- 关于光源的明场和暗场照明
InvokeLife
机器视觉光源
明场:光源与被测物成一定角度,使得绝大部分的光反射到摄像机,我们称作明场照明[1]。暗场:光源位置使得大部分的光没有反射到摄像机,仅仅将照射到被测物的特定部分的光反射到摄像机,我们称此种照明为暗场照明[1]。如下,明场和暗场的示意图[2]。根据直射、漫射,以及正面背面还可以再分。未完待续。[1]《机器视觉算法与应用》第二版[2]《默然光源选型手册》
- 机器视觉算法与应用:2.4 摄像机-计算机接口
北冥有鱼wyh
2.4摄像机-计算机接口作用:1、将模拟或数字视频信号传送到计算机,并重构成灰度或彩色矩阵图像。所需设备:1、模拟视频信号需要图像采集卡,数字视频信号需要图像采集卡或某种标准接口卡,如IEEE1394卡、USB卡和千兆网卡。2.4.1模拟视频信号1、模拟视频传输会导致图像质量变差,降低测量准确度和精度,而数字视频可避免此类问题,故机器视觉常用数字信号传输。模拟视频标准:1、EIA-170和CCIR
- 卡尺--一维边缘提取
让让布吉
2D视觉计算机视觉
目录1.边缘定义2.边缘位置3.一维边缘提取3.1计算离散一维灰度剖面的导数3.2一阶导数确定边缘3.3投影求灰度平均值3.4高斯滤波--投影图像3.5亚像素边缘点提取参考相关内容:机器视觉算法与应用–加权Tukey直线拟合机器视觉算法与应用–基于Tukey权重函数的圆拟合1.边缘定义如图显示的是一个理想化的灰度值剖面图,此剖面(b)穿过图中工件的一部分,通过图像所示可知,边缘就是图像中灰度值变化
- 机器视觉算法与应用:2.2 镜头
北冥有鱼wyh
2.2镜头镜头的作用:聚集光线在摄像机内部产生锐利的图像,以得到被测物的细节。2.2.1针孔摄像机针孔摄像机的针孔过小,只有极少量的光线通过小孔到达像平面,故必须采用非常长的曝光时间才能得到足够亮度的图像。真正的摄像机使用镜头收集光线,而镜头通常由一定形状的玻璃或塑料构成。2.2.2高斯光学色散:白光折射时散成多种颜色。针孔模型是线性过程,镜头成像是非线性过程,同心光束通过镜头后不能完全汇聚与一点
- 一维测量的一种实现
zhashung001
图像视觉图像处理python
本文主要介绍一种亚像素级一维边缘检测方法。主要参考《机器视觉算法与应用(第二版)》3.7节。一维边缘定义这里建议提前阅读《数字图像处理(第四版)》3.6.1节和10.2节。我们认为在图像中从背景至目标像素灰度发生突变的位置作为边缘。针对一维边缘(图像灰度剖面),即一个灰度数值序列,我们视为一元离散函数,则认为其一阶导数的绝对值局部最大值也是二阶导数的过零点为边缘,同时我们可以通过一阶导数的符号确定
- 机器视觉算法与应用--基于Tukey权重函数的最小二乘圆拟合
让让布吉
2D视觉计算机视觉
目录0.拟合圆结果1轮廓点的提取2圆拟合-迭代重加权最小二乘算法相关文章:机器视觉算法与应用–一维边缘提取机器视觉算法与应用–加权Tukey直线拟合机器视觉算法与应用–圆环展开为矩形0.拟合圆结果圆的直径实际尺寸是6mm,拟合圆后的尺寸为6.00708mm(每一个像素表示的实际尺寸为0.0145503mm)。【图像中显示radius错误,应为直径】1轮廓点的提取参考:机器视觉算法与应用–一维边缘提
- 机器视觉算法与应用001
Hi_MySunshine
机器视觉视觉检测
1、设备介绍—图片来自《机器视觉算法与应用》(1)被测物体(2)相机采集设备(3)照明(4)光电传感器(触发图像采集)(5)计算机(6)相机-计算机接口(7)获取的图像(8)机器视觉软件(9)检测结果(10)数字I/O(11)PLC(12)总线接口(13)控制执行机构2、图像采集ImageAcquisition只有采集到适合需求的图像数据,才能进行算法分析照明是为了使得被测物的图像特征可见镜头用来
- 机器视觉算法与应用-双语版-学习笔记
HJZ11
机器视觉算法
文章目录1.简介2.图像采集2.1照明2.1.1电磁辐射2.1.2光源类型2.1.3光与被测物体间的相互作用2.1.4利用照明的光谱2.1.5利用照明的方向性2.2镜头2.2.1针孔摄像机2.2.2高斯光学2.2.3景深2.2.4远心镜头2.2.5镜头的像差2.3摄像机2.3.1CCD传感器2.3.2CMOS传感器2.3.3彩色摄像机2.3.4传感器尺寸2.3.5摄像机性能2.4摄像机-计算机接口
