Mingix
Mingix

CV2 -- 简单实现图像水平、垂直翻转

import cv2

img_dir = ""
save_path = ""
img = cv2.imread(img_dir)

# 水平翻转
flip_horizontal = cv2.flip(img, 1)
# 垂直翻转
flip_vertical = cv2.flip(img, 0)
#水平加垂直翻转
flip_hv = cv2.flip(img, -1) 

cv2.imwrite("save_path.jpg", flip_horizontal)

你可能感兴趣的:(CV2 -- 简单实现图像水平、垂直翻转)

  • 基于STM32F103的0.96寸OLED显示屏驱动程序IIC（注释详细_复制可用） 巨大蜗牛 常用器件驱动stm32嵌入式硬件单片机
    先介绍一下OLEDOLED被称为有机激光二极管显示，OLED采用有机材料涂层和玻璃基板，当有电流通过时有机材料就会发光，所以OLED具有自发光特性，不需要背光源的特点。显示的原理是将图像或文字分解为一组组小点,并通过控制每个点的亮度或颜色来显示信息。这些小点通常是很小的正方形，并且由有机发光二极管组成。常用的点阵大小有12x12、14x14、16x16、8x16等，每个点用0或1表示，0代表没有点
  • AI绘画工具Stable Diffusion+ComfyUI的配置 AIGC龙哥 AI作画stablediffusiongpt-3文心一言DALL·E2
    ComfyUI是一个基于图形用户界面的开源工具，用于搭建和运行复杂的图像生成和处理工作流。它主要围绕使用StableDiffusion模型来生成高质量的图像。这种工具通常允许用户通过拖放不同的模块或节点，定义数据处理和生成流程，然后通过这些流程生成图像。ComfyUI的核心功能包括图形化工作流设计：用户可以通过连接不同的模块或节点（例如，模型加载、图像处理、生成等）来构建自定义的图像生成流程。支持
  • 前端：HTML 00&00 前端前端html
    HTML（超文本标记语言，HyperTextMarkupLanguage）是构建网页的标准标记语言。它被广泛用于创建和设计网页内容，使得文本、图像、链接、表格等元素能够在浏览器中以结构化的形式展示。以下是HTML的详细介绍：1.HTML的基本结构HTML文档通常由一系列嵌套的元素和标签构成，具有以下基本结构：      文档标题  欢迎使用HTML！  这是一个段落。``：声明文档类型，告知浏览器
  • 如何用 DeepSeek 进行卷积神经网络（CNN）的优化 一碗黄焖鸡三碗米饭 人工智能前沿与实践cnn人工智能神经网络机器学习深度学习
    如何用DeepSeek进行卷积神经网络（CNN）的优化卷积神经网络（CNN）在计算机视觉任务中取得了巨大的成功，例如图像分类、目标检测和图像生成。然而，尽管CNN在这些任务中表现出色，它们通常需要大量的计算资源，并且在优化过程中可能会遇到一些挑战，如过拟合、训练速度慢、局部最优解等问题。为了更好地优化CNN模型，提高其性能和训练效率，DeepSeek提供了多种优化技术和工具，可以帮助我们系统地进行
  • 机器视觉线阵相机分时频闪选型/机器视觉线阵相机分时频闪选型 视觉人机器视觉 杂说数码相机计算机视觉人工智能
    在机器视觉系统中，线阵相机的分时频闪技术通过单次扫描切换不同光源或亮度，实现在一幅图像中捕捉多角度光照效果，从而提升缺陷检测效率并降低成本。以下是分时频闪线阵相机的选型要点及关键考量因素：一、分时频闪技术的核心需求多光源同步控制分时频闪需相机支持多路光源独立控制，每行图像采集时切换光源类型（如明场、暗场、侧光等）或亮度。例如：苏州大视通智能科技CL-L8KM-R1-100KT相机提供8路光源控制信
  • JAVA【微服务】Spring AI 使用详解 C_V_Better javaAI人工智能人工智能java微服务后端数据结构开发语言
    目录一、前言二、SpringAI概述2.1什么是SpringAI2.2SpringAI特点2.3SpringAI带来的便利2.4SpringAI应用领域2.4.1聊天模型2.4.2文本到图像模型2.4.3音频转文本2.4.4嵌入大模型使用2.4.5矢量数据库支持2.4.6数据工程ETL框架三、SpringAI对接ChatGPT3.1前置准备3.2添加必要的依赖3.3接入操作流程3.3.1配置文件3
  • 深度学习开源数据集大全：从入门到前沿 念九_ysl AI人工智能
    在深度学习中，数据是模型训练的基石。本文整理了当前最常用且高质量的开源数据集，涵盖图像、视频、自然语言处理（NLP）、语音与音频等方向，帮助研究者和开发者快速定位所需资源。一、图像类数据集1.MNIST简介：手写数字识别领域的“HelloWorld”，包含6万张训练图像和1万张测试图像，尺寸为28×28的灰度图。特点：适合入门级图像分类任务，支持快速验证算法原型28。下载地址：MNIST官网2.I
