DirectX的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

機器視覺技術

為了解決DirectX的問題，作者 這樣論述：

　　本書分上下兩篇介紹機器視覺的構成、圖像處理方法以及應用實例。 　　上篇「機器視覺理論與演算法」包括：機器視覺、圖像處理、目標提取、邊緣檢測、圖像平滑處理、幾何參數檢測、Hough變換、幾何變換、單目視覺測量、雙目視覺測量、運動圖像處理、傅立葉變換、小波變換、模式識别、神經網路、深度學習、遺傳演算法。 　　下篇「機器視覺應用系統」包括：通用圖像處理系統ImageSys、二維運動圖像測量分析系統MIAS、三維運動測量分析系統MIAS 3D、車輛視覺導航系統。 　　本書匯集了圖像處理絕大多數現有流行演算法，以淺顯的圖文並茂的方法講解複雜的理論演算法，每個演算法都給出了實際處理案例。 　　

書中所講案例均來自生產實踐，都得到了實際應用的檢驗。 　　本書不僅適用於機器視覺和圖像處理專業理論結合實踐的教學，對於本科系及相關科系的課題研究人員和專業技術人員也具有重要的參考價值。   上篇 機器視覺理論與算法 第1 章 機器視覺 1.1 機器視覺的作用 1.2 機器視覺的硬體構成 1.2.1 電腦 1.2.2 圖像採集設備 1.3 機器視覺的軟體及編程工具 1.4 機器視覺、機器人和智慧裝備 1.5 機器視覺的功能與精度 第2 章 圖像處理 2.1 圖像處理的發展過程 2.2 數位圖像的採樣與量化 2.3 彩色圖像與灰階圖像 2.4 圖像文件及視頻文件格式 2.5 數位圖像的電腦表

述 2.6 常用圖像處理算法及其通用性問題 參考文獻 第3 章 目標提取 3.1 如何提取目標物體 3.2 基於閾值的目標提取 3.2.1 二值化處理 3.2.2 閾值的確定 3.3 基於顔色的目標提取 3.3.1 色相、亮度、飽和度及其他 3.3.2 顔色分量及其組合處理 3.4 基於差分的目標提取 3.4.1 幀間差分 3.4.2 背景差分 參考文獻 第4 章 邊緣檢測 4.1 邊緣與圖像處理 4.2 基於微分的邊緣檢測 4.3 基於模板匹配的邊緣檢測 4.4 邊緣圖像的二值化處理 4.5 細線化處理 4.6 Canny 算法 參考文獻 第5 章 圖像平滑處理 5.1 圖像噪聲及常用平滑方

式 5.2 移動平均 5.3 中值濾波 5.4 高斯濾波 5.5 模糊圖像的清晰化處理 5.5.1 對比度增強 5.5.2 自動對比度增強 5.5.3 直方圖均衡化 5.5.4 暗通道先驗法去霧處理 5.6 二值圖像的平滑處理 參考文獻  第6 章 幾何參數檢測 6.1 基於圖像特徵的自動識别 6.2 二值圖像的特徵參數 6.3 區域標記 6.4 基於特徵參數提取物體 6.5 基於特徵參數消除噪聲 參考文獻 第7 章 Hough 變換 7.1 傳統Hough 變換的直線檢測 7.2 過已知點Hough 變換的直線檢測 7.3 Hough 變換的曲線檢測 參考文獻 第8 章 幾何變換 8.1 關

於幾何變換 8.2 放大縮小 8.3 平移 8.4 旋轉 8.5 複雜變形 8.6 齊次坐標表示 參考文獻 第9 章 單目視覺測量 9.1 硬體構成 9.2 攝影機模型 9.2.1 參考坐標係 9.2.2 攝影機模型分析 9.3 攝影機標定 9.4 標定尺檢測 9.4.1 定位追踪起始點 9.4.2 藍黄邊界檢測 9.4.3 確定角點坐標 9.4.4 單應矩陣計算 9.5 標定結果分析 9.6 標識點自動檢測 9.7 手動選取目標 9.8 距離測量分析 9.8.1 透視畸變對測距精度的影響 9.8.2 目標點與標定點的距離對測距精度的影響 9.9 面積測量算法 9.9.1 獲取待測區域輪廓點集

9.9.2 最小凸多邊形擬合 9.9.3 多邊形面積計算 9.9.4 測量實例 參考文獻 第10 章 雙目視覺測量 10.1 雙目視覺系統的結構 10.1.1 平行式立體視覺模型 10.1.2 匯聚式立體視覺模型 10.2 攝影機標定 10.2.1 直接線性標定法 10.2.2 張正友標定法 10.2.3 攝影機參數與投影矩陣的轉換 10.3 標定測量試驗 10.3.1 直接線性標定法試驗 10.3.2 張正友標定法試驗 10.3.3 三維測量試驗 參考文獻 第11 章 運動圖像處理 11.1 光流法 11.1.1 光流法的基本概念 11.1.2 光流法用於目標追蹤的原理 11.2 模板匹配