- 直线拟合算法
liyuanbhu
图像处理数值计算计算机视觉机器视觉
在计算机视觉的应用中,经常会用到提取一条直线的精确位置这样的工作。这时就要用到直线的拟合算法了。这里,我也贴一个利用最小二乘法计算最佳拟合直线的代码。这个代码是我以前学习《机器视觉算法与应用(双语版)》[德]斯蒂格(StegerC)著;杨少荣等译的书时写的。所有的公式推导都在书中3.8.1,还算比较有用。与一元线性回归算法的区别:一元线性回归算法假定X是无误差的,只有Y有误差。而这个算法假设每个点
- 《机器视觉算法与应用》第3章 机器视觉算法之几何基元的分割和拟合——学习笔记
超级大洋葱806
#0.4机器视觉
文章目录3.8几何基元的分割和拟合3.8.1直线拟合3.8.2圆拟合3.8.3椭圆拟合3.8.4将轮廓分割为直线、圆和椭圆3.8几何基元的分割和拟合本节我们将讨论将轮廓数据拟合成几何基元的方法。我们仅讨论最相关的几种几何基元:直线、圆和椭圆。此外,我们还将分析如何将轮廓自动分割成多个部分,每部分都有相对应的几何基元。这能让我们充分地减小需要被处理的数据量,并给我们提供一种数据的符号化描述方式。3.
- 《机器视觉算法与应用》第3章 机器视觉算法之光学字符识别(OCR)——学习笔记
超级大洋葱806
#0.4机器视觉
文章目录3.12光学字符识别(OCR)3.12.1字符分割3.12.2特征提取3.12.3字符分类3.12光学字符识别(OCR)在非常多的应用中都需要将检测对象上印刷的字符识别出来。例如,产品的可追溯性经常需要在每个产品上贴上一个序列号,因此我们必须读取这个序列号。在其他某些应用中,可能必须通过读取序列号来控制生产流程。光学字符识别(OCR)是在图像中识别字符的过程。它包含两个任务:将图像中单个字
- 机器视觉(一)2D形状匹配
14号先生
机器视觉
在2D的机器视觉应用中,模板匹配比较常见,常见的匹配算法有基于灰度的匹配,基于边缘的匹配,基于形状的匹配等。推荐《机器视觉算法与应用》这本书,这本书是halcon开发人员撰写,对于模板匹配介绍的比较详细。下面介绍基于形状的模板匹配。在pcl和opencv中都有关于linemod的实现。本算法是基于linemod的2D版本,主要从opencv的源码修改。1算法的基本流程如下:(1).计算方向梯度,并
- 48本3D视觉领域学习书籍,请自取
3D视觉工坊
点击上方“3D视觉工坊”,选择“星标”干货第一时间送达一、机器视觉机器视觉(RobotVision,伯特霍尔德·霍恩)视觉测量(张广军)机器视觉算法与应用(halcon版本)机器人学、机器视觉与控制(PeterCorke)机器人视觉测量与控制(徐德等)视觉测量原理与方法(邾继贵)数字图像处理与机器视觉—VisualC++与Matlab实现计算机双目立体视觉(高宏伟)三维测量技术及应用(李中伟)An
- 基于Harris的特征检测与匹配
shore5
机器视觉
之前在斯坦福的机器视觉算法与应用课程上学了一些东西,并用matlab编程实现,没来得及整理,现在把它整理一下,出来的效果可能不太完善,这有待后续的研究与改进。一.特征检测(提取)基于特征的图像配准方法是图像配准中最常见的方法之一。它不是直接利用图像像素值,二十通过像素值导出的符号特征(如特征点、特征线、特征区域)来实现图像配准,因此可以克服利用灰度信息进行图像配准的缺点,主要体现在以下三个方面:(
- applied multivariate statistical analysis
SRT字符不够
halcon例程学习opencv配置
链接:https://pan.baidu.com/s/1gt4CJrBGiVQSc5h1-QSm3w提取码:xbdn复制这段内容后打开百度网盘手机App,操作更方便哦机器视觉算法与应用英文书尺度空间和变分方法在计算机视觉数字图像处理(冈萨雷斯)(matlab)《VisualC++数字图像处理典型案例详解》机器视觉(重要基础)Hands-On.Machine.Learning.with.Scikit
- 《机器视觉算法与应用》第3章 机器视觉算法之图像分割——学习笔记
超级大洋葱806
#0.4机器视觉
