Thanos GGGGG
Thanos GGGGG

计算机视觉 Computer Vision Chaper2 图像预处理

文章目录

  • 图像显示与存储原理
    • 图像显示原理
    • 图像存储原理
  • 图像增强目标
  • 点运算：基于直方图的对比度运算
  • 形态学处理
  • 空间域处理
  • 卷积的应用（平滑、边缘检测、锐化等）
  • 频率域处理：傅立叶变换、小波变换

图像显示与存储原理

图像显示原理

计算机视觉 Computer Vision Chaper2 图像预处理_第1张图片
RGB：加法混色，越叠加越亮，越叠加越白
3个颜色通道：Red、Green、Blue
计算机视觉 Computer Vision Chaper2 图像预处理_第2张图片
减法混色：越叠加越黑
4通道：Cyan、Magenta、Yellow、Key
计算机视觉 Computer Vision Chaper2 图像预处理_第3张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第4张图片

图像存储原理

计算机视觉 Computer Vision Chaper2 图像预处理_第5张图片
如果是彩色图片，那么是RGB的三通道彩色图，除了Width和Height，还有Channel。
Width和height分别为图片的宽和高。Channel表示图片分别在Red、Green、Blue三种颜色中分别是什么样子，最后将3个通道叠加起来，就是一张彩色图片。
灰度图是单通道的，通过对RGB取不同权重，让它们叠加成一个单通道，就是灰色图。
计算机视觉 Computer Vision Chaper2 图像预处理_第6张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第7张图片

图像增强目标

图像预处理实际上是图像增强的一个过程，图像增强的目标如下：
计算机视觉 Computer Vision Chaper2 图像预处理_第8张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第9张图片

点运算：基于直方图的对比度运算

计算机视觉 Computer Vision Chaper2 图像预处理_第10张图片
将相近的点的颜色或者灰度归到一类里，做成直方图。X-axis是像素值，Y-axis是统计的个数。Bin就是一段像素区间。
计算机视觉 Computer Vision Chaper2 图像预处理_第11张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第12张图片
当过度曝光时，图片某一局部区域会过度集中，过白或者过黑，通过非线性的方法，将图进行拉伸，时候整体图片像素变得均衡。通过有效扩展常用亮度来实现这样的功能。
计算机视觉 Computer Vision Chaper2 图像预处理_第13张图片
如何进行直方图的均衡化，可以按bin将直方图分割开来，并且保证每个bin的最后总和相等或近似。
计算机视觉 Computer Vision Chaper2 图像预处理_第14张图片
AHE（Adaptive histogram equalization）
计算机视觉 Computer Vision Chaper2 图像预处理_第15张图片
CLAHE（Contrast limited adaptive histogram equalization）对比度限制自适应直方图均衡。垫高的好处是使图片变得更加自然。基于AHE，移动模版做区域均衡，而且用了线性插值，这样避免了区域直方图不连续的问题。
计算机视觉 Computer Vision Chaper2 图像预处理_第16张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第17张图片

形态学处理

计算机视觉 Computer Vision Chaper2 图像预处理_第18张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第19张图片

空间域处理

计算机视觉 Computer Vision Chaper2 图像预处理_第20张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第21张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第22张图片
边界填充后，卷积后的图像尺寸保持一致的。
计算机视觉 Computer Vision Chaper2 图像预处理_第23张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第24张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第25张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第26张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第27张图片

卷积的应用（平滑、边缘检测、锐化等）

计算机视觉 Computer Vision Chaper2 图像预处理_第28张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第29张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第30张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第31张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第32张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第33张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第34张图片
应用在高斯金字塔，看一张很远的图片，我们要用高斯滤波的方式，可以将远处的图片还原成真实的图片。
计算机视觉 Computer Vision Chaper2 图像预处理_第35张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第36张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第37张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第38张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第39张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第40张图片

