文件名称：matlab分时代码-BigArrays.jl:在没有服务器的情况下在本地或云存储中存储和访问大型Julia阵列
文件大小：40KB
文件格式：ZIP
更新时间：2024-06-10 14:07:58
系统开源
matlab分时代码BigArrays.jl 在Julia中使用本地和云存储后端切出并保存任意块。 介绍 大规模3D图像数据集蓬勃发展 随着样本嵌入和物理切片的增加，现代电子显微镜和光学显微镜以高分辨率将视场以数量级扩展。 结果，近年来我们看到了大规模的3D图像数据集的蓬勃发展。 在大多数情况下，大型图像数据无法容纳在计算机内存中，传统的独立软件无法处理这些数据集。 管理数据集（包括注入，剪切和可视化）具有挑战性，并且变得越来越紧迫。 当前解决方案 几乎所有大型图像处理解决方案都使用称为的预计算图像金字塔。 通常，将图像切成具有多个分辨率级别的小块。 通常使用各种算法（例如gzip和jpeg）压缩这些块。 分辨率最高的块通常被称为MIP级别0。较高的MIP级别通常是使用递归下采样建立的。 由于数据管理软件通常是针对存储后端设计和优化的，因此可以根据存储体系结构对解决方案进行分类。 对于传统的块存储后端，可以将所有块都保存在一个大文件中，并且可以通过磁盘查找来定位这些块，以避免文件系统搜索开销。 但是，内部文件系统增加了软件的复杂性，并且数据集的大小受到文件系统最大文件大小的限制。 还可
【文件预览】：
BigArrays.jl-master
----asset()
--------info(4KB)
----src()
--------Infos.jl(12KB)
--------BigArrays.jl(930B)
--------backends()
--------Codings.jl(3KB)
--------BackendBase.jl(216B)
--------Indexes.jl(5KB)
--------type.jl(11KB)
--------ChunkIterators.jl(3KB)
--------modes()
----Dockerfile(346B)
----Project.toml(810B)
----.travis.yml(520B)
----LICENSE(11KB)
----test()
--------Infos.jl(824B)
--------runtests.jl(126B)
--------backends()
--------BinDicts.jl(5KB)
--------S3Dicts.jl(2KB)
--------GSDicts.jl(2KB)
--------Indexes.jl(281B)
----README.md(9KB)
----.gitignore(16B)