文章目录3.4图像分割3.4.1阈值分割3.4.2提取连通区域3.4.3亚像素精度阈值分割本节可参考我的另一篇博客:《HALCON机器视觉与算法原理编程实践》第6章图像分割-学习笔记3.4图像分割前面我们已经讲到将一幅图像变换为另一幅图像的操作。但这些操作不能为我们提供图像中所包含物体的信息。为得到图像中的物体信息,我们必须进行图像分割,即提取图像中与感兴趣物体相对应的那些区域。描述的更正式些,分
- 《机器视觉算法与应用》第2章 图像采集之相机-计算机接口——学习笔记
超级大洋葱806
#0.4机器视觉
文章目录USB2.0USB3.0IEEE1394GigECameralinkCoaXPress转载于:http://www.elecfans.com/dianzichangshi/20171117581055.html面对市面上出现的越来越多的工业相机品牌,各相机厂商都给出了大量的相机参数,例如:相机接口、芯片类型、量子效应、帧率等。一般非行业内人士,在面对这些参数时往往会无所适从。湖南科天健光电
- 48本3D视觉领域学习书籍,请自取
3D视觉工坊
作者:TomHardyDate:2020-04-06来源:48本3D视觉领域学习书籍,请自取一、机器视觉机器视觉(RobotVision,伯特霍尔德·霍恩)视觉测量(张广军)机器视觉算法与应用(halcon版本)机器人学、机器视觉与控制(PeterCorke)机器人视觉测量与控制(徐德等)视觉测量原理与方法(邾继贵)数字图像处理与机器视觉—VisualC++与Matlab实现计算机双目立体视觉(高
- 【算法随记五】使用FFT变换自动去除图像中严重的网纹。
Imageshop
这个课题在很久以前就已经有所接触,不过一直没有用代码去实现过。最近买了一本《机器视觉算法与应用第二版》书,书中再次提到该方法:使用傅里叶变换进行滤波处理的真正好处是可以通过使用定制的滤波器来消除图像中某些特定频率,例如这些特定频率可能代表着图像中重复出现的纹理。在网络上很多的PS教程中,也有提到使用FFT来进行去网纹的操作,其中最为广泛的是使用PS小插件FOURIERTRANSFORM,使用过程为
- Carsten Steger 机器视觉算法与应用3.9.2节中的一个问题
ACandML
计算机视觉
3.9.2线阵摄像机的摄像机模型清华大学出版社双语版265页为了得到点在xz平面下的时间为什么用xc−tvy=0xc−tvy=0得到?这里摄像机坐标xcxc为米制长度单位,vyvy单位为每扫描一行经过多少米,我理解用他们相除能得到行数,这也是这里时间的单位,行数也即是图像坐标下的像素。可是我不理解为什么是xcxc…好吧,其实应该为ycyc。原书有误
- 一种基于边缘的模版匹配算法
e1ki0lp
软件C#算法
引用资料https://www.codeproject.com/Articles/99457/Edge-Based-Template-Matching著名机器视觉软件Halcon的开发人员出版的一本书MachineVisionAlgorithmsandApplications[CarstenSteger,MarkusUlrich,ChristianWiedemann]中译本《机器视觉算法与应用》。
- 一种基于边缘的模版匹配算法
e1ki0lp
软件C#算法
引用资料https://www.codeproject.com/Articles/99457/Edge-Based-Template-Matching著名机器视觉软件Halcon的开发人员出版的一本书MachineVisionAlgorithmsandApplications[CarstenSteger,MarkusUlrich,ChristianWiedemann]中译本《机器视觉算法与应用》。
- 机器视觉算法与应用读书笔记(算法)
没有山川湖海只有厨房与爱
机器视觉算法与应用读书笔记(算法)1.数据结构2.图像增强1.灰度值变换2.辐射标定3.图像平滑1.时域去噪法2.空间域去噪法均值滤波器递归线性滤波器:将上次计算得到的值带入到下次的值中缺点:噪声并不能被全部消除高斯滤波器高斯滤波器4.傅里叶变换将函数h(x)从空间域转变到频率域是一种可逆变换3.几何变换1.仿射变换二维to二维之间的变换对图像中的物体的尺寸进行修正(平移和旋转角度修正)一般有一个