  • 2008-2020年各省国内发明专利申请授权量数据 2501_90487648 数据#省份数据库
    2008-2020年各省国内发明专利申请授权量数据1、时间：2008-2020年2、来源：国家统计局、统计年鉴3、指标：行政区划代码、地区、年份、国内发明专利申请授权量(项)4、范围：31省5、指标解释：国内发明专利申请授权量是指在一个特定时期内，国内机构或个人提交的发明专利申请中，经过国家知识产权局审查并被授权的专利数量。它是衡量一个国家科技创新能力、技术成果转化水平以及知识产权保护力度的重要指
  • Mean Shift聚类算法深度解析与实战指南 万事可爱^ 机器学习修仙之旅#无监督学习算法聚类数据挖掘MeanShift均值漂移聚类均值算法
    一、算法全景视角MeanShift（均值漂移）是一种基于密度梯度上升的非参数聚类算法，无需预设聚类数量，通过迭代寻找概率密度函数的局部最大值完成聚类。该算法在图像分割、目标跟踪等领域有广泛应用，尤其擅长处理任意形状的密度分布。二、核心原理剖析2.1核密度估计使用核函数对数据分布进行平滑估计，高斯核函数为：K(x)=12πhe−x22h2K(x)=\frac{1}{\sqrt{2\pi}h}e^{-
  • 图像识别-pytorch 星辰瑞云 机器学习cnnpytorch
    Pytorch神经网络工具箱神经网络核心组件神经网络的基本组件层：包括卷积层、池化层、全连接层等。层是神经网络的基本结构，输入张量通过层后变为输出张量。模型：由层构成的网络结构，如AlexNet、VGG等。模型可以是预训练的，也可以自己搭建。损失函数：用于衡量预测值与真实值之间的差距，如均方误差。损失函数越小越好。优化器：用于调整权重和偏置，使损失函数最小化。优化器决定了参数的调整方式。误差反传（
  • （图像梯度处理、图像边缘化检测、图像轮廓查找和绘制、透视变换、举例轮廓的外接边界框） GWY_uu 计算机视觉人工智能图像处理
    梯度处理的Sobel算子函数功能：Sobel算子是一种用于边缘检测的梯度计算方法，它通过计算图像在水平方向和垂直方向上的梯度来增强边缘信息。参数：src：输入图像。ddepth：输出图像的深度，通常选择为CV_16S以避免溢出。dx和dy：分别指定是否对x轴或y轴求导数，0表示不求导，1表示求一阶导数。ksize（可选）：使用的Sobel核大小，默认为3。返回值：经过Sobel算子处理后的图像，通
  • RK3588 mpp视频帧解码 深度视觉机器 C++语言音视频前端人工智能
    1.获取帧基本信息RK_U32width=mpp_frame_get_width(frame);//帧的实际宽度（像素）RK_U32height=mpp_frame_get_height(frame);//帧的实际高度（像素）RK_U32h_stride=mpp_frame_get_hor_stride(frame);//内存对齐后的水平步长（可能≥width）RK_U32v_stride=mpp
  • C++ unordered_map与unordered_set的模拟实现 康熙38bdc C++c++算法开发语言
    目录0.前言1.哈希表（HashTable）设计1.1设计思想1.2HashTable.h1.3设计思路2.unordered_map封装2.1UnorderedMap.h2.2代码解释2.3测试函数3.unordered_set封装3.1UnorderedSet.h3.2代码解释3.3测试函数4.结语（图像由AI生成）0.前言在C++标准库中，unordered_map和unordered_se
  • rk3568 Android12 调整默认音量 炭烤毛蛋 ---rk3568---#audio---Android---androidAudioVolume
    rk3568Android12调整默认音量Android首次开机时默认音量的修改在实际生活中具有重要作用。默认音量设置影响了用户体验和设备的适应性。通过设置一个合适的默认音量，可以在用户首次使用设备时提供更舒适和合适的音量水平，避免出现过低或过高的音量引发的不便或不适。这对于保护用户的听力健康尤为重要，特别是对于长时间使用耳机或在噪音环境下使用设备的用户。良好的默认音量设置还可以增加用户的满意度，
  • YOLOv8 赋能道路状况检测：革新交通基础设施监测 他是只猫 YOLOv8在交通领域的应用YOLO目标跟踪人工智能
    文章目录一、YOLOv8在道路状况检测中的原理与优势（一）检测原理（二）相较于传统方法的优势二、YOLOv8在道路状况检测中的具体应用实例（一）裂缝检测（二）坑洼检测（三）积水检测三、基于YOLOv8的道路状况检测流程（一）图像采集（二）数据预处理（三）模型训练与评估（四）检测与结果输出四、YOLOv8用于道路状况检测面临的挑战与应对策略（一）面临的挑战（二）应对策略五、基于YOLOv8的道路状况