11.3 運動圖像處理實例 11.3.1 羽毛球技戰術實時圖像檢測 11.3.2 蜜蜂舞蹈行為分析 參考文獻 第12 章 傅立葉變換 12.1 頻率的世界 12.2 頻率變換 12.3 離散傅立葉變換 12.4 圖像的二維傅立葉變換 12.5 濾波處理 參考文獻 第13 章 小波變換 13.1 小波變換概述 13.2 小波與小波變換 13.3 離散小波變換 13.4 小波族 13.5 信號的分解與重構 13.6 圖像處理中的小波變換 13.6.1 二維離散小波變換 13.6.2 圖像的小波變換編程 參考文獻 第14 章 模式識别 14.1 模式識别與圖像識别的概念 14.2 圖像識别系統的組

成 14.3 圖像識别與圖像處理和圖像理解的關係 14.4 圖像識别方法 14.4.1 模板匹配方法 14.4.2 統計模式識别 14.4.3 新的模式識别方法 14.5 人臉圖像識别系統 參考文獻 第15 章 神經網路 15.1 人工神經網路 15.1.1 人工神經網路的生物學基礎 15.1.2 人工神經元 15.1.3 人工神經元的學習 15.1.4 人工神經元的激活函數 15.1.5 人工神經網路的特點 15.2 BP 神經網路 15.2.1 BP 神經網路簡介 15.2.2 BP 神經網路的訓練學習 15.2.3 改進型BP 神經網路 15.3 BP 神經網路在數位字符識别中的應用 1

5.3.1 BP 神經網路數位字符識别系統原理 15.3.2 網路模型的建立 15.3.3 數位字符識别演示 參考文獻 第16 章 深度學習 16.1 深度學習的發展歷程 16.2 深度學習的基本思想 16.3 淺層學習和深度學習 16.4 深度學習與神經網路 16.5 深度學習訓練過程 16.6 深度學習的常用方法 16.6.1 自動編碼器 16.6.2 稀疏編碼 16.6.3 限制波爾兹曼機 16.6.4 深信度網路 16.6.5 卷積神經網路 16.7 基於卷積神經網路的手寫體字識别 16.7.1 手寫字識别的卷積神經網路結構 16.7.2 卷積神經網路文字識别的實現 參考文獻 第17

章 遺傳算法 17.1 遺傳算法概述 17.2 簡單遺傳算法 17.2.1 遺傳表達 17.2.2 遺傳算子 17.3 遺傳參數 17.3.1 交叉率和變異率 17.3.2 其他參數 17.3.3 遺傳參數的確定 17.4 適應度函數 17.4.1 目標函數映射為適應度函數 17.4.2 適應度函數的尺度變換 17.4.3 適應度函數設計對GA 的影響 17.5 模式定理 17.5.1 模式的幾何解釋 17.5.2 模式定理 17.6 遺傳算法在模式識别中的應用 17.6.1 問題的設定 17.6.2 GA 的應用方法 17.6.3 基於GA 的雙目視覺匹配 參考文獻   下篇 機器視覺應用系

統 第18 章 通用圖像處理系統ImageSys 18.1 系統簡介 18.2 狀態窗 18.3 圖像採集 18.3.1 DirectX 直接採集 18.3.2 VFW PC 相機採集 18.3.3 A/D 圖像卡採集 18.4 直方圖處理 18.4.1 直方圖 18.4.2 線剖面 18.4.3 3D 剖面 18.4.4 累計分佈圖 18.5 顔色測量 18.6 顔色變換 18.6.1 顔色亮度變換 18.6.2 HSI 表示變換 18.6.3 自由變換 18.6.4 RGB 顔色變換 18.7 幾何變換 18.7.1 仿射變換 18.7.2 透視變換 18.8 頻率域變換 18.8.1 小

波變換 18.8.2 傅立葉變換 18.9 圖像間變換 18.9.1 圖像間演算 18.9.2 運動圖像校正 18.10 濾波增強 18.10.1 單模板濾波增強 18.10.2 多模板濾波增強 18.10.3 Canny 邊緣檢測 18.11 圖像分割 18.12 二值運算 18.12.1 基本運算 18.12.2 特殊提取 18.13 二值圖像測量 18.13.1 幾何參數測量 18.13.2 直線參數測量 18.13.3 圓形分離 18.13.4 輪廓測量 18.14 幀編輯 18.15 畫圖 18.16 查看 18.17 文件 18.17.1 圖像文件 18.17.2 多媒體文件 18

.17.3 多媒體文件編輯 18.17.4 添加水印 18.18 系統設置 18.18.1 系統幀設置 18.18.2 系統語言設置 18.19 系統開發平臺Sample 參考文獻 第19 章 二維運動圖像測量分析系統MIAS 19.1 系統概述 19.2 文件 19.3 運動圖像及2D 比例標定 19.4 運動測量 19.4.1 自動測量 19.4.2 手動測量 19.4.3 標識測量 19.5 結果瀏覽 19.5.1 結果視頻表示 19.5.2 位置速率 19.5.3 偏移量 19.5.4 2 點間距離 19.5.5 2 線間夾角 19.5.6 連接線圖一覽 19.6 結果修正 19.6.

