Kode untuk waveSharp ditulis dalam Pascal/Lazarus dan meskipun itu adalah bahasa "terkompilasi", tampaknya ini bukan yang tercepat untuk tugas-tugas tertentu yang kami lakukan. Selama pengembangan rutinitas denoising, kami menemukan bahwa rutinitas tersebut lambat dan terbatas (hingga gambar 4096x4096 piksel). Saat ini kami sedang menguji cara baru untuk menjalankan waveSharp menggunakan kode Python. Hal ini memungkinkan kita untuk menggunakan rutinitas perhitungan yang cepat dan dioptimalkan kecepatannya yang telah tersedia di beberapa perpustakaan Python. Info lebih lanjut akan dibagikan di #65
Meskipun beberapa ribu orang telah mengunduh freeware ini, hanya sedikit yang menyampaikan masalah/diskusi.
laporkan masalah Anda menggunakan https://github.com/CorBer/waveSharp/issues karena masalah tersebut akan digunakan untuk pengembangan lebih lanjut. Jika Anda memiliki ide/permintaan yang sangat spesifik, harap jelaskan secara rinci saat melaporkan.
Pada tanggal 9 Desember 2023 kami telah merilis versi beta pertama waveSharp 1.0 Informasi lebih lanjut tersedia di https://github.com/CorBer/waveSharp/releases/tag/v1.0beta
Tersedia di https://github.com/CorBer/waveSharp/releases/tag/v0_2
Pengembangan rilis waveSharp 0.2 dilakukan oleh Cor Berrevoets bekerja sama erat dengan:
Berikan Blair
Michael Owen
Filip Szczerek
Cheng-Yang Tan
Don Capone
Pertama-tama saya ingin berterima kasih kepada mereka karena telah membantu saya memulai dan menghabiskan sebagian waktu luang mereka untuk hal ini. Mereka telah menguji banyak versi aplikasi sebelumnya dan memberikan bantuan/bug serta ide yang membantu saya mengarahkan proyek ini.
Pembaruan ini memiliki fitur tambahan berikut
area pemrosesan yang ditetapkan pengguna
penyimpanan gambar yang dipotong
penyimpanan gambar diubah ukurannya
bantalan/pemangkasan tepi gambar
penyelarasan saluran RGB (pada tingkat subpiksel)
metode penajaman baru (filter bilateral)
pemeriksaan versi otomatis
Kor Berrevoet