  • T23N 君正（Ingenic）T系列芯片是专为智能视频和物联网应用设计的高性能、低功耗处理器 提供软硬件资料及样品测试 li15817260414 音视频物联网
    T23N是一款由君正（Ingenic）推出的智能视频应用处理器（SoC），广泛应用于移动摄像机、安全监控、视频通话和视频分析等领域。该芯片采用创新架构，满足高性能计算和高质量图像视频编码的需求。主要特性：处理器：T23N配备XBurst®CPU核心，主频高达1.2GHz，内置16KB指令缓存、16KB数据缓存和64KB二级缓存，支持全功能内存管理单元（MMU），适用于操作系统相关任务。视频处理：集
  • 基于yolov8的糖尿病视网膜病变严重程度检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面 FL1623863129 深度学习YOLO
    【算法介绍】基于YOLOv8的糖尿病视网膜病变严重程度检测系统基于YOLOv8的糖尿病视网膜病变严重程度检测系统是一款利用深度学习技术，专为糖尿病视网膜病变早期诊断设计的智能辅助工具。该系统采用YOLOv8目标检测模型，结合经过标注和处理的医学影像数据集，能够高效且准确地检测并分类糖尿病视网膜病变的不同严重程度。YOLOv8模型以其高速和高精度的特点，在处理眼底图像时展现了强大的能力。通过优化模型
  • （脑肿瘤分割笔记：五十二）RFNet: Region-aware Fusion Network for Incomplete Multi-modalBrain Tumor Segmentation 不想敲代码的小杨 脑肿瘤分割论文笔记计算机视觉人工智能
    目录摘要：Introduction方法3.1任务定义3.2模型结构3.3RFM模块概率图学习区域感知多模态融合3.4分割正则化器3.5整体损失函数总结摘要：在现有的脑肿瘤分割方法中，常常会出现缺少某些模态图像的问题，从而导致分割网络的性能下降--遇到的问题在本文中提出了一个区域感知融合网络（RFNet），它能够自适应和有效利用多模态的数据进行组合进行肿瘤分割，考虑到不同模态对不同的脑肿瘤区域的敏感
  • 0004-Ultralytics YOLOv10 熟悉的黑曼巴 目标检测YOLO人工智能深度学习
    YOLOv10由清华大学的研究人员基于UltralyticsPython包构建，引入了一种实时对象检测的新方法，解决了之前YOLO版本中发现的后处理和模型架构缺陷。通过消除非最大抑制（NMS）和优化各种模型组件，YOLOv10以显著降低的计算开销实现了最先进的性能。广泛的实验表明，它在多个模型尺度上具有卓越的准确性和延迟权衡。实时对象检测旨在以低延迟准确预测图像中的对象类别和位置。YOLO系列因其
  • Stable Diffusion在中国的生态分析报告 Liudef06 stablediffusion
    一、技术演进与产业布局‌核心技术突破‌国内企业已深度参与StableDiffusion生态，例如北京灵动天地于2024年8月申请了模型融合专利，通过动态权重插值技术提升生成效果‌。SD3系列模型（参数规模800M-8B）在中文场景下优化了文本渲染能力，支持1024x1024分辨率图像生成，显存占用显著降低‌。开源社区中，SDXL0.9版本通过简化提示词需求，实现与MidjourneyV5.2的竞争
  • 《OpenCV》——人脸检测 Kai HVZ opencv人工智能计算机视觉
    人脸检测级联分离器具体实现实例（人脸检测）本实例对合照图片进行人脸检测，并圈出人脸位置，使用的OpenCV自带的级联分类器可从OpenCV源文件的data目录下，加载不同的级联分类器的XML文件对不同对象的检测。代码实现python#导入OpenCV库，用于计算机视觉任务，如读取图像、图像处理和显示图像等importcv2#使用cv2.imread函数读取指定路径下的图像文件'hezhao.jpg
  • OpenCV计算摄影学（10）将一组不同曝光的图像合并成一张高动态范围（HDR）图像的实现类cv::MergeDebevec 村北头的码农 OpenCVopencv人工智能计算机视觉
    操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述resultingHDR图像被计算为考虑了曝光值和相机响应的各次曝光的加权平均值。cv::MergeDebevec是OpenCV中用于将一组不同曝光的图像合并成一张高动态范围（HDR）图像的具体实现类之一。它基于PaulDebevec提出的方法，通过利用相机响应函
  • 基于yolov10的水果成熟度之石榴成熟度检测 qq1309399183 计算机视觉实战项目集合YOLO目标检测目标跟踪计算机视觉人工智能水果成熟度检测视觉检测
    石榴成熟度检测**Pomegranate*是一个基于深度学习的系统，旨在自动化检测和分类石榴果实的生长阶段（未成熟、成熟、成熟期）。该系统采用最新的YOLOv10目标检测模型，能够高效地分析图像或视频中的石榴果实，并根据其外观特征识别其生长阶段。通过这种技术，农民可以更好地监控石榴果实的发育过程，优化作物管理，合理安排收获时间，从而提高生产效率和经济收益。系统概述石榴作为一种重要的水果作物，广泛种
