Mac OpenCV C++的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

不會C也是資安高手：用Python和駭客大戰三百回合(第二版)

為了解決Mac OpenCV C++的問題，作者李華峰 這樣論述：

　　【第二版說明】 　　在第二版中，我們加入了應用Python、Selenium、OpenCV 以及簡單的人工智慧，來破解網路上的圖型驗證碼(Captcha)。滲透及破解在AI 年代已經成為不可或缺的一個重點，傳統的滲透方式耗費大量人工，但AI 的出現，利用類神經網路的損失函數(Cost Function)，我們可以利用數學上的分佈空間進行不同物件的比對，從而對圖型或其它資料類型進行破解。   　　全書圍繞如何使用目前備受矚目的Python語言進行網路安全程式設計展開。   　　從Python 的基礎講起，系統說明網路安全的作用、方法論，Python 在網路安全管理上的應用，以及Pytho

n 在實現這些應用時相關的網路原理和技術。   　　結合實例說明使用Python 進行網路安全程式設計的方法，以及在實際滲透中的各種應用，包含安全工具的開發、自動化報表的產生、自訂模組的開發等，將 Python 變成讀者手中的程式設計利器。   　　本書主要內容：  　　■ 網路安全滲透測試的相關理論    　　■ Kali Linux 2使用基礎 　　■ Python 語言基礎    　　■ 安全滲透測試中的常見模組 　　■ 資訊收集    　　■ 對漏洞進行滲透 　　■ 網路的偵測與監聽    　　■ 拒絕服務攻擊 　　■ 身份認證攻擊    　　■ 遠端控制工具 　　■ 無線網路滲透 

  　　■ Web滲透測試 　　■ 產生滲透測試報告 　　■ 使用 Selenium、OpenCV 和人工智慧破解 Captcha   　　適合讀者群：網路安全滲透測試人員、運行維護工程師、網路管理人員、網路安全裝置設計人員、網路安全軟體開發人員，或熱衷網路安全研究者。   本書特色   　　◎新增內容：使用AI破解網路圖型驗證碼(CAPTCHA) 　　◎凝聚作者網路安全方面多年教學與實作開發經驗 　　◎系統且深入說明Python在網路安全程式設計上的方法與應用

基於CUDA的GPU並行程序開發指南

為了解決Mac OpenCV C++的問題，作者（美）托爾加·索亞塔 這樣論述：

本書旨在幫助讀者瞭解與基於CUDA的GPU並行程式設計技術有關的基本概念，並掌握使用C語言進行GPU高性能程式設計的相關技巧。 　 　 本書共分為三部分，第一部分通過CPU多執行緒程式設計解釋了平行計算，使得沒有太多平行計算基礎的讀者也能毫無阻礙地 入門CUDA；第二部分重點介紹了基於CUDA的GPU大規模並行程式的開發與實現，並通過大量的性能分析説明讀者理解如何開發一個好的GPU並行程式以 及GPU架構對程式性能的影響：第三部分介紹了一些常用的CUDA庫、OpenCL程式設計語言、其他GPU程式設計語言和API以及深度學習庫cuDNN。 　　 本書內容翔實、實例豐富，可作為高等院校相關專業高

年級本科生和研究生課程的教材，也可作為電腦相關技術人員的參考書。 唐傑，博士，南京大學電腦科學與技術系副教授，主要研究高性能計算與並行處理技術，主持和參與國家科技重大專項、國家自然科學基金等十餘項課題，在國內外學術會議和期刊上發表了50多篇論文，還參與編寫了多部教材。 　　 托爾加·索亞塔（Tolga Soyata），紐約州立大學奧爾巴尼分校電氣與電腦工程系副教授。主要教授大型積體電路、GPU程式設計課程，曾擔任羅賈斯特大學CUDA教學中心和CUDA研究中心負責人。 　　 Tolga Soyata，於1988年在伊斯坦布爾技術大學電子與通信工程系獲得學士學位，1992年在美

國馬裡蘭州巴爾的摩的約翰·霍普金斯大學電氣與電腦工程系（ECE）獲得碩士學位，2000年在羅賈斯特大學電氣與電腦工程系獲得博士學位。2000年至2015年間，他成立了一家IT外包和影印機銷售／服務公司。在運營公司的同時，他重返學術界，在羅賈斯特大學電氣與電腦工程系擔任研究員。   之後，他成為助理教授，並一直擔任電氣與電腦工程系教職研究人員至2016年。在羅賈斯特大學電氣與電腦工程系任職期間，他指導了三名博士研究生。其中兩人在他的指導下獲得博士學位，另一位在他2016年加入紐約州立大學奧爾巴尼分校擔任電氣與電腦工程系副教授時留在了羅賈斯特大學。Soyata的教學課程包括大型積體電路、類比電路以

