189 8069 5689
' 关于VB点虐 { Visual Basic.NET是基于微软.NET Framework之上的面向对象的中间解释性语言，可以看作是Visual Basic在.Net Framework平台上的升级版本,增强了对面向对象的支持。但由于改动太大，导致VB点虐 对VB的向后兼容性不好，在业界引起不小的争议。 } ' VB点虐 与VB6.0的主要区别 { VB.Net需要在.Net Framework平台上才能执行，因此，大多的VB.Net程序员使用Visual Studio.Net作为IDE(integrated development environment-集成性的开发环境)开发点虐 应用程序。 VB6生成的应用程序不需要.Net Framework框架的支持。 因此，使用VB点虐 开发的应用程序只能在装有.Net Framework框架的系统中运行。 } ' VB点虐 与VB6.0的编程思想 { 网上流传的VB与VB点虐 差别被过分夸大。其实VB点虐 改善的只是完整的面向对象思想，90%语法与VB6.0保持一致。 抽象、封装、多态、继承是面向对象语言的四个基本属性。VB6.0不支持继承，而VB.NET则不然。所以，和C++一样，VB.NET也是完全面向对象的编程语言。 } ' VB点虐 与VB6.0的应用前景(个人观点 By 刺猬) ( 介于现在应用最为广泛WindowsXP操作系统没有预装点虐 framework的原因，许多VB程序员采用VB6.0开发应用程序；但现在不一样了，在未来，WindowsXP系统必将面临淘汰。继Vista以后，系统都预装了点虐 framework框架，由此看来，微软正在极力推崇使用点虐 技术。或许，点虐 应用程序的开发在未来会有很大的发展前景。 }
创新互联建站专注于企业成都营销网站建设、网站重做改版、普宁网站定制设计、自适应品牌网站建设、H5页面制作、商城网站定制开发、集团公司官网建设、成都外贸网站制作、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为普宁等各大城市提供网站开发制作服务。
求采纳
这个是个警告，如果不负责任点的话其实可以忽略不管的。
之所以提示这个警告是因为你没有对myRow进行初始化。你可以这么定义myRow，这样就不会出现警告了。
Dim dt As DataTable = New DataTable()
dt.Columns.Add("姓名")
dt.Columns.Add("性别")
dt.Columns.Add("年龄")
dt.Columns.Add("联系方式")
dt.Columns.Add("身份证号")
dt.Columns.Add("所选科室")
dt.Columns.Add("所选医生等级")
dt.Columns.Add("病人状态")
Dim myRow As DataRow = dt.NewRow()
上面只是个简单的例子，你可以从DataTable里创建新的DataRow对象。
至于第二个问题的话你没有提供给我异常详情或者截图，在下无能为力。
遍历所有子窗体，检查其状态。
记得表单有一个集合对象controls，里面包含它所辖的所有子控件。在判断控件类型是否form后，若是则判断它是否Visibled，符合条件的都做相应变化。这样处理局限时较小，代码可以通用，一劳永逸，好处自不必言。
图像二值化的目的是最大限度的将图象中感兴趣的部分保留下来，在很多情况下，也是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。这个看似简单的问题，在过去的四十年里受到国内外学者的广泛关注，产生了数以百计的阈值选取方法，但如同其他图像分割算法一样，没有一个现有方法对各种各样的图像都能得到令人满意的结果。
本文针对几种经典而常用的二值发放进行了简单的讨论并给出了其vb点虐 实现。
1、P-Tile法
Doyle于1962年提出的P-Tile (即P分位数法)可以说是最古老的一种阈值选取方法。该方法根据先验概率来设定阈值，使得二值化后的目标或背景像素比例等于先验概率，该方法简单高效，但是对于先验概率难于估计的图像却无能为力。
2、OTSU 算法（大津法）
OSTU算法可以说是自适应计算单阈值（用来转换灰度图像为二值图像）的简单高效方法。1978 OTSU年提出的最大类间方差法以其计算简单、稳定有效，一直广为使用。
3、迭代法（最佳阀值法）
(1)． 求出图象的最大灰度值和最小灰度值，分别记为Zl和Zk，令初始阈值为：
(2)． 根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值Z0和ZB:
式中，Z(i,j）是图像上(i,j)点的象素值，N(i,j)是(i,j)点的权值，一般取1。
(3)． 若TK=TK+1，则所得即为阈值，否则转2，迭代计算。
4、一维最大熵阈值法
它的思想是统计图像中每一个灰度级出现的概率 ，计算该灰度级的熵 ,假设以灰度级T分割图像，图像中低于T灰度级的像素点构成目标物体（O），高于灰度级T的像素点构成背景（B），那么各个灰度级在本区的分布概率为：
O区： i=1,2……,t
B区： i=t+1,t+2……L-1
上式中的 ,这样对于数字图像中的目标和背景区域的熵分别为：
对图像中的每一个灰度级分别求取W=H0 +HB，选取使W最大的灰度级作为分割图像的阈值，这就是一维最大熵阈值图像分割法。