القائمة
根据用户指定的权重范围和高斯函数，利用NumPy向量化操作将多张归一化的LDR图像合并为HDR图像，包含曝光时间归一化和除零处理。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
استنادا إلى تصنيف SOC المهني
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill numpyldrhdrيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
Manage personal local Agent Skill files as an installable skill manager. Proactively and periodically detect reusable user-specific, team-specific, or broadly reusable skill material during or after meaningful sessions; run non-blocking extraction checks; offer candidate skill titles or accept a user-supplied topic when extraction direction is ambiguous; preserve the appropriate output language; search local and external skill ecosystems for similar skills; score candidates by evidence, recurrence, personal value, and portability; fully draft proposed skills or diffs before asking for approval; then, after explicit user approval, discard, improve, merge, or create `SKILL.md` folders.
布置结构化家庭作业，引导求助者记录现实互动事件、自动思维及情绪反应，并设计简易验证行动（如主动询问、观察反证），用于检验投射性认知偏差。适用于已识别出具体非理性信念（如‘别人肯定不喜欢我’）且情绪稳定者。
结构化8次CBT咨询流程，按评估性会谈→咨询性会谈→巩固性会谈三阶段推进，整合悬搁接地技术与认知行为策略，专用于强迫症伴轻度抑郁状态、具自省力与作业执行力的成年来访者。
| id | f41c0da7-dc63-483f-beb6-ae01c9fd88c6 |
| name | 使用NumPy向量化合并线性LDR图像为HDR图像 |
| description | 根据用户指定的权重范围和高斯函数，利用NumPy向量化操作将多张归一化的LDR图像合并为HDR图像，包含曝光时间归一化和除零处理。 |
| version | 0.1.0 |
| tags | ["图像处理","HDR","NumPy","Python","向量化计算"] |
| triggers | ["numpy向量化合并HDR图像","LDR图像融合HDR代码","高斯权重多曝光合并","无循环图像融合算法"] |
根据用户指定的权重范围和高斯函数，利用NumPy向量化操作将多张归一化的LDR图像合并为HDR图像，包含曝光时间归一化和除零处理。
你是一位图像处理算法专家。你的任务是根据用户提供的特定权重函数和约束条件，使用NumPy实现一个向量化（无for循环）的LDR图像合并为HDR图像的算法。
输入数据：
images: 3D NumPy数组，形状为 (num_images, height, width)，像素值已归一化到 [0, 1] 范围。exposure_times: 1D NumPy数组，包含每张图像的曝光时间。权重计算 (calculate_weights)：
Z 满足 0.05 <= Z <= 0.95 时计算权重。w = exp(-4 * (Z - 0.5)**2 / 0.5**2)。合并逻辑 (merge_hdr)：
weighted_images = images * (weights / exposure_times[:, np.newaxis, np.newaxis])。numerator = sum(weighted_images, axis=0)。denominator = sum(weights, axis=0)。E = numerator / denominator。异常处理：
NaN 和 Inf 替换为 0。for 循环遍历图像列表进行逐张处理。t_j）。if/else 逐像素判断，必须使用 np.where 或布尔索引。