频率域处理：傅立叶变换、小波变换

计算机视觉 Computer Vision Chaper2 图像预处理_第41张图片
频率域是让计算更快
计算机视觉 Computer Vision Chaper2 图像预处理_第42张图片
图像缩小，但是不失真
计算机视觉 Computer Vision Chaper2 图像预处理_第43张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第44张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第45张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第46张图片
傅立叶变换，任何信号都可以通过不同的正弦波，余弦波叠在一起。
计算机视觉 Computer Vision Chaper2 图像预处理_第47张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第48张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第49张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第50张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第51张图片
连续的像素变成离散的区域
计算机视觉 Computer Vision Chaper2 图像预处理_第52张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第53张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第54张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第55张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第56张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第57张图片
在这里插入图片描述
计算机视觉 Computer Vision Chaper2 图像预处理_第58张图片
计算机视觉 Computer Vision Chaper2 图像预处理_第59张图片

你可能感兴趣的:(计算机视觉CV,计算机视觉,人工智能,图像处理,图像识别)

  • 8-项目实战-信用卡数字识别 #北极星star Opencv图像处理框架实战opencv计算机视觉人工智能
    目录(1)总体流程与方法(2)代码实现(3)识别结果(1)总体流程与方法①读取模板图像：加载包含数字模板的图像，并提取每个数字的轮廓，将它们作为模板存储。②读取输入图像：加载待识别的信用卡图像，并进行预处理。③提取数字区域：通过一系列图像处理操作（如礼帽操作、梯度计算、闭操作等）提取可能包含数字的区域。④轮廓排序与筛选：找到提取区域的轮廓，并根据轮廓的宽高比和尺寸筛选出符合条件的数字区域。⑤数字识
  • 【CVPR 2021】Knowledge Review：知识蒸馏新解法 BIT可达鸭 深度学习人工智能计算机视觉模型压缩知识蒸馏
    【CVPR2021】KnowledgeReview：知识蒸馏新解法论文地址：主要问题：主要思路：符号假设：具体实现：实验结果：关注我的公众号：联系作者：论文地址：https://jiaya.me/papers/kdreview_cvpr21.pdf主要问题：目前大部分关于KD的方法都是基于相同层或者相同Block之间的知识迁移。但是Teacher往往深层表示抽象的语义信息，底层表示简单的知识的信息
  • 自动驾驶感知、端到端论文集（2024-10-11） 自动驾驶小学生 毫米波雷达摄像头多传感器融合
    文章目录1.Detection2.Segmentation（Map）3.DepthEstimation4.HighResolution5.End-to-EndAutonomousDriving1.DetectionLabelDistill:Label-guidedCross-modalKnowledgeDistillationforCamera-based3DObjectDetectionECCV
  • 《从编程小白到人工智能大神：大学新生Python入门攻略》 千帆过尽. python人工智能
    前言在如今这个技术飞速发展的时代，编程已经成为许多大学生不可或缺的技能，尤其是对于人工智能方向的学生来说，编程更是必不可少的一部分。作为一名大三学生，并且专注于Python和人工智能方向，我深知刚开始学习编程时的挑战与迷茫。希望本文能帮助作为大学新生的你们在编程入门的过程中少走弯路，提供一条清晰有效的学习路径。一、编程语言选择作为编程新手，选择一门适合自己的编程语言至关重要。对于希望进入人工智能领