  • 使用Nuclia Understanding API 处理和索引非结构化数据 dgay_hua python
    技术背景介绍在当今信息化社会中，非结构化数据如视频、音频、图像和文档在企业中占据了大量的数据存储资源。处理这些数据以提取有效信息并进行快速检索已经成为一项重要任务。NucliaUnderstanding是一个强大的工具，可自动索引这些非结构化数据，提供优化的搜索结果和生成式答案。NucliaUnderstandingAPI支持处理各种非结构化数据，包括文本、网页、文档和音视频内容。它能够提取文本(
  • Stable Diffusion（SD）系列模型及关联算法深度解析 Liudef06 StableDiffusionstablediffusion算法
    一、‌基础模型架构演进‌SDv1.5‌‌核心架构‌：基于LatentDiffusionModel（LDM），通过VAE将图像压缩至潜空间进行扩散训练，支持512x512分辨率生成，兼容二次元与写实风格混合创作‌12。‌训练数据‌：使用LAION-5B数据集过滤后的子集，文本编码器为CLIPViT-L/14‌34。‌局限性‌：对复杂光影和材质的细节刻画能力较弱，高分辨率生成需依赖外部放大工具‌28。
  • 什么是轮播图？如何实现轮播图？有几种方法？ 妮在想什么 前端html5csscss3vue.js前端框架
    轮播图（Carousel或Slider）是一种图像展示组件，用于在网页或应用中以动画效果展示多张图片或其他内容。用户可以手动控制轮播图的播放，也可以设置自动切换功能。常见的轮播图应用包括图片展示、广告、产品展示等。实现轮播图的几种方法：使用纯HTML和CSS这种方法适用于简单的轮播图，主要依靠CSS动画和过渡效果实现图像的切换。适合静态或少量内容的展示。css实现轮播图.box{/*可视区域宽须设
  • android java opencv_OpenCV On Android最佳环境配置指南(Eclipse篇) yuhang555 androidjavaopencv
    注：本篇文章作者已不再维护，毕竟现在使用Eclipse的Android程序员少之又少，所以我将只维护AndroidStudio篇。如果你坚持用Eclipse，请确保所有环境与本文章一致。简介本教程是经过本人多次踩坑，并参考网上众多OpenCVOnAndroid的配置教程总结而来，尽希望能帮助学习移动图像处理的朋友们少走弯路。这也是本人第一次在简书上发布文章，如有不足，希望各位dalao能够指正，我
  • 全网国内外总结Prompt&LLM论文，开源数据&模型，AIGC应用（持续更新，收藏查看） 代码讲故事 智能工具PromptLLMAIGC模型开源数据集深度学习
    全网国内外总结Prompt&LLM论文，开源数据&模型，AIGC应用（持续更新，收藏查看）目录顺序如下国内外，垂直领域大模型Agent和指令微调等训练框架开源指令，预训练，rlhf，对话，agent训练数据梳理AIGC相关应用prompt写作指南和5星博客等资源梳理Prompt和LLM论文细分方向梳理Prompt是在自然语言处理（NLP）中，尤其是在使用预训练语言模型时，用来引导模型生成特定类型输
  • OpenCV给图像添加噪声 村北头的码农 OpenCVopencv人工智能计算机视觉
    操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述如果你已经有了一张干净的图像，并希望通过编程方式向其添加噪声，可以使用OpenCV来实现这一点。以下是一个简单的例子，展示如何在现有图像上添加高斯噪声：#include#includeusingnamespacecv;usingnamespacestd;//函数：
  • OpenCV计算摄影学（7）HDR成像之多帧图像对齐的类cv::AlignMTB 村北头的码农 OpenCVopencv人工智能计算机视觉
    操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述该算法将图像转换为‌中值阈值位图‌（MedianThresholdBitmap，MTB）：1.位图生成‌：计算图像‌亮度中值‌作为全局阈值‌2亮度高于中值的像素标记为1，否则标记为0，形成二值位图‌2.位操作对齐‌：通过位移（bit-shifting）和异或（XO
  • Spring中@Value注解，需要注意的地方 无量 springbean@Valuexml
    Spring 3以后,支持@Value注解的方式获取properties文件中的配置值，简化了读取配置文件的复杂操作 1、在applicationContext.xml文件(或引用文件中)中配置properties文件 <bean id="appProperty" class="org.springframework.beans.fac