- 摄像机标定终极总结版03---实际应用中的摄像机标定过程
小勺挖泰山
摄像机标定
上传技术博客真的挺费时间的,不过为了广大的同胞们能节省更多的时间,自己通过学习书籍《学习opencv》和书籍《机器视觉算法与应用》中有关摄像机标定的内容,现在就在这里总结了一下,方便大家参考。不足之处,大家体谅。毕竟是花费了大半天时间总结的。希望大家多多转发,请标出文章出处。谢谢摄像机标定其实就是确定摄像机内参和外参的过程。为了进行摄像机标定,必须①已知世界坐标系中足够多的三维空间点坐标,②找到这
- 摄像机标定终极总结版02
小勺挖泰山
摄像机标定
上传技术博客真的挺费时间的,不过为了广大的同胞们能节省更多的时间,尽快理解摄像机标定中相关概念及流程,自己付出一点也无所谓,近期通过系统学习书籍《学习opencv》和书籍《机器视觉算法与应用》中有关摄像机标定的内容,感受颇多,现在就在这里总结了一下,方便大家参考。不足之处,大家体谅。毕竟是花费了大半天时间总结的。希望大家多多转发,请标出文章出处。谢谢以下内容承接摄像机标定终极总结版01接下来详细介
- 摄像机标定终极总结版01
小勺挖泰山
摄像机标定
上传技术博客真的挺费时间的,不过为了广大的同胞们能节省更多的时间,自己通过学习书籍《学习opencv》和书籍《机器视觉算法与应用》中有关摄像机标定的内容,现在就在这里总结了一下,方便大家参考。不足之处,大家体谅。毕竟是花费了大半天时间总结的。希望大家多多转发,请标出文章出处。谢谢摄像机标定1.首先先了解一下摄像机标定的概念及其作用。1.1概念:摄像机标定:是确定摄像机内参和外参的过程、是准确测量目
- 直线拟合算法
liyuanbhu
机器视觉计算机视觉
在计算机视觉的应用中,经常会用到提取一条直线的精确位置这样的工作。这时就要用到直线的拟合算法了。这里,我也贴一个利用最小二乘法计算最佳拟合直线的代码。这个代码是我以前学习《机器视觉算法与应用(双语版)》[德]斯蒂格(StegerC)著;杨少荣等译的书时写的。所有的公式推导都在书中3.8.1,还算比较有用。与一元线性回归算法的区别:一元线性回归算法假定X是无误差的,只有Y有误差。而这个算法假设每个点
- 前期深入
liuuze5
C++《C++ Primer Plus》 《Effective C++》《深度探索C++对象模型》 数据结构和算法《大话数据结构》《数据结构与算法分析C语言》《算法》 第4版-谢路云 译(Java描述)《啊哈!算法》 算法100题系列 图像相关算法《图像处理、分析与机器视觉》《机器视觉算法与应用》《统计学习方法》李航 LINUX及操作系统《轻松学linux编程》阎映炳,图书馆有《LINUX高性
- 机器视觉算法与应用总结
expection1985
图像处理
二、图像采集2.1照明2.1.1电磁辐射光谱辐射即单位面积的黑体在单位立体角内、单位波长内辐射出的能量。由于光谱与黑体温度相关,又称为色温。2.1.2光源类型白炽灯有点相对较亮,能产生3000-3400k的连续光谱,可以工作在低电压。缺点是发热量较重,仅有5%的能量转化为光了,寿命短。氙(xian)灯色温在5500-12000k非常亮的白光,可做成每秒200多次的闪光灯。价格昂贵。荧光灯产生300
- tomcat基础与部署发布
暗黑小菠萝
Tomcat java web
从51cto搬家了,以后会更新在这里方便自己查看。
做项目一直用tomcat,都是配置到eclipse中使用,这几天有时间整理一下使用心得,有一些自己配置遇到的细节问题。
Tomcat:一个Servlets和JSP页面的容器,以提供网站服务。
一、Tomcat安装
安装方式:①运行.exe安装包
&n
- 网站架构发展的过程
ayaoxinchao
数据库应用服务器网站架构
1.初始阶段网站架构:应用程序、数据库、文件等资源在同一个服务器上
2.应用服务和数据服务分离:应用服务器、数据库服务器、文件服务器
3.使用缓存改善网站性能:为应用服务器提供本地缓存,但受限于应用服务器的内存容量,可以使用专门的缓存服务器,提供分布式缓存服务器架构
4.使用应用服务器集群改善网站的并发处理能力:使用负载均衡调度服务器,将来自客户端浏览器的访问请求分发到应用服务器集群中的任何