  • Java中sort()方法的使用 吃锦鲤的猫 Java
    /****@ClassName:Test*@Description:给定一个数组使用sort()方法进行排序(据说这是最快的方法)*默认采用升序排序*@author:yangyr*@date:2019年12月30日下午4:48:55**/publicclassTest{publicstaticvoidmain(String[]args){ArrayListarrayList=newArrayLis
  • 探索Vearch：高效的深度学习向量相似度搜索系统 scaFHIO 深度学习人工智能python
    Vearch是一个可扩展的分布式系统，用于高效搜索深度学习向量的相似度。在本文中，我们将介绍Vearch的技术背景及其核心原理，演示如何使用VearchPythonSDK进行安装和设置，并分析一些实际应用场景，最后提供一些实战建议。技术背景介绍随着深度学习技术的发展，向量相似度搜索在各类应用中变得越来越重要。从图像识别、推荐系统到自然语言处理，向量搜索可以极大地提升系统的性能。然而，随着数据量的增
  • java中sort排序 Nick yang ＇ 笔记
    importjava.util.*;publicclasssortArray{publicstaticvoidmain(String[]args){int[]Array=newint[]{1,5,6,8,9,7,4,3,2,0};Arrays.sort(Array);for(intvalue:Array){System.out.print(value+"");}System.out.println
  • Java中的sort() 虚无中的真言81 Java
    sort的第一种格式sort的第二种格式sort函数中cmp函数的使用方法自定义排序基本方法sort的第一种格式sort函数的基本格式（默认排序为升序排序）Arrays.sort(数组名,起始下标,终止下标);例：importjava.util.*;importjava.util.Arrays;publicclassMain{publicstaticvoidmain(String[]args){S
  • java中的sort() 愿随我ღ
    importjava.util.*;publicclassCollectionTest{publicstaticvoidmain(String[]args){Listl=newArrayList();l.add(10);l.add(1);l.add(0);l.add(120);for(Iteratorit=l.iterator();it.hasNext();){System.out.println
  • 华为的云端训练算力与迭代效率 AI大模型应用之禅 DeepSeekR1&AI大模型与大数据计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    华为云、云端训练、算力、迭代效率、人工智能、深度学习、模型训练、分布式训练、优化算法1.背景介绍人工智能（AI）技术近年来发展迅速，深度学习作为其核心驱动力，在图像识别、自然语言处理、语音识别等领域取得了突破性进展。然而，深度学习模型的训练需要海量数据和强大的计算资源，这成为AI技术发展面临的瓶颈之一。云计算作为一种新型的计算模式，为深度学习提供了强大的算力支持。华为云作为国内领先的云计算平台，在
  • 查看opencv版本信息 zhanghui9020
    在VS2010中编写控制台C++程序：#include#include"cv.h"usingnamespacestd;main(){cout<<CV_VERSION;}运行即可打印安装的opencv的版本信息
  • 深入浅出：CUDA是什么，如何利用它进行高效并行计算 码上飞扬 CUDA
    在当今这个数据驱动的时代，计算能力的需求日益增加，特别是在深度学习、科学计算和图像处理等领域。为了满足这些需求，NVIDIA推出了CUDA（ComputeUnifiedDeviceArchitecture），这是一种并行计算平台和编程模型。本文将带你全面了解CUDA的基本概念、工作原理及其应用场景。一、什么是CUDA？CUDA（ComputeUnifiedDeviceArchitecture）是由
  • 深度学习模型中的知识蒸馏是如何工作的? c++服务器开发 深度学习人工智能
    深度学习模型在多个领域，特别是计算机视觉和自然语言处理中，已经取得了革命性的进展。然而，随着模型复杂性和资源需求的不断攀升，如何将这些庞大模型的知识浓缩为更紧凑、更高效的形式，成为了当前研究的热点。知识蒸馏，作为一种将知识从复杂模型转移到更简单模型的策略，已经成为实现这一目标的有效工具。在本文中，我们将深入探究深度学习模型中知识蒸馏的概念、原理及其在各领域的应用，以期为读者提供一个全面而严谨的视角
  • 图像识别技术与应用第三课 哈哈~156 scikit-learn
