dwm_lut项目安装与配置指南
2025-04-21 09:48:36作者:咎竹峻Karen
1. 项目基础介绍
dwm_lut是一个开源项目,主要用于在Windows操作系统中对桌面进行全局色彩校正和校准。它通过将3D查找表(LUT)应用于桌面窗口管理器(DWM),实现色彩调整的功能。该项目支持Windows 10的最新版本以及Windows 11。主要编程语言包括C#、C++和C。
2. 项目使用的关键技术和框架
- 3D LUT技术:3D LUT即三维查找表,是一种色彩校正技术,通过在色彩空间中进行映射,改善图像色彩。
- DWM hooking:该项目通过hooking技术,将自定义的色彩校正应用于Windows的DWM。
- Tetrahedral interpolation:在LUT数据上使用四面体插值,以获得更平滑的色彩过渡。
- Blue-noise dithering:在SDR模式下应用蓝噪声抖动技术,减少颜色条带效应。
3. 项目安装和配置
准备工作
在开始安装之前,请确保您的系统满足以下要求:
- Windows 10版本20H2或21H1,或Windows 11。
- 安装有Visual C++运行时库。
安装步骤
-
安装依赖项:
- 下载并安装Visual C++运行时库,可以从这里获取。
-
安装vcpkg:
- 创建一个文件夹用于安装vcpkg,例如
%LOCALAPPDATA%\vcpkg。 - 克隆vcpkg仓库到该文件夹:
git clone https://github.com/Microsoft/vcpkg.git . - 运行
.\bootstrap-vcpkg.bat初始化vcpkg。 - 集成vcpkg到系统环境变量:
vcpkg integrate install。
- 创建一个文件夹用于安装vcpkg,例如
-
编译项目:
- 打开Visual Studio。
- 打开项目文件夹中的
.sln文件。 - 编译x64发布版本的工程。
-
运行程序:
- 编译完成后,运行
DwmLutGUI.exe。 - 在GUI界面中,使用DisplayCAL或其他类似工具生成
.cube格式的LUT文件。 - 将生成的LUT文件分配给显示器,并点击“应用”。
- 编译完成后,运行
-
高级使用:
- 如果需要自动化操作,可以在启动
exe时使用参数-apply、-disable、-minimize和-exit。
- 如果需要自动化操作,可以在启动
请注意,该指南提供了基本的安装和配置步骤,具体的细节可能会根据项目的更新和用户的具体环境有所不同。在操作过程中,请确保遵循屏幕上的指示和提示。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
642
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
642