- [信息与安全]数据库的备份问题
comsci
数据库
如果你们建设的信息系统是采用中心-分支的模式,那么这里有一个问题
如果你的数据来自中心数据库,那么中心数据库如果出现故障,你的分支机构的数据如何保证安全呢?
是否应该在这种信息系统结构的基础上进行改造,容许分支机构的信息系统也备份一个中心数据库的文件呢?
&n
- 使用maven tomcat plugin插件debug关联源代码
商人shang
mavendebug查看源码tomcat-plugin
*首先需要配置好'''maven-tomcat7-plugin''',参见[[Maven开发Web项目]]的'''Tomcat'''部分。
*配置好后,在[[Eclipse]]中打开'''Debug Configurations'''界面,在'''Maven Build'''项下新建当前工程的调试。在'''Main'''选项卡中点击'''Browse Workspace...'''选择需要开发的
- 大访问量高并发
oloz
大访问量高并发
大访问量高并发的网站主要压力还是在于数据库的操作上,尽量避免频繁的请求数据库。下面简
要列出几点解决方案:
01、优化你的代码和查询语句,合理使用索引
02、使用缓存技术例如memcache、ecache将不经常变化的数据放入缓存之中
03、采用服务器集群、负载均衡分担大访问量高并发压力
04、数据读写分离
05、合理选用框架,合理架构(推荐分布式架构)。
- cache 服务器
小猪猪08
cache
Cache 即高速缓存.那么cache是怎么样提高系统性能与运行速度呢?是不是在任何情况下用cache都能提高性能?是不是cache用的越多就越好呢?我在近期开发的项目中有所体会,写下来当作总结也希望能跟大家一起探讨探讨,有错误的地方希望大家批评指正。
1.Cache 是怎么样工作的?
Cache 是分配在服务器上
- mysql存储过程
香水浓
mysql
Description:插入大量测试数据
use xmpl;
drop procedure if exists mockup_test_data_sp;
create procedure mockup_test_data_sp(
in number_of_records int
)
begin
declare cnt int;
declare name varch
- CSS的class、id、css文件名的常用命名规则
agevs
JavaScriptUI框架Ajaxcss
CSS的class、id、css文件名的常用命名规则
(一)常用的CSS命名规则
头:header
内容:content/container
尾:footer
导航:nav
侧栏:sidebar
栏目:column
页面外围控制整体布局宽度:wrapper
左右中:left right
- 全局数据源
AILIKES
javatomcatmysqljdbcJNDI
实验目的:为了研究两个项目同时访问一个全局数据源的时候是创建了一个数据源对象,还是创建了两个数据源对象。
1:将diuid和mysql驱动包(druid-1.0.2.jar和mysql-connector-java-5.1.15.jar)copy至%TOMCAT_HOME%/lib下;2:配置数据源,将JNDI在%TOMCAT_HOME%/conf/context.xml中配置好,格式如下:&l
- MYSQL的随机查询的实现方法
baalwolf
mysql
MYSQL的随机抽取实现方法。举个例子,要从tablename表中随机提取一条记录,大家一般的写法就是:SELECT * FROM tablename ORDER BY RAND() LIMIT 1。但是,后来我查了一下MYSQL的官方手册,里面针对RAND()的提示大概意思就是,在ORDER BY从句里面不能使用RAND()函数,因为这样会导致数据列被多次扫描。但是在MYSQL 3.23版本中,
- JAVA的getBytes()方法
bijian1013
javaeclipseunixOS
在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同OS下,返回的东西不一样!