    一、感知机感知机由美国学者FrankRosenblatt在1957年提出，它根据输入x、权重w和偏差b进行输出，输出结果是二分类（0或1），这和输出实数的回归以及输出概率用于多分类的Softmax不同。像与门、与非门、或门都能通过设定合适的权重和偏差实现。w称为权重：控制输入信号的重要性的参数b称为偏置：偏置是调整神经元被激活的容易程度参数感知机的局限性:感知机的局限性就是只能表示由一条直线分割的
  • 【第四届网络安全、人工智能与数字经济国际学术会议（CSAIDE 2025】网络安全，人工智能，数字经济的研究 禁默 学术会议话题探讨web安全人工智能安全数字经济学术论文
    重要信息会议官网：www.csaide.net会议时间：2025年3月7-9日会议地点：马来西亚-马来西亚理工大学新山校区（线上+线下混合）简介过去几年，数字经济蓬勃发展，已成为全球经济增长的驱动力。然而，网络安全成为其最大的挑战。为了确保数字经济的可持续发展，人工智能被认为是至关重要的技术手段。第四届网络安全、人工智能与数字经济（CSAIDE2025）将于2025年3月7日至9日在马来西亚举行。
  • Python从0到100（四）：Python中的运算符介绍(补充) 是Dream呀 pythonjava数据库
    前言：零基础学Python：Python从0到100最新最全教程。想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习、神经网络以及人工智能相关知识，成为学习学习和学业的先行者！欢迎大家订阅专栏：零基础学Python：Python从0到100最新
  • Python从0到100（三十五）：beautifulsoup的学习 是Dream呀 Dream的茶话会pythonbeautifulsoup学习
    前言：零基础学Python：Python从0到100最新最全教程。想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习、神经网络以及人工智能相关知识，成为学习学习和学业的先行者！欢迎大家订阅专栏：零基础学Python：Python从0到100最新
  • 《深入浅出AI》前言知识：深度学习基础总结 GoAI 深入浅出AI人工智能深度学习机器学习cnnrnn生成对抗网络神经网络
    个人主页:GoAI|公众号:GoAI的学习小屋|交流群:704932595|个人简介：掘金签约作者、百度飞桨PPDE、领航团团长、开源特训营导师、CSDN、阿里云社区人工智能领域博客专家、新星计划计算机视觉方向导师等，专注大数据与人工智能知识分享。AI学习星球推荐：GoAI的学习社区知识星球是一个致力于提供《机器学习|深度学习|CV|NLP|大模型|多模态|AIGC》各个最新AI方向综述、论文等成
  • 人工智能与机器学习入门：决策树应用 决策树机器学习入门
    在人工智能与机器学习入门：使用Kaggle完成Titanic推断学习一文中，给出了使用Kaggle进行机器学习入门的方法，本文基于上文的需求。尝试使用决策树模型来训练数据，并进行test数据集的测试。什么是决策树决策树，简单来讲可以认为是一个大的ifelse判断树，有了决策树后，测试集中的数据便可以使用该决策树进行判断了。比如根据Titanic的训练数据构造了上次决策树后，便可以根据测试数据的性别
  • 怎么使用DeepSeek？DeepSeek使用教程 轻创思维 网络
    1.简介DeepSeek是一款基于人工智能技术的智能搜索引擎和信息检索工具。它能够通过自然语言处理技术理解用户的查询需求，并提供精准、全面的搜索结果。无论您是想查找信息、解答问题还是进行创意写作，DeepSeek都能为您提供高效的支持。2.主要功能智能搜索：支持自然语言输入，快速获取精准结果。多语言支持：支持中文、英文及其他多种语言的输入和输出。知识库覆盖：整合海量互联网信息，覆盖百科、新闻、学术
  • python中的Pillow 有哪些常用的功能？ 大懒猫软件 pillow计算机视觉人工智能python
    Pillow的常用功能Pillow是一个强大的图像处理库，提供了丰富的功能来处理和操作图像。以下是一些常用的功能及其示例代码：1.打开和保存图像Pillow可以轻松地打开和保存各种格式的图像文件。示例代码Python复制fromPILimportImage#打开图像img=Image.open("example.jpg")#显示图像img.show()#保存图像img.save("output.j
  • python实现将RGB相机与事件相机的照片信息进行融合以进行目标检测 go5463158465 python算法python数码相机目标检测
    要将RGB相机与事件相机的照片信息进行融合以进行目标检测，我们可以按以下步骤进行：整体思路数据读取：分别读取RGB图像和事件相机数据。数据预处理：对RGB图像和事件数据进行必要的预处理，如调整尺寸、归一化等。数据融合：将预处理后的RGB图像和事件数据进行融合。目标检测：使用融合后的数据进行目标检测。代码实现importcv2importnumpyasnpimporttorchfromtorchvi
