分析与设计
asp.net 如何在页面上画个不规则的多边形。并在数据库里记下各点的座标！
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN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 关注 + 加入社区相关推荐
AspJpeg 2.4.0.1
ASP组件AspJpeg(加水印)使用方法大全ASPJPEG是Persits出品的共享软件，它是一款功能相当强大的asp图象处理组件，用它可以轻松地做出图片的缩略图和为图片加上水印功能。 水印组件AspJpeg2.4.0.1 下面简单介绍一下使用方法： 您先要执行下载得到的exe文件，安装该组件. 检测是否注册成功的方法： 将以下代码保存为asp，拷贝在服务器上，用浏览器打开，看返回结果。 一、为图片添加水印 <% Dim Jpeg ''''//声明变量 Set Jpeg = Server.CreateObject("Persits.Jpeg") ''''//调用组件 Jpeg.Open Server.MapPath("aaa.JPG") ''''//源图片位置 Jpeg.Canvas.Font.Color = &H000000; ''''//水印字体颜色 Jpeg.Canvas.Font.Family = "宋体" ''''//水印字体 Jpeg.Canvas.Font.Size = 14 ''''//水印字体大小 Jpeg.Canvas.Font.Bold = False ''''//是否粗体，粗体用：True Jpeg.Canvas.Font.BkMode = &HFFFFFF; ''''//字体背景颜色 Jpeg.Canvas.Print 10, 10, "不败顽童工作室" ''''//水印文字，两个数字10为水印的xy座标 Jpeg.Save Server.MapPath("aaa_05.jpg") ''''//生成有水印的新图片及保存位置 Set Jpeg = Nothing ''''//注销组件，释放资源 Response.Write "" ''''//在该页显示生成水印后的图片 %> 二、生成缩略图 <% Dim Jpeg ''''//声明变量 Set Jpeg = Server.CreateObject("Persits.Jpeg") ''''//调用组件 Jpeg.Open Server.MapPath("aaa.JPG") ''''//原图位置 Jpeg.Width = Jpeg.OriginalWidth/4 ''''//设图片宽度为原图的四分之一 Jpeg.Height = Jpeg.OriginalHeight/4 ''''//设图片高度为原图的四分之一 Jpeg.Sharpen 1, 130 ''''//设定锐化效果 Jpeg.Save Server.MapPath("aaa_small.jpg") ''''//生成缩略图位置及名称 Set Jpeg = Nothing ''''//注销组件，释放资源 Response.Write "" ''''//在该页显示生成缩略图 %> aspjpeg组件高级使用方法介绍 aspjpeg是一款非常强大的图片处理组件，纯英文版本。不过早已经有免费版和破解版，但是对其进行详细与深入介绍的文章却是不多，即使有也只牵涉到图片缩略和图片水印。可能是因为纯英文的缘故。 这里我就是针对这些问题谈谈aspjpeg的高级用法。这里的技术主要包括： 图片缩略 图片水印 安全码技术 图片切割 图片合并 数据库支持 更多不常用的方法介绍 以及相关的一些实用技术 aspjpeg唯一点不足的就是输出方式比较单一。在这里，我们主要谈将图片处理保存后再调用的这种输出方法。另外，本人比较懒，所以有些代码仍然引用于原文档，不懂的地方偶会加以解释！ 学过vb或者.net的同志肯定一看就明白了。刷子来着。呵呵。 一、图片缩略 <IMG SRC="images/
智能驾驶智慧交通行业智算中心（AIDC）建设规划方案.pptx
智能驾驶智慧交通行业智算中心（AIDC）建设规划方案.pptx
douyin-favorite-MyLike-2.0.3.zip
douyin-favorite-MyLike-2.0.3.zip
英文打字练习 可自定义练习范围
英文打字练习 可自定义练习范围 给初学者熟悉键位用
非凸非光滑优化的惯性块镜像下降方法（Matlab代码实现）
内容概要：本文详细介绍了“非凸非光滑优化的惯性块镜像下降方法”的Matlab代码实现，重点针对三相PWM控制等复杂工程场景中的非凸非光滑优化问题，提出一种高效的迭代求解算法。文章系统阐述了该方法的数学建模原理、收敛性分析及优化机制，并提供了完整的Matlab仿真代码与多个典型应用实例（如储能系统管理、电力电子控制等），帮助读者深入理解算法在实际科研与工程中的部署方式。内容兼具理论深度与实践价值，突出展示了该方法在电力系统、信号处理和数据融合等领域的广泛应用潜力。; 适合人群：具备扎实的数学优化理论基础和良好Matlab编程能力，从事控制工程、电力电子、信号处理或运筹优化等相关方向的研究生、科研人员及工程师（建议具有1-3年以上相关经验）；特别适合致力于非凸优化、智能算法设计及工业级仿真验证的技术人员。; 使用场景及目标：① 掌握非凸非光滑优化问题的先进求解策略，提升对复杂目标函数与约束条件的处理能力；② 利用所提供的Matlab代码快速实现惯性块镜像下降算法，应用于电力系统优化控制、路径规划、信号恢复等科研项目中；③ 借助文中的仿真案例进行算法性能测试、参数调优与二次开发，推动高水平论文撰写与技术创新。; 阅读建议：此资源以算法实现为核心，建议读者结合理论推导与代码实践同步学习，优先按照文档推荐目录顺序逐步深入，确保掌握前置知识体系；同时关注公众号“荔枝科研社”获取完整资源包、配套资料及更新内容，全面提升学习完整性与科研应用效能。