及使用FPGA和GPU進行並行程式設計。他的研究興趣包括資訊物理系統、數位元元健康和高性能醫療移動雲計算系統等。 Tolga Soyata從2009年開始從事GPU程式設計的教學，當時他聯繫Nvidia將羅賈斯特大學認證為CUDA教學中心（CTC）。在Nvidia將羅賈斯特大學認證為教學中心後，他成為主要負責人。之後，Nvidia還將羅賈斯特大學認證為CUDA研究中心（CRC），他也成為專案負責人。   Tolga Soyata在羅賈斯特大學擔任這些計畫的負責人直到他於2016年加入紐約州立大學奧爾巴尼分校。這些計畫後來被Nvidia命名為GPU教育中心和GPU研究中心。在羅賈斯特大學期間，

他講授了5年GPU程式設計和高級GPU專案開發課程，這些課程同時被列入電氣與電腦工程系以及電腦科學與技術系的課程體系。自2016年加入紐約州立大學奧爾巴尼分校以來，他一直在講授類似的課程。本書是他在兩所大學講授GPU課程的經驗結晶。 譯者序 前言 關於作者 第一部分 理解CPU的並行性 第1章 CPU並行程式設計概述 1．1 並行程式設計的演化 1．2 核心越多，並行性越高 1．3 核心與執行緒 1．3．1 並行化更多的是執行緒還是核心 1．3．2 核心資源分享的影響 1．3．3 記憶體資源分享的影響 1．4 第一個串列程式 1．4．1 理解資料傳輸速度 1．4．2 im

flip．c中的main（）函數 1．4．3 垂直翻轉行：FlipImageV（） 1．4．4 水準翻轉列：FlipImageH（） 1．5 程式的編輯、編譯、運行 1．5．1 選擇編輯器和編譯器 1．5．2 在Windows7、8、10平臺上開發 1．5．3 在Mac平臺上開發 1．5．4 在Unix平臺上開發 1．6 Unix速成 1．6．1 與目錄相關的Unix命令 1．6．2 與文件相關的Unix命令 1．7 偵錯工具 1．7．1 gdb 1．7．2 古典調試方法 1．7．3 valgrind 1．8 第一個串列程式的性能 1．8．1 可以估計執行時間嗎 1．8．2 代碼執行時OS在做

什麼 1．8．3 如何並行化 1．8．4 關於資源的思考 第2章 開發第一個CPU並行程式 2．1 第一個並行程式 2．1．1 imflipP．c中的main（）函數 2．1．2 執行時間 2．1．3 imflipP．c中main（）函數代碼的劃分 2．1．4 執行緒初始化 2．1．5 創建執行緒 2．1．6 執行緒啟動／執行 2．1．7 執行緒終止（合併） 2．1．8 執行緒任務和資料劃分 2．2 點陣圖檔 2．2．1 BMP是一種無損／不壓縮的檔案格式 2．2．2 BMP影像檔格式 2．2．3 標頭檔ImageStuff．h 2．2．4 ImageStuffc中的圖像操作函數 2．3 執行

執行緒任務 2．3．1 啟動執行緒 2．3．2 多執行緒垂直翻轉函數MTFlipV（） 2．3．3 FlipImageV（）和MTFlipV（）的比較 2．3．4 多執行緒水準翻轉函數MTFlipH（） 2．4 多執行緒代碼的測試／計時 第3章 改進第-個CPU並行程式 …… 第二部分 基於CUDA的GPU程式設計 第三部分 拓展知識 近10年來，隨著大資料、深度學習等相關領域的發展，對計算能力的需求呈幾何級數增長。與此同時，大型積體電路的發展卻受到功耗、散熱、電晶體尺寸等客觀因素的限制，難以繼續維持摩爾定律。因此，人們逐漸把目光轉向了並行系統。GPU自誕生之日起就是為

電腦的圖形圖像渲染等大規模並行處理任務而服務的，因而越來越受到研究界和企業界的關注。隨著CUDA等計算架構模型的出現，這一趨勢更加明顯。 　　 CUDA（Compute Unified Device Architecture，統一計算設備架構）是Nvidia（英偉達）提出的平行計算架構，它可以結合CPU和GPU的優點，處理大規模的計算密集型任務。同時，它採用了基於C語言風格的語法，又將CPU端和GPU端的開發有效地集成到了同一環境中，對於大多數C程式師來說，使用十分方便，因而一經推出就迅速佔領了GPU開發環境的市場。 　　 然而，會寫CUDA程式與會寫好的CUDA程式相差甚遠！ 　　 阻礙CU