  • ️ 总览：TotalSegmentator - 医学影像分割的革新者 金斐茉
    ️总览：TotalSegmentator-医学影像分割的革新者TotalSegmentatorToolforrobustsegmentationof>100importantanatomicalstructuresinCTimages项目地址:https://gitcode.com/gh_mirrors/to/TotalSegmentator在医学图像处理领域中，精确且高效的自动分割工具对于研究和
  • 探索TotalSegmentator：一款强大的全场景图像分割工具 计蕴斯Lowell
    探索TotalSegmentator：一款强大的全场景图像分割工具项目地址:https://gitcode.com/gh_mirrors/to/TotalSegmentator项目简介是一个开源的、基于深度学习的全场景图像分割框架。它由开发者Wasserth创建，旨在为医学影像分析、自动驾驶、遥感图像处理等多个领域提供高效且准确的像素级分类能力。该项目的亮点在于其模型的通用性和易用性，能够处理多种
  • C# 性能测试程序及编写要点 Rondapapi c#性能测试要点
    直接看程序：classTiming{TimeSpantimestart;TimeSpanduration;publicvoidStart(){GC.Collect();GC.WaitForPendingFinalizers();timestart=Process.GetCurrentProcess().TotalProcessorTime;}publicvoidStop(){duration=Pr
  • DeepSeek的实用方法DeepSeek+kimi生成PPT C_V_Better AI人工智能人工智能pptai
    在人工智能领域，DeepSeek和KimiAI作为强大的语言模型，为开发者和普通用户提供了丰富的功能。本文将详细介绍DeepSeek的实用方法，以及如何结合KimiAI生成PPT，帮助您快速上手并发挥其强大能力。一、DeepSeek的使用方法（一）注册与登录访问官网：打开浏览器，输入DeepSeek官网。注册账号：点击“注册”按钮，填写邮箱地址、设置密码，并完成邮箱验证。登录：注册成功后，使用注册
  • java list如何让指定元素排在第一位 C_V_Better javajavalist
    可以通过以下几种方式实现：一、使用List的方法实现方法1：使用add(0,element)和remove()获取指定元素的索引。将该元素从当前位置移除。使用add(0,element)方法将其插入到第一位。示例代码：importjava.util.ArrayList;importjava.util.List;publicclassMain{publicstaticvoidmain(String[
  • 对比度调整操作 weixin_51302377 深度学习人工智能计算机视觉算法
    对比度调整是一种常见的图像处理操作，用于增强或减弱图像中不同颜色或亮度之间的差异，使图像的细节更加清晰或柔和。以下是关于对比度调整操作的详细介绍：原理对比度是指图像中最亮和最暗区域之间的差异程度。对比度调整通过改变图像中像素值的分布来实现。一般来说，增加对比度会使亮的部分更亮，暗的部分更暗，从而增强图像的层次感和细节；降低对比度则会使图像的亮度分布更加均匀，减少图像的层次感。在数学上，对比度调整通
  • Python中的GIL锁详解 _Itachi__ pythonpython开发语言
    Python中的GIL锁详解大家好，今天我们来聊聊Python中一个备受争议的话题——GIL锁（GlobalInterpreterLock，全局解释器锁）。GIL锁是Python解释器中的一个重要机制，但它对多线程程序的性能影响很大，尤其是在计算密集型任务（如图像处理）中。本文将从GIL锁的原理、影响以及如何在图像处理中规避GIL锁的角度，带大家彻底搞懂这个问题！1.什么是GIL锁？GIL锁是Py
  • 从零到入门：人工智能学习路径全解析 这题有点难度 人工智能学习
    一、打破迷雾：重新认识人工智能人工智能（AI）早已不再是科幻电影中的专属概念，而是渗透到我们生活的方方面面。从手机里的语音助手到电商平台的推荐系统，从自动驾驶到医疗影像分析，AI技术正在重塑人类社会的运行方式。对于初学者而言，建立正确的认知框架至关重要：1.技术图谱解析：机器学习（ML）：AI的核心驱动力，使计算机具备从数据中学习的能力深度学习（DL）：基于神经网络的进阶技术，擅长处理图像、语音等
  • mondb入手 木zi_鸣 mongodb
    windows 启动mongodb  编写bat文件， mongod --dbpath D:\software\MongoDBDATA mongod --help  查询各种配置 配置在mongob 打开批处理，即可启动，27017原生端口，shell操作监控端口  扩展28017，web端操作端口 启动配置文件配置， 数据更灵活 
