Я только что сделал и переопределит OnLocationChanged. Это грубо, но работает, и мне разрешили в один прекрасный день найти исправление, чтобы я закончил. Длина и ширина формы - 544 и 312. В чем разница между OnMove и OnLocationChanged?
protected override void OnLocationChanged(EventArgs e)
{
if (this.Location.X > Screen.PrimaryScreen.WorkingArea.X + Screen.PrimaryScreen.WorkingArea.Width - 544)
{
this.SetBounds(0, 0, 544, 312);
}
else if(this.Location.X < Screen.PrimaryScreen.WorkingArea.X)
{
this.SetBounds(0, 0, 544, 312);
}
if (this.Location.Y > Screen.PrimaryScreen.WorkingArea.Y + Screen.PrimaryScreen.WorkingArea.Height - 312)
{
this.SetBounds(0, 0, 544, 312);
}
else if (this.Location.Y < Screen.PrimaryScreen.WorkingArea.Y)
{
this.SetBounds(0, 0, 544, 312);
}
}
Ужасающие изображения (к сожалению) довольно сложны, причина в том, что размытие снимает шум, поэтому есть несколько (шумных) изображений, которые будут приносить одно и то же изображение при его размытии. Это означает, что нет простого способа, чтобы компьютер «выбирал» какой из шумных изображений, когда вы его дебютируете. Из-за этого застопоривание часто дает шумные изображения.
Теперь вы можете спросить, как фотографы делают это на самом деле. Ну, на самом деле они не дебют изображений, они затачивают их (что немного отличается). Когда вы делаете резкость изображения, вы увеличиваете контраст между границами, чтобы подчеркнуть их (именно поэтому вы иногда видите ореол вокруг границ на слишком резких изображениях).
В этом случае вы хотите deblur it (и нет ядра свертки, которое позволит вам это сделать). Чтобы сделать это в хорошем смысле, вам нужно знать, какой процесс размыл изображение в первую очередь (то есть, если вы не хотите тратить тысячи долларов на специальное программное обеспечение или не владеете математикой или астрономией) ,
Если вы все еще хотите это сделать, я бы рекомендовал искать деконволюцию, и если вы не знаете процесс размытия, слепой deconvolution. Есть некоторые (грубые) функции для него в skimage, которые могут быть полезны ( http://scikit-image.org/docs/stable/auto_examples/filters/plot_restoration.html#sphx-glr-auto-examples -filters-plot-restore-py ).
Наконец, окончательная ссылка в Jax Briggs кажется полезной, но я не буду пересекать пальцы для магических результатов.