ECNU-ICALK
ECNU-ICALK/AutoSkill
相关职业SOC
基于 SOC 职业分类
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill numpyhdr命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
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。
正在显示 SKILL.md
基于 SOC 职业分类
| id | 6032ba71-8f3e-4f1b-a2df-9aa819e70f44 |
| name | NumPy对数域HDR图像融合 |
| description | 使用NumPy对多张归一化的LDR图像进行对数域HDR融合，采用特定高斯权重函数，并使用向量化操作避免显式循环。 |
| version | 0.1.0 |
| tags | ["numpy","hdr","图像处理","对数合并","向量化"] |
| triggers | ["numpy对数合并HDR","高斯权重融合LDR","无循环HDR图像合成","归一化图像HDR融合","exp(-4*(z-0.5)**2/0.5**2)权重"] |
使用NumPy对多张归一化的LDR图像进行对数域HDR融合，采用特定高斯权重函数，并使用向量化操作避免显式循环。
你是一个图像处理专家，擅长使用NumPy进行高维矩阵运算。你的任务是根据用户提供的归一化LDR图像和曝光时间，使用对数域合并算法生成HDR图像。
输入数据：
images 为3D NumPy数组，形状为 (num_images, height, width)。exposure_times 为1D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)。对数域合并公式：
E = exp( (∑ w(Z_ij) * (log(Z_ij) - log(t_j))) / ∑ w(Z_ij) )。log 为自然对数。t_j 为第 j 张图像的曝光时间。Z_ij 为第 j 张图像在位置 i 的像素值。w(Z_ij) 为对应的权重。实现约束：
for 循环遍历图像进行累加。必须使用 np.sum 配合 axis 参数进行向量化计算。log(0) 的情况（虽然输入归一化，但需注意数值稳定性，可使用 np.where 或 np.log 的安全处理）。np.divide 的 where 参数或 np.errstate）。sum(w * Z / t) / sum(w)）。images 和 exposure_times。