性能。博主认为第一部分是比较容易的，官网的教程看一遍就可以理解，自己再跑下demo，而第二分部取决于使用的硬件，如果调试优化，需要更多时间去摸索（毕竟我们使用halide是为了获得比较高的性能，减少部署开销）。
这篇博客主要介绍windows下配置halide开发环境，linux配置开发环境比较简单，并且官网已经写的很详细了，只在最后会简要讲下linux配置开发环境步骤中官网没有提及的部分。
看一看泄露的Windows源码（一）源码目录结构
昨天有一份42.9G的windows源码包泄露出来，包括多个Windows、Windows Searver发行版的源码，最重要的是Windows XP和Windows Server 2003目前依旧运行在很多老旧的电脑上，如果有漏洞被拿来利用，可能产生很严重的危害。
博主在数年之前就拿到过Windiows Server的源码，但是代码很杂，也编译不了，不过这次源码泄露范围更广，在各个社区也有分析，并且已经有一些人编译成功了（本来还以为需要微软内部的工具集，看起来泄露的压缩包里都有了，微软糗大了），可以跟着学习一波，先简单看下，能不能从里面抽出一些有用的工具。
《以奋斗者为本》读书笔记（一）价值创造和评价
博主对华为存在许多负面看法，华为令人痛恶的加班文化、奋斗者协议、利用司法和公关力量对员工的控制和胁迫，都是博主十分排斥的（当然博主是个局外人，仅代表个人看法）。最近逛华为的体验店，也切实感觉到，如果不与苹果对比，华为在消费产品确实做得不错，华为在通信上亦是实力强劲。作为一家商业公司而言，华为确实实现了高速增长，也为社会创造了不少财富，相比于躺着赚钱的互联网和金融，在需要站着赚钱的制造业上的成功更让人敬佩。
此时中美战略对抗亦进入一个新阶段，前段时间拜读了大火的《美国陷阱》，也是把全球企业对抗背后的国家较量展示的淋漓尽致，亦体会到全球市场竞争的实质就是和平时期的战争。而于中国而言，华为在此时的意义不言自明，博主亦有兴趣了解华为的企业文化，理解华为内部管理和行动的准则。这篇博客是对华为内部管理培训教材第一章和第二章的整理，目前只是细碎的笔记，留以后来有需要的时候索引和扩充。
Image Watch支持自定义的图像类型
Image Watch插件是为了满足OpenCV可视化图像处理调试而开发的插件，天然的支持OpenCV各种图像类型。如果我们要支持自己的图像类型在Image Watch中显示，那么应该怎么做呢？
有两种方法可以使用 Image Watch 来显示自己的图像，一是使用Image Watch自带的显示内存操作，使用@mem(img_ptr,type,width,height,stride) 来显示，二是使用Image Watch的类型拓展，加入自己的类型的配置文件即可。
自制操作系统（二）保护模式
上一篇博客我们简单写了一个引导，还没有进入系统，在进入系统之前，我们有必要先了解下CPU的实模式和保护模式。我们的程序不加任何保护，直接运行在CPU上，称为实模式，16位实模式最大寻址空间为1M。CPU可以通过保护模式拓展寻址空间，并进行访问权限管理和校验，32位保护模式的寻址空间可以拓展到4G。在保护模式下物理内存、页、中断都会保护起来、不同特权级下IO端口也不能随意使用。
限对比度自适应直方图均衡CLAHE
CLAHE，全称 Contrast Limited Adaptive Histogram Equalization，是一种用来做Tone Mapping的自适应直方图均衡算法，已经集成在opencv和matlab中。
在介绍CLAHE之前，先介绍下HE（直方图均衡）、AHE（自适应直方图均衡算法）、CLHE算法。
GradientShop介绍
GradientShop是在梯度域上对图像进行编辑的一个框架，通过该框架可以完成Sharpen、Relight、ToneMapping、Deblock、NPR Filter、DeFlickering等多种图像处理任务。这篇博客简单介绍GradientShop，着重介绍各项功能的实现过程。
坑没填完，先置顶提醒下自己0.0
在jupyter中使用imshow显示opencv图像
jupyter中用cv2.imshow打开窗口进行显示后不能点击关闭按钮，否则消息处理机制会导致python挂掉。那么只有用matplotlib来画了，由于numpy和opencv的rgb通道排列是反的，所以做一个转化就可以了，粘贴下面代码里的函数，直接调用就好。
图像融合（三）Exposure Fusion
上一篇博客介绍了Laplace Pyramid进行fusion，其实也就介绍了Exposure Fusion的基本原理。Mertens Exposure Fusion 是HDR图像合成上非常经典的算法。Exposure Fusion的多尺度图像融合同样借助Laplace Pyramid分解和重建，特别强调的是编辑laplace金字塔的过程，在计算亮度权重、对比度权重、曝光权重后将构建权重的高斯金字塔，然后进行拉普拉斯金字塔的重建，最后得到一张各部分曝光都很良好的图像。
图像融合（二）Laplace Pyramid
多频段的图像融合可以缓和图像亮度和纹理的突变，简单的说，就是构造laplace金字塔，通过对laplace金字塔进行编辑，之后再重建laplace金字塔，来得到融合图像的过程。
图像融合（一）Poisson Blending
泊松融合（Poisson Blending）又作 Seamless clone，用于将两幅图像“无缝”的融合起来，基本原理就是最优化一个方程，尽量在和base边界处保持相关的亮度，同时保留剪切过来图像的梯度，这样看起来两张图像就“无缝”拼合在一起了。因为该工具在opencv中已经存在，所以我们可以直接使用opencv体验其效果。这篇博简单介绍原理，以及感受效果。