  • mongoDB 分片 开窍的石头 mongodb
        mongoDB的分片。要mongos查询数据时候 先查询configsvr看数据在那台shard上，configsvr上边放的是metar信息，指的是那条数据在那个片上。由此可以看出mongo在做分片的时候咱们至少要有一个configsvr,和两个以上的shard（片）信息。     第一步启动两台以上的mongo服务 &nb
  • OVER(PARTITION BY)函数用法 0624chenhong oracle
    这篇写得很好，引自 http://www.cnblogs.com/lanzi/archive/2010/10/26/1861338.html OVER(PARTITION BY)函数用法 2010年10月26日 OVER(PARTITION BY)函数介绍 开窗函数        &nb
  • Android开发中，ADB server didn't ACK 解决方法 一炮送你回车库 Android开发
    首先通知：凡是安装360、豌豆荚、腾讯管家的全部卸载，然后再尝试。   一直没搞明白这个问题咋出现的，但今天看到一个方法，搞定了！原来是豌豆荚占用了 5037 端口导致。 参见原文章：一个豌豆荚引发的血案——关于ADB server didn't ACK的问题 简单来讲，首先将Windows任务进程中的豌豆荚干掉，如果还是不行，再继续按下列步骤排查。 &nb
  • canvas中的像素绘制问题 换个号韩国红果果 JavaScriptcanvas
    pixl的绘制，1.如果绘制点正处于相邻像素交叉线，绘制x像素的线宽，则从交叉线分别向前向后绘制x/2个像素，如果x/2是整数，则刚好填满x个像素，如果是小数，则先把整数格填满，再去绘制剩下的小数部分，绘制时，是将小数部分的颜色用来除以一个像素的宽度，颜色会变淡。所以要用整数坐标来画的话（即绘制点正处于相邻像素交叉线时），线宽必须是2的整数倍。否则会出现不饱满的像素。 2.如果绘制点为一个像素的
  • 编码乱码问题 灵静志远 javajvmjsp编码
    1、JVM中单个字符占用的字节长度跟编码方式有关，而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式；2、对于单个字符：ISO-8859-1单字节编码，GBK双字节编码，UTF-8三字节编码；因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节，而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。 3、getBytes()、getByte
  • java 求几个月后的日期 darkranger calendargetinstance
    Date plandate = planDate.toDate(); SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd"); Calendar cal = Calendar.getInstance(); cal.setTime(plandate); // 取得三个月后时间 cal.add(Calendar.M
  • 数据库设计的三大范式（通俗易懂） aijuans 数据库复习
    关系数据库中的关系必须满足一定的要求。满足不同程度要求的为不同范式。数据库的设计范式是数据库设计所需要满足的规范。只有理解数据库的设计范式，才能设计出高效率、优雅的数据库，否则可能会设计出错误的数据库. 目前，主要有六种范式：第一范式、第二范式、第三范式、BC范式、第四范式和第五范式。满足最低要求的叫第一范式，简称1NF。在第一范式基础上进一步满足一些要求的为第二范式，简称2NF。其余依此类推。
  • 想学工作流怎么入手 atongyeye jbpm
    工作流在工作中变得越来越重要，很多朋友想学工作流却不知如何入手。 很多朋友习惯性的这看一点，那了解一点，既不系统，也容易半途而废。好比学武功，最好的办法是有一本武功秘籍。研究明白，则犹如打通任督二脉。 系统学习工作流，很重要的一本书《JBPM工作流开发指南》。 本人苦苦学习两个月，基本上可以解决大部分流程问题。整理一下学习思路，有兴趣的朋友可以参考下。 1  首先要
  • Context和SQLiteOpenHelper创建数据库 百合不是茶 androidContext创建数据库
           一直以为安卓数据库的创建就是使用SQLiteOpenHelper创建,但是最近在android的一本书上看到了Context也可以创建数据库,下面我们一起分析这两种方式创建数据库的方式和区别,重点在SQLiteOpenHelper     一:SQLiteOpenHelper创建数据库:   1,SQLi