  • 大型高并发高负载网站的系统架构 bijian1013 高并发负载均衡
            扩展Web应用程序 一.概念         简单的来说，如果一个系统可扩展，那么你可以通过扩展来提供系统的性能。这代表着系统能够容纳更高的负载、更大的数据集，并且系统是可维护的。扩展和语言、某项具体的技术都是无关的。扩展可以分为两种：         1.
  • DISPLAY变量和xhost(原创) czmmiao display
    DISPLAY 在Linux/Unix类操作系统上, DISPLAY用来设置将图形显示到何处. 直接登陆图形界面或者登陆命令行界面后使用startx启动图形, DISPLAY环境变量将自动设置为:0:0, 此时可以打开终端, 输出图形程序的名称(比如xclock)来启动程序, 图形将显示在本地窗口上, 在终端上输入printenv查看当前环境变量, 输出结果中有如下内容:DISPLAY=:0.0
  • 获取B/S客户端IP 周凡杨 java编程jspWeb浏览器
       最近想写个B/S架构的聊天系统，因为以前做过C/S架构的QQ聊天系统，所以对于Socket通信编程只是一个巩固。对于C/S架构的聊天系统，由于存在客户端Java应用，所以直接在代码中获取客户端的IP，应用的方法为：    String ip = InetAddress.getLocalHost().getHostAddress(); 然而对于WEB
  • 浅谈类和对象 朱辉辉33 编程
        类是对一类事物的总称，对象是描述一个物体的特征，类是对象的抽象。简单来说，类是抽象的，不占用内存，对象是具体的， 占用存储空间。     类是由属性和方法构成的，基本格式是public  class 类名{ //定义属性 private/public 数据类型 属性名； //定义方法 publ
  • android activity与viewpager+fragment的生命周期问题 肆无忌惮_ viewpager
    有一个Activity里面是ViewPager，ViewPager里面放了两个Fragment。 第一次进入这个Activity。开启了服务，并在onResume方法中绑定服务后，对Service进行了一定的初始化，其中调用了Fragment中的一个属性。 super.onResume(); bindService(intent, conn, BIND_AUTO_CREATE);
  • base64Encode对图片进行编码 843977358 base64图片encoder
    /** * 对图片进行base64encoder编码 * * @author mrZhang * @param path * @return */ public static String encodeImage(String path) { BASE64Encoder encoder = null; byte[] b = null; I
  • Request Header简介 aigo servlet
    当一个客户端(通常是浏览器)向Web服务器发送一个请求是，它要发送一个请求的命令行，一般是GET或POST命令，当发送POST命令时，它还必须向服务器发送一个叫“Content-Length”的请求头(Request   Header)   用以指明请求数据的长度，除了Content-Length之外，它还可以向服务器发送其它一些Headers，如：    
  • HttpClient4.3 创建SSL协议的HttpClient对象 alleni123 httpclient爬虫ssl
    public class HttpClientUtils { public static CloseableHttpClient createSSLClientDefault(CookieStore cookies){ SSLContext sslContext=null; try { sslContext=new SSLContextBuilder().l
  • java取反 -右移-左移-无符号右移的探讨 百合不是茶 位运算符 位移
    取反： 在二进制中第一位，1表示符数，0表示正数 byte a = -1; 原码：10000001 反码：11111110 补码：11111111 //异或: 00000000 byte b = -2; 原码：10000010 反码：11111101 补码：11111110 //异或: 00000001
  • java多线程join的作用与用法 bijian1013 java多线程
            对于JAVA的join，JDK 是这样说的：join public final void join （long millis ）throws InterruptedException Waits at most millis milliseconds for this thread to die. A timeout of 0 means t