1 手動修正 19.6.2 平滑化 19.6.3 內插補間 19.6.4 幀坐標變換 19.6.5 人體重心測量 19.6.6 設置事項 19.7 查看 19.8 實時測量 19.8.1 實時目標測量 19.8.2 實時標識測量 19.9 開發平臺MSSample 參考文獻 第20 章 三維運動測量分析系統MIAS 3D 20.1 MIAS 3D 系統簡介 20.2 文件 20.3 2D 結果導入、3D 標定及測量 20.4 顯示結果 20.4.1 視頻表示 20.4.2 點位速率 20.4.3 位移量 20.4.4 2 點間距離 20.4.5 2 線間夾角 20.4.6 連接線一覽圖 20.

5 結果修正 20.6 其他功能 參考文獻 第21 章 車輛視覺導航系統 21.1 車輛無人駕駛的發展歷程及趨勢 21.2 視覺導航系統的硬體 21.3 視覺導航系統的軟體 21.4 導航試驗及性能測試比較   序 　　智慧製造的核心内容是裝備生產和應用的資訊化與智慧化，機器視覺是實現這一目標的關鍵技術。提起「機器視覺」或者「圖像處理」（機器視覺的軟體部分），許多人並不陌生，但是没有專門學習過的人，往往會把「圖像處理」與用於圖像編輯的Photoshop軟體等同起來，其實兩者之間具有本質的區别。機器視覺中的圖像處理是由電腦對現有的圖像進行分析和判斷，然後根據分析判斷結果去控制執行其他相應

的動作或處理；而Photoshop是基於人的判斷，通過人手的操作來改變圖像的顔色、形狀或者剪切與編輯。也就是説，一個是由機器分析判斷圖像並自動執行其他動作，一個是由人分析判斷圖像並手動修改圖像，這就是兩者的本質區别。本書内容就是介紹機器視覺的構成、圖像處理理論算法及應用系統。 　　目前，市面上圖像處理方面的書比較多，一般都是着眼於講解圖像處理算法理論或者編程方法，筆者本人也編著了兩本圖像處理VC＋＋ 編程和一本機器視覺理論及應用實例介紹方面的書，這些書的主要適用對象是圖像處理編程人員。然而，從事圖像處理編程工作的人畢竟是少數，將來越來越多的人會從事與機器人和智慧裝備相關的操作及技術服務工作，

目前國内針對這個群體的機器視覺教育書籍還比較少。近年來，經常有地方理工科院校來諮詢圖像處理實驗室建設事項，他們的目的是圖像處理理論教學，而不是學習圖像處理程序編寫，給他們推薦教材和進行圖像處理實驗室配置都是很困難的事。爲了適應這個龐大群體的需要，本書以普及教學爲目的，盡量以淺顯易懂、圖文並茂的方法來説明複雜的理論算法，每個算法都給出實際處理案例，使一般學習者能够感覺到機器視覺其實並不深奥，也給將來可能從事機器視覺項目開發的人增强信心。 　　本書匯集了圖像處理絕大多數現有流行算法，對於專業圖像處理研究和編程人員，也具有重要的參考價值。 　　本書在撰寫過程中得到了田浩、歐陽娣、曾寶明、王橋、楊

明、喬妍、朱德利、樑習卉子、陳洪密、代賀等不同程度的幫助，也獲得了北京現代富博科技有限公司的技術支持，在此對他們表示衷心的感謝！ 　 　　由於筆者水平所限，書中不足之處在所難免，敬請廣大讀者與專家批評指正。  

DirectX進入發燒排行的影片

VR射擊遊戲結合自適性聲音系統之玩家體驗研究

為了解決DirectX的問題，作者黃柏瑞 這樣論述：

虛擬實境的組成以沉浸(Immersion)、互動(Interaction)、構想(Imagination)為三大主軸，強調以使用者為主導，來控制影音之呈現，然而實際上，現有的虛擬實境遊戲多以視覺體驗為主、聲音效果為輔，忽略了聽覺的感受。自適性聲音的技術強調即時反饋玩家在遊戲中的狀態與所在之情境，應有助於虛擬實境遊戲之玩家體驗。 本文將自適性聲音分成音效及音樂兩個部分進行探討。自適性音效可以呼應玩家的指令、表現角色的狀況、描述環境；自適性音樂則會隨著遊戲中的事件或環境，順暢地轉換音樂的內容與氛圍。本研究亦設計一款VR射擊遊戲，玩家將隨機依序體驗兩種有無使用自適性的聲音系統，並將玩