  • 浅谈group by和distinct bijian1013 oracle数据库group bydistinct
            group by和distinct只了去重意义一样，但是group by应用范围更广泛些，如分组汇总或者从聚合函数里筛选数据等。         譬如：统计每id数并且只显示数大于3 select id ,count(id) from ta
  • vi opertion 征客丶 macoprationvi
    进入 command mode （命令行模式） 按 esc 键 再按 shift + 冒号 注：以下命令中 带 $ 【在命令行模式下进行】，不带 $ 【在非命令行模式下进行】 一、文件操作 1.1、强制退出不保存 $ q! 1.2、保存 $ w 1.3、保存并退出 $ wq 1.4、刷新或重新加载已打开的文件 $ e 二、光标移动 2.1、跳到指定行 数字
  • 【Spark十四】深入Spark RDD第三部分RDD基本API bit1129 spark
      对于K/V类型的RDD,如下操作是什么含义？   val rdd = sc.parallelize(List(("A",3),("C",6),("A",1),("B",5)) rdd.reduceByKey(_+_).collect  reduceByKey在这里的操作，是把
  • java类加载机制 BlueSkator java虚拟机
    java类加载机制 1.java类加载器的树状结构 引导类加载器 ^ | 扩展类加载器 ^ | 系统类加载器 java使用代理模式来完成类加载，java的类加载器也有类似于继承的关系，引导类是最顶层的加载器，它是所有类的根加载器，它负责加载java核心库。当一个类加载器接到装载类到虚拟机的请求时，通常会代理给父类加载器，若已经是根加载器了，就自己完成加载。 虚拟机区分一个Cla
  • 动态添加文本框 BreakingBad 文本框
      <script>     var num=1; function AddInput() {      var str="";     str+="<input 
  • 读《研磨设计模式》-代码笔记-单例模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ public class Singleton { } /* * 懒汉模式。注意，getInstance如果在多线程环境中调用，需要加上synchronized，否则存在线程不安全问题 */ class LazySingleton
  • iOS应用打包发布常见问题 chenhbc iosiOS发布iOS上传iOS打包
    这个月公司安排我一个人做iOS客户端开发，由于急着用，我先发布一个版本，由于第一次发布iOS应用，期间出了不少问题，记录于此。   1、使用Application Loader 发布时报错：Communication error.please use diagnostic mode to check connectivity.you need to have outbound acc
  • 工作流复杂拓扑结构处理新思路 comsci 设计模式工作算法企业应用OO
    我们走的设计路线和国外的产品不太一样，不一样在哪里呢？  国外的流程的设计思路是通过事先定义一整套规则(类似XPDL)来约束和控制流程图的复杂度(我对国外的产品了解不够多，仅仅是在有限的了解程度上面提出这样的看法)，从而避免在流程引擎中处理这些复杂的图的问题，而我们却没有通过事先定义这样的复杂的规则来约束和降低用户自定义流程图的灵活性，这样一来，在引擎和流程流转控制这一个层面就会遇到很
  • oracle 11g新特性Flashback data archive daizj oracle
    1. 什么是flashback data archive Flashback data archive是oracle 11g中引入的一个新特性。Flashback archive是一个新的数据库对象，用于存储一个或多表的历史数据。Flashback archive是一个逻辑对象，概念上类似于表空间。实际上flashback archive可以看作是存储一个或多个表的所有事务变化的逻辑空间。
  • 多叉树:2-3-4树 dieslrae 树
        平衡树多叉树,每个节点最多有4个子节点和3个数据项,2,3,4的含义是指一个节点可能含有的子节点的个数,效率比红黑树稍差.一般不允许出现重复关键字值.2-3-4树有以下特征:     1、有一个数据项的节点总是有2个子节点(称为2-节点)     2、有两个数据项的节点总是有3个子节点(称为3-节
  • C语言学习七动态分配 malloc的使用 dcj3sjt126com clanguagemalloc