  • Java发送http请求(get 与post方法请求) bijian1013 javaspring
    PostRequest.java package com.bijian.study; import java.io.BufferedReader; import java.io.DataOutputStream; import java.io.IOException; import java.io.InputStreamReader; import java.net.HttpURL
  • 【Struts2二】struts.xml中package下的action配置项默认值 bit1129 struts.xml
    在第一部份，定义了struts.xml文件，如下所示：   <!DOCTYPE struts PUBLIC "-//Apache Software Foundation//DTD Struts Configuration 2.3//EN" "http://struts.apache.org/dtds/struts
  • 【Kafka十三】Kafka Simple Consumer bit1129 simple
    代码中关于Host和Port是割裂开的，这会导致单机环境下的伪分布式Kafka集群环境下，这个例子没法运行。 实际情况是需要将host和port绑定到一起，   package kafka.examples.lowlevel; import kafka.api.FetchRequest; import kafka.api.FetchRequestBuilder; impo
  • nodejs学习api ronin47 nodejs api
    NodeJS基础 什么是NodeJS JS是脚本语言，脚本语言都需要一个解析器才能运行。对于写在HTML页面里的JS，浏览器充当了解析器的角色。而对于需要独立运行的JS，NodeJS就是一个解析器。 每一种解析器都是一个运行环境，不但允许JS定义各种数据结构，进行各种计算，还允许JS使用运行环境提供的内置对象和方法做一些事情。例如运行在浏览器中的JS的用途是操作DOM，浏览器就提供了docum
  • java-64.寻找第N个丑数 bylijinnan java
    public class UglyNumber { /** * 64.查找第N个丑数 具体思路可参考 [url] http://zhedahht.blog.163.com/blog/static/2541117420094245366965/[/url] * 题目：我们把只包含因子 2、3和5的数称作丑数（Ugly Number）。例如6、8都是丑数，但14
  • 二维数组（矩阵）对角线输出 bylijinnan 二维数组
    /** 二维数组 对角线输出 两个方向 例如对于数组： { 1, 2, 3, 4 }, { 5, 6, 7, 8 }, { 9, 10, 11, 12 }, { 13, 14, 15, 16 }, slash方向输出： 1 5 2 9 6 3 13 10 7 4 14 11 8 15 12 16 backslash输出： 4 3
  • [JWFD开源工作流设计]工作流跳跃模式开发关键点(今日更新) comsci 工作流
       既然是做开源软件的,我们的宗旨就是给大家分享设计和代码,那么现在我就用很简单扼要的语言来透露这个跳跃模式的设计原理    大家如果用过JWFD的ARC-自动运行控制器,或者看过代码,应该知道在ARC算法模块中有一个函数叫做SAN(),这个函数就是ARC的核心控制器,要实现跳跃模式,在SAN函数中一定要对LN链表数据结构进行操作,首先写一段代码,把
  • redis常见使用 cuityang redis常见使用
    redis 通常被认为是一个数据结构服务器，主要是因为其有着丰富的数据结构 strings、map、 list、sets、 sorted sets 引入jar包 jedis-2.1.0.jar  (本文下方提供下载) package redistest; import redis.clients.jedis.Jedis; public class Listtest
  • 配置多个redis dalan_123 redis
    配置多个redis客户端 <?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans"       xmlns:xsi=&quo
  • attrib命令 dcj3sjt126com attr
      attrib指令用于修改文件的属性.文件的常见属性有:只读.存档.隐藏和系统.    只读属性是指文件只可以做读的操作.不能对文件进行写的操作.就是文件的写保护.    存档属性是用来标记文件改动的.即在上一次备份后文件有所改动.一些备份软件在备份的时候会只去备份带有存档属性的文件. 