DA程式獲得高性能的原因有很多。首先，GPU屬於單指令多資料類型的平行計算，因而任務切分方式非常關鍵，既要充分挖掘執行緒級的並行性，也要充分利用流來實現任務級的並行。其次，GPU的存儲類型和訪問模式比CPU的要豐富得多，一個成功的CUDA程式要能充分利用不同類型的存儲。   再次，NvidiaGPU的架構還處於高速發展期，新一代GPU所推出的新功能也能夠有效地提升計算效率。最後，萬丈高樓平地起並不是CUDA開發的最佳方式，Nvidia和一些協力廠商機構都開發了很多基於CUDA的支撐庫，利用好這些協力廠商庫可以讓你的開發過程事半功倍。 Tolga Soyata結合他10多年的CUDA教學經驗以

及與 Nvidia多年合作的經歷精心撰寫了本書，針對上述問題進行了詳細而生動的闡述。本書最獨特的地方是它在第一部分中通過CPU多執行緒解釋平行計算，使沒有太多平行計算基礎的讀者也能毫無阻礙地進入CUDA天地。   第二部分重點介紹了基於CUDA的GPU大規模並行程式的開發與實現。與現有的同類書籍相比，本書的特點是在多個NvidiaGPU平臺（Fermi、Kepler、Maxwell和Pascal）上並行化，並進行性能分析，説明讀者理解GPU架 構對程式性能的影響。第三部分介紹了一些重要的CUDA庫，比如cuBLAS、cuFFT、NPP和Thrust（第12章）；OpenCL程式設計語言（第 1

3章）；使用其他程式設計語言和API庫進行GPU程式設計，包括Python、Metal、Swifi、OpenGL、OpenGLES、OpenCV和微軟 HLSL（第14章）；當下流行的深度學習庫cuDNN（第15章）。 　　 本書通過生動的類比、大量的代碼和詳細的解釋向讀者循序漸進地介紹了基於CUDA程式設計開發的GPU平行計算方法，內容豐富翔實，適合所有具備基本的C語言知識的程式師閱讀，也適合作為GPU平行計算相關課程的教材。 　　 在本書的翻譯過程中得到了機械工業出版社華章公司朱捷先生的大力支持，在此表示由衷的感謝！ 　　 限於水準，翻譯中難免有錯誤或不妥之處，真誠希望各位讀者批評指正。

具有中繼功能之LoRa圖像傳輸研究

為了解決Mac OpenCV C++的問題，作者張冠鈞 這樣論述：

在物聯網(IOT)的應用中，以公里為單位的長距離圖像傳輸的研究日益增多，但當進行長距離圖像傳輸的過程，有可能會被高大的建築物或障礙物給阻擋，導致封包遺失和接收不到的情況，因此需要中繼節點來避開被阻擋的路徑。如果使用Wi-Fi來進行遠距離傳輸圖像，會消耗大量的功耗，而且只適合短距離傳輸；藍芽(Bluetooth)雖然是低功耗技術，但只適合短距離傳輸。而LoRa(Long Range) 是一種低功耗、廣域網路的無線傳輸技術，因此在本論文中我們使用LoRa來當作長距離圖像傳輸的技術。在本研究論文，我們主要使用樹莓派搭配LoRa來設計圖像之多重跳躍傳輸(Multi-Hopping Transmiss

ion)。我們首先提出利用不同展頻因子(SF, Spreading Factor)的訊號之間會互相正交的特性，來設計一個可以同時發射與接收的中繼器，以減少傳輸延遲及封包碰撞，圖像格式使用JPEG圖像壓縮及16進制編碼，中繼器內部使用MQTT進行通訊。此外為了在同一時段平衡各中繼節點的負擔，避免中繼節點的閒置時間過長，在開始傳送前，我們也首先提出把圖像依不同比例來分割，分批進行傳送較小的圖檔，如此便可減少中繼節點的閒置時間，進而降低整體傳送時間，影像感測與發射節點實際測試的位置在台中市大里區大峰橋上，接收節點設置在朝陽科技大學人文大樓9樓，在這二點之間的距離約為2公里，兩者之間因有遮蔽物擋住，故

無法直接通訊，中繼節點設置在發送端和接收端之間為視線(Line-of-Sight)的情況，中繼節點數目為N，我們進行N=1、2及3及不同圖像切割率(Cutting Ratio)的情形下的實驗，實驗結果發現進行圖像切割時，確實可以把傳送時間降低，而且當切割率=1/(N+1)時，有最佳的狀態，可以得到最低的傳輸時間，結果顯示透過中繼節點，在不被遮蔽物擋住的情況進行圖像傳輸，使用LoRa進行多跳傳輸圖像是可行的。