    /* 2013年3月15日15:16:24 malloc 就memory(内存) allocate(分配)的缩写 本程序没有实际含义，只是理解使用 */ # include <stdio.h> # include <malloc.h> int main(void) { int i = 5; //分配了4个字节 静态分配 int * p
  • Objective-C编码规范[译] dcj3sjt126com 代码规范
      原文链接 : The official raywenderlich.com Objective-C style guide 原文作者 : raywenderlich.com Team 译文出自 : raywenderlich.com Objective-C编码规范 译者 : Sam Lau
  • 0.性能优化-目录 frank1234 性能优化
    从今天开始笔者陆续发表一些性能测试相关的文章，主要是对自己前段时间学习的总结，由于水平有限，性能测试领域很深，本人理解的也比较浅，欢迎各位大咖批评指正。 主要内容包括： 一、性能测试指标 吞吐量、TPS、响应时间、负载、可扩展性、PV、思考时间 http://frank1234.iteye.com/blog/2180305 二、性能测试策略 生产环境相同 基准测试 预热等 htt
  • Java父类取得子类传递的泛型参数Class类型 happyqing java泛型父类子类Class
      import java.lang.reflect.ParameterizedType; import java.lang.reflect.Type; import org.junit.Test; abstract class BaseDao<T> { public void getType() { //Class<E> clazz =
  • 跟我学SpringMVC目录汇总贴、PDF下载、源码下载 jinnianshilongnian springMVC
      ----广告-------------------------------------------------------------- 网站核心商详页开发 掌握Java技术，掌握并发/异步工具使用，熟悉spring、ibatis框架； 掌握数据库技术，表设计和索引优化，分库分表/读写分离； 了解缓存技术，熟练使用如Redis/Memcached等主流技术； 了解Ngin
  • the HTTP rewrite module requires the PCRE library 流浪鱼 rewrite
    ./configure: error: the HTTP rewrite module requires the PCRE library. 模块依赖性Nginx需要依赖下面3个包 1. gzip 模块需要 zlib 库 ( 下载: http://www.zlib.net/ ) 2. rewrite 模块需要 pcre 库 ( 下载: http://www.pcre.org/ ) 3. s
  • 第12章 Ajax（中） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • Optimize query with Query Stripping in Web Intelligence blueoxygen BO
    http://wiki.sdn.sap.com/wiki/display/BOBJ/Optimize+query+with+Query+Stripping+in+Web+Intelligence and a very straightfoward video http://www.sdn.sap.com/irj/scn/events?rid=/library/uuid/40ec3a0c-936
  • Java开发者写SQL时常犯的10个错误 tomcat_oracle javasql
    1、不用PreparedStatements 　　有意思的是，在JDBC出现了许多年后的今天，这个错误依然出现在博客、论坛和邮件列表中，即便要记住和理解它是一件很简单的事。开发者不使用PreparedStatements的原因可能有如下几个： 　　他们对PreparedStatements不了解 　　他们认为使用PreparedStatements太慢了 　　他们认为写Prepar
  • 世纪互联与结盟有感 阿尔萨斯
    10月10日，世纪互联与（Foxcon）签约成立合资公司，有感。 全球电子制造业巨头（全球500强企业）与世纪互联共同看好IDC、云计算等业务在中国的增长空间，双方迅速果断出手，在资本层面上达成合作，此举体现了全球电子制造业巨头对世纪互联IDC业务的欣赏与信任，另一方面反映出世纪互联目前良好的运营状况与广阔的发展前景。 众所周知，精于电子产品制造（世界第一），对于世纪互联而言，能够与结盟
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他