家在遊戲中的表現量化分析，透過觀察法、問卷調查法、深度訪談法，評估使用者在VR射擊遊戲中，對於聲音的表現與感受，聚焦於驗證自適性聲音對於VR遊戲的重要性，整理出玩家最佳感受之聲音模式，並提出以自適性聲音為主之VR射擊遊戲之設計建議。 自適性音效在本研究所設計的遊戲中有多種表現方式，包括隨玩家的移動而即時改變的殘響效果，來表現廣闊的平原或狹小的洞穴知音場環境；重複的音效添加隨機變化，讓子彈的聲音不再單調疲乏；會產生聲音的物件之音量大小與聲音方位，會隨玩家在遊戲場景中的空間位置而變化；腳步聲隨著遊戲場景的地面材質而即時改變聲響特性。自適性音樂在本遊戲中，隨著遊戲情境氛圍的不同而順暢轉換音樂內

容，主要透過水平重排序、垂直重混音等的手法，使不同氛圍的音樂能隨玩家的處境而隨時能順暢進行轉換，取代傳統以直接中斷的音樂切換方式。 透過玩家問卷分析結果顯示「自適性聲音系統」適用於「視頻射擊遊戲」與「VR射擊遊戲」，受測者在「自適性聲音系統」下之遊戲表現，在3D環境內之空間感、方位判斷、距離判斷等構面，都有顯著提升。此外，受測者皆偏好在「自適性聲音系統」的聲音模式中遊玩射擊遊戲。 透過遊戲實測數據顯示，除了有豐富射擊遊戲經驗的受測者外，對於一般的受測者而言，「自適性聲音系統」有助於提升玩家體驗。在「沉浸感」、「玩家喜好」、「時間扭曲」、「疲勞感」等構面上，「自適性聲音系統」下之測試

與「非自適性聲音系統」之測試結果皆有明顯的差異，尤其是在無時間壓力的遊戲關卡中，玩家在「自適性聲音系統」下，停留的時間較長(高於「非自適性聲音系統」41.94%)，而在射擊的任務中，玩家也能以更少的時間(低於「非自適性聲音系統」19.382%)來通關。

Monogame Mastery: Build a Multi-Platform 2D Game and Reusable Game Engine

為了解決DirectX的問題，作者Capellman, Jarred,Salin, Louis 這樣論述：

Jarred Capellman has been professionally developing software for over 13 years and is a Director of Engineering at SparkCognition in Austin, Texas. He started making QBasic text-based games when he was nine years old. He learned C++ a few years later before studying OpenGL with the eventual goal of

entering the gaming industry. Though his goal of professionally developing games didn’t come to fruition, he continued deep diving into frameworks such as MonoGame, Vulkan, and DirectX as an important part of his free time. When not programming, he enjoys writing music and is working on his DSc in C

ybersecurity, focusing on applying Machine Learning to security threats.Louis Salin has been a developer for more than 15 years in a wide variety of fields, developing on Windows in the early days in C, C++, and eventually C# before working as a developer on Linux-based web applications using differ

ent scripting languages, such as Ruby or Python. His early love for coding comes from all the time he spent as a kid copying video games written in Basic from books borrowed from the library. He wrote his first game in high school and took many classes in computer graphics.

以OpenCL實現蒙地卡羅光線追蹤之加速與探討

為了解決DirectX的問題，作者許廷宇 這樣論述：

隨著硬體科技越來越進步，圖形處理器從固定的pipeline架構，到可以廣泛應用的通用型圖形處理器程式設計(GPGPU programming)越來越成熟，有許多開發平台都包含光線追蹤的功能，例如：DirectX Ray Tracing、OptiX、Embree 等等，利用平行化的優勢，解決光線追蹤需要的龐大計算量。開發者在平行程式編寫上有 CUDA、OpenCL等便於平行化開發的框架，自由的開發環境使GPU kernel有多種編寫方式，在如何設計並優化GPU kernel上有許多研究，包括提升硬體利用率的方法或是同質性的計算流程等有利平行化的設計方式。本研究以OpenCL為開發平台，探討基

於物理渲染(Physically Based Rendering)的蒙地卡羅路徑追蹤法(Monte Carlo Path Tracing)具有的計算特性，並分析如何利用這些特性進一步提升平行化效率，同時考慮花費成本在追蹤的各個階段帶來的影響。