String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示,如:
byte[] b_gbk = "
- AngularJS中操作Cookies
bijian1013
JavaScriptAngularJSCookies
如果你的应用足够大、足够复杂,那么你很快就会遇到这样一咱种情况:你需要在客户端存储一些状态信息,这些状态信息是跨session(会话)的。你可能还记得利用document.cookie接口直接操作纯文本cookie的痛苦经历。
幸运的是,这种方式已经一去不复返了,在所有现代浏览器中几乎
- [Maven学习笔记五]Maven聚合和继承特性
bit1129
maven
Maven聚合
在实际的项目中,一个项目通常会划分为多个模块,为了说明问题,以用户登陆这个小web应用为例。通常一个web应用分为三个模块:
1. 模型和数据持久化层user-core,
2. 业务逻辑层user-service以
3. web展现层user-web,
user-service依赖于user-core
user-web依赖于user-core和use
- 【JVM七】JVM知识点总结
bit1129
jvm
1. JVM运行模式
1.1 JVM运行时分为-server和-client两种模式,在32位机器上只有client模式的JVM。通常,64位的JVM默认都是使用server模式,因为server模式的JVM虽然启动慢点,但是,在运行过程,JVM会尽可能的进行优化
1.2 JVM分为三种字节码解释执行方式:mixed mode, interpret mode以及compiler
- linux下查看nginx、apache、mysql、php的编译参数
ronin47
在linux平台下的应用,最流行的莫过于nginx、apache、mysql、php几个。而这几个常用的应用,在手工编译完以后,在其他一些情况下(如:新增模块),往往想要查看当初都使用了那些参数进行的编译。这时候就可以利用以下方法查看。
1、nginx
[root@361way ~]# /App/nginx/sbin/nginx -V
nginx: nginx version: nginx/
- unity中运用Resources.Load的方法?
brotherlamp
unity视频unity资料unity自学unityunity教程
问:unity中运用Resources.Load的方法?
答:Resources.Load是unity本地动态加载资本所用的方法,也即是你想动态加载的时分才用到它,比方枪弹,特效,某些实时替换的图像什么的,主张此文件夹不要放太多东西,在打包的时分,它会独自把里边的一切东西都会集打包到一同,不论里边有没有你用的东西,所以大多数资本应该是自个建文件放置
1、unity实时替换的物体即是依据环境条件
- 线段树-入门
bylijinnan
java算法线段树
/**
* 线段树入门
* 问题:已知线段[2,5] [4,6] [0,7];求点2,4,7分别出现了多少次
* 以下代码建立的线段树用链表来保存,且树的叶子结点类似[i,i]
*
* 参考链接:http://hi.baidu.com/semluhiigubbqvq/item/be736a33a8864789f4e4ad18
* @author lijinna
- 全选与反选
chicony
全选
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<title>全选与反选</title>
- vim一些简单记录
chenchao051
vim
mac在/usr/share/vim/vimrc linux在/etc/vimrc
1、问:后退键不能删除数据,不能往后退怎么办?
答:在vimrc中加入set backspace=2
2、问:如何控制tab键的缩进?
答:在vimrc中加入set tabstop=4 (任何
- Sublime Text 快捷键
daizj
快捷键sublime
[size=large][/size]Sublime Text快捷键:Ctrl+Shift+P:打开命令面板Ctrl+P:搜索项目中的文件Ctrl+G:跳转到第几行Ctrl+W:关闭当前打开文件Ctrl+Shift+W:关闭所有打开文件Ctrl+Shift+V:粘贴并格式化Ctrl+D:选择单词,重复可增加选择下一个相同的单词Ctrl+L:选择行,重复可依次增加选择下一行Ctrl+Shift+L:
- php 引用(&)详解
dcj3sjt126com
PHP
在PHP 中引用的意思是:不同的名字访问同一个变量内容. 与C语言中的指针是有差别的.C语言中的指针里面存储的是变量的内容在内存中存放的地址 变量的引用 PHP 的引用允许你用两个变量来指向同一个内容 复制代码代码如下:
<?