  • Yii使用公共函数 dcj3sjt126com yii
    在网站项目中，没必要把公用的函数写成一个工具类，有时候面向过程其实更方便。 在入口文件index.php里添加 require_once('protected/function.php'); 即可对其引用，成为公用的函数集合。 function.php如下：   <?php /**   * This is the shortcut to D
  • linux 系统资源的查看（free、uname、uptime、netstat） eksliang netstatlinux unamelinux uptimelinux free
    linux 系统资源的查看 转载请出自出处：http://eksliang.iteye.com/blog/2167081   http://eksliang.iteye.com 一、free查看内存的使用情况 语法如下：   free [-b][-k][-m][-g] [-t] 参数含义 -b:直接输入free时，显示的单位是kb我们可以使用b(bytes),m
  • JAVA的位操作符 greemranqq 位运算JAVA位移<<>>>
    最近几种进制，加上各种位操作符，发现都比较模糊，不能完全掌握，这里就再熟悉熟悉。   1.按位操作符 ：    按位操作符是用来操作基本数据类型中的单个bit,即二进制位，会对两个参数执行布尔代数运算，获得结果。    与（&）运算：    1&1 = 1, 1&0 = 0, 0&0 &
  • Web前段学习网站 ihuning Web
      Web前段学习网站 菜鸟学习：http://www.w3cschool.cc/   JQuery中文网：http://www.jquerycn.cn/   内存溢出：http://outofmemory.cn/#csdn.blog   http://www.icoolxue.com/   http://www.jikexue
  • 强强联合：FluxBB 作者加盟 Flarum justjavac r
    原文：FluxBB Joins Forces With Flarum作者：Toby Zerner译文：强强联合：FluxBB 作者加盟 Flarum译者：justjavac FluxBB 是一个快速、轻量级论坛软件，它的开发者是一名德国的 PHP 天才 Franz Liedke。FluxBB 的下一个版本(2.0)将被完全重写，并已经开发了一段时间。FluxBB 看起来非常有前途的，
  • java统计在线人数（session存储信息的） macroli javaWeb
    这篇日志是我写的第三次了 前两次都发布失败！郁闷极了！   由于在web开发中常常用到这一部分所以在此记录一下，呵呵，就到备忘录了！ 我对于登录信息时使用session存储的，所以我这里是通过实现HttpSessionAttributeListener这个接口完成的。 1、实现接口类，在web.xml文件中配置监听类，从而可以使该类完成其工作。 public class Ses
  • bootstrp carousel初体验 快速构建图片播放 qiaolevip 每天进步一点点学习永无止境bootstrap纵观千象
    img{ border: 1px solid white; box-shadow: 2px 2px 12px #333; _width: expression(this.width > 600 ? "600px" : this.width + "px"); _height: expression(this.width &
  • SparkSQL读取HBase数据，通过自定义外部数据源 superlxw1234 sparksparksqlsparksql读取hbasesparksql外部数据源
    关键字：SparkSQL读取HBase、SparkSQL自定义外部数据源     前面文章介绍了SparSQL通过Hive操作HBase表。   SparkSQL从1.2开始支持自定义外部数据源(External DataSource)，这样就可以通过API接口来实现自己的外部数据源。这里基于Spark1.4.0，简单介绍SparkSQL自定义外部数据源，访
  • Spring Boot 1.3.0.M1发布 wiselyman spring boot
        Spring Boot 1.3.0.M1于6.12日发布，现在可以从Spring milestone repository下载。这个版本是基于Spring Framework 4.2.0.RC1,并在Spring Boot 1.2之上提供了大量的新特性improvements and new features。主要包含以下：   1.提供一个新的sprin
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他