dwm_lut 项目下载及安装教程
2024-12-05 08:18:10作者:范垣楠Rhoda
1. 项目介绍
dwm_lut 是一个开源项目,旨在通过挂钩 Windows 桌面管理器(DWM)来应用 3D LUT(查找表),从而实现系统范围内的颜色校正和校准。该项目支持 SDR 和 HDR 模式,并使用四面体插值处理 LUT 数据。在 SDR 模式下,还会应用蓝噪声抖动以减少带状效应。目前,该项目适用于 Windows 10 的 20H2 或 21H1 版本,以及 Windows 11 的当前版本。
2. 项目下载位置
要下载 dwm_lut 项目,请访问项目的 GitHub 仓库。您可以通过以下步骤进行下载:
-
打开命令行工具(如 Git Bash 或 PowerShell)。
-
使用以下命令克隆项目仓库:
git clone https://github.com/ledoge/dwm_lut.git这将把项目文件下载到当前目录下的
dwm_lut文件夹中。
3. 项目安装环境配置
在安装 dwm_lut 之前,您需要确保系统满足以下环境配置要求:
- 操作系统:Windows 10 20H2 或更高版本,或 Windows 11。
- 开发环境:MSYS2 的 mingw64 环境,Visual Studio(用于编译 GUI)。
- 依赖库:MinHook 库,D3DCompiler 库,UUID 库。
环境配置示例
以下是配置 MSYS2 和 mingw64 环境的步骤:
-
安装 MSYS2:
- 下载并安装 MSYS2 从其官方网站。
- 打开 MSYS2 终端。
-
安装 mingw64 环境:
-
在 MSYS2 终端中运行以下命令:
pacman -S mingw-w64-x86_64-toolchain pacman -S mingw-w64-x86_64-MinHook
-
-
配置 Visual Studio:
- 安装 Visual Studio 并确保安装了 C# 开发工具。
- 打开 Visual Studio,加载
dwm_lut项目中的 GUI 部分。
4. 项目安装方式
编译 DLL
-
在 MSYS2 的 mingw64 环境中,导航到
dwm_lut项目的根目录。 -
运行以下命令以编译 DLL:
gcc dwm_lut.c -O3 -shared -static -s -lMinHook -ld3dcompiler -luuid -Wl,--exclude-all-symbols -o dwm_lut.dll
编译 GUI
- 打开 Visual Studio。
- 加载
dwm_lut项目中的 GUI 部分。 - 选择
x64平台并选择Release配置。 - 编译项目以生成
DwmLutGUI.exe。
5. 项目处理脚本
dwm_lut 项目包含一个处理脚本,用于自动化 LUT 的应用和禁用。您可以通过命令行启动 DwmLutGUI.exe 并传递以下参数:
-apply:应用所有 LUT。-disable:禁用所有 LUT。-minimize:最小化 GUI。-exit:应用或禁用 LUT 后退出程序。
例如:
DwmLutGUI.exe -apply -minimize -exit
这将应用所有 LUT,最小化 GUI,并在完成后退出程序。
通过以上步骤,您可以成功下载、配置并安装 dwm_lut 项目,并使用其提供的功能进行系统范围内的颜色校正和校准。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873