$a="ABC";
$b =&$a;
echo
- SVN中trunk,branches,tags用法详解
dcj3sjt126com
SVN
Subversion有一个很标准的目录结构,是这样的。比如项目是proj,svn地址为svn://proj/,那么标准的svn布局是svn://proj/|+-trunk+-branches+-tags这是一个标准的布局,trunk为主开发目录,branches为分支开发目录,tags为tag存档目录(不允许修改)。但是具体这几个目录应该如何使用,svn并没有明确的规范,更多的还是用户自己的习惯。
- 对软件设计的思考
e200702084
设计模式数据结构算法ssh活动
软件设计的宏观与微观
软件开发是一种高智商的开发活动。一个优秀的软件设计人员不仅要从宏观上把握软件之间的开发,也要从微观上把握软件之间的开发。宏观上,可以应用面向对象设计,采用流行的SSH架构,采用web层,业务逻辑层,持久层分层架构。采用设计模式提供系统的健壮性和可维护性。微观上,对于一个类,甚至方法的调用,从计算机的角度模拟程序的运行情况。了解内存分配,参数传
- 同步、异步、阻塞、非阻塞
geeksun
非阻塞
同步、异步、阻塞、非阻塞这几个概念有时有点混淆,在此文试图解释一下。
同步:发出方法调用后,当没有返回结果,当前线程会一直在等待(阻塞)状态。
场景:打电话,营业厅窗口办业务、B/S架构的http请求-响应模式。
异步:方法调用后不立即返回结果,调用结果通过状态、通知或回调通知方法调用者或接收者。异步方法调用后,当前线程不会阻塞,会继续执行其他任务。
实现:
- Reverse SSH Tunnel 反向打洞實錄
hongtoushizi
ssh
實際的操作步驟:
# 首先,在客戶那理的機器下指令連回我們自己的 Server,並設定自己 Server 上的 12345 port 會對應到幾器上的 SSH port
ssh -NfR 12345:localhost:22
[email protected]
# 然後在 myhost 的機器上連自己的 12345 port,就可以連回在客戶那的機器
ssh localhost -p 1
- Hibernate中的缓存
Josh_Persistence
一级缓存Hiberante缓存查询缓存二级缓存
Hibernate中的缓存
一、Hiberante中常见的三大缓存:一级缓存,二级缓存和查询缓存。
Hibernate中提供了两级Cache,第一级别的缓存是Session级别的缓存,它是属于事务范围的缓存。这一级别的缓存是由hibernate管理的,一般情况下无需进行干预;第二级别的缓存是SessionFactory级别的缓存,它是属于进程范围或群集范围的缓存。这一级别的缓存
- 对象关系行为模式之延迟加载
home198979
PHP架构延迟加载
形象化设计模式实战 HELLO!架构
一、概念
Lazy Load:一个对象,它虽然不包含所需要的所有数据,但是知道怎么获取这些数据。
延迟加载貌似很简单,就是在数据需要时再从数据库获取,减少数据库的消耗。但这其中还是有不少技巧的。
二、实现延迟加载
实现Lazy Load主要有四种方法:延迟初始化、虚
- xml 验证
pengfeicao521
xmlxml解析
有些字符,xml不能识别,用jdom或者dom4j解析的时候就报错
public static void testPattern() {
// 含有非法字符的串
String str = "Jamey친ÑԂ
- div设置半透明效果
spjich
css半透明
为div设置如下样式:
div{filter:alpha(Opacity=80);-moz-opacity:0.5;opacity: 0.5;}
说明:
1、filter:对win IE设置半透明滤镜效果,filter:alpha(Opacity=80)代表该对象80%半透明,火狐浏览器不认2、-moz-opaci
- 你真的了解单例模式么?
w574240966
java单例设计模式jvm
单例模式,很多初学者认为单例模式很简单,并且认为自己已经掌握了这种设计模式。但事实上,你真的了解单例模式了么。
一,单例模式的5中写法。(回字的四种写法,哈哈。)
1,懒汉式
(1)线程不安全的懒汉式
public cla