- OpenCV入门6——图像基本变换
源代码•宸
OpenCVopencv人工智能计算机视觉经验分享
文章目录图像的放大与缩小缩放算法放大图像的翻转图像的旋转仿射变换之图像平移仿射变换之获取变换矩阵仿射变换之变换矩阵之二OpenCV透视变换图像的放大与缩小缩放算法#-*-coding:utf-8-*-importcv2importnumpyasnpimg=cv2.imread('E://pic//4.jpg')#(600,480,3)new_img=cv2.resize(img,(300,240)
- OpenCv图像基本变换
几两春秋梦_
Opencvopencv人工智能计算机视觉
目录一、图像翻转二、图像旋转三、仿射变换之平移四、仿射变换之获取变换矩阵五、仿射变换之透视变换一、图像翻转图像翻转不等同于旋转,类似于一些视频的拍摄,拍摄后实际是左右颠倒的,通过图像翻转可进行还原案例代码如下:#图片翻转filpCode=0表示上下翻转flipCode>0表示左右翻转flipCOde<0表示上下+左右翻转new_first=cv2.flip(first,flipCode=-1)二、
- OpenCV4入门到进阶
Chance Z
OpenCV4pythonpandas
OpenCV4入门到进阶第1章介绍与学习指南第2章OpenCV开发环境搭建第3章图像&视频的加载与展示第4章OpenCV必知必会基础第5章OpenCV实现图形的绘制第6章OpenCV的算术与位运算第7章图像基本变换第8章OpenCV中的滤波器第9章OpenCV中的形态学第10章目标识别-车辆统计项目第11章特征点检测与匹配–图像拼接项目第12章图像的分割与修复第13章机器学习-人脸识别项目第14章
- OpenCV(6)-实现图像基本变换
zxyccm
opencv计算机视觉python
OpenCV实现图像基本变换图像的放大与缩小图像缩放:resize(src,dst,dsize,fx,fy,interpolation)fx:x轴的缩放因子fy:y轴的缩放因子interpolation:差值算法INTER_NEAREST:邻近差值,速度快,效果差INTER_LINEAR:默认,双线性差值,原图中的四个点,快,效果好INTER_CUBIC:三次差值,原图中的16个点,较慢INTER
- OpenCV之图像基本变换
秃头蜘蛛
opencv计算机视觉人工智能
图像的缩放new=cv2.resize(img,(dsize),fx,fy,interporation)img:原始图片(desize):目的像素大小,描述时是(x,y)fx:沿着x轴缩放比例fy:沿着y轴缩放比例interporation:插值算法,即采用哪种算法对图像进行缩放【注:dsize和fx,fy只需设置一个就行。new=cv2.resize(dog,None,fx=2,fy=2,int
- 【OpenCV学习】(六)图像基本变换
一个热爱学习的深度渣渣
OpenCVopencv计算机视觉python图像处理程序员
【OpenCV学习】(六)图像基本变换背景图像的变换通常用于数据预处理部分,例如缩放旋转等常见的图像变换方法;在一些深度学习框架内部都分装了图像变换的方法,对训练集做统一的图像变换操作;一、图像缩放函数原型:resize(src,dsize,[fx,fy,interpolation])fx:x轴的缩放因子;fy:y轴的缩放因子;interpolation:插值算法;插值算法有以下几种:1、INTE
- 【数字图像处理】实验(5)——图像分割与描述(MATLAB实现)
虚神公子
数字图像处理matlab图像处理算法
链接:【数字图像处理】实验(1)——图像基本变换链接:【数字图像处理】实验(2)——图像增强(MATLAB实现)链接:【数字图像处理】实验(3)——图像综合应用:皮肤美化(MATLAB实现)链接:【数字图像处理】实验(4)——图像复原及几何校正(MATLAB实现)图像分割与描述一、实验目的二、实验内容三、实验原理四、Matlab相关函数介绍五、实验代码及结果(包括分析、代码和波形)(1)将Imag
- MATLAB图像基本变换实验报告,MATLAB图像增强与变换处理实验报告
人行有师
实验一MATLAB图像增强与变换处理实验一、实验目的1、熟悉掌握数字图像处理的基本概念。2、了解MATLAB的的编程环境,图像处理工具箱的使用方法。3、掌握数字图像处理图像增强的基本方法。4、掌握图像变换的基本方法。5、学会使用MATLAB完成图像处理的主要功能。二、实验任务(1)各种格式的数字图像的读取、显示、存储。1.1程序a=imread('liusuo.tif');%tiffigureim
- 【数字图像处理】实验(1)——图像基本变换
虚神公子
数字图像处理matlab图像处理算法
图像基本变换一、实验意义及目的二、实验内容三、实验原理四、Matlab相关函数介绍五、代码及结果(1)将Image1色彩通道互换,并显示效果;(2)将Image1灰度化为gray,并显示灰度化后图像;(3)采用不同的插值方法实现gray的旋转、放大变换;(4)打开另一幅彩色图像Image2,和Image1进行代数运算,要求运用拼接、加减乘除等多种技术;(5)拓展内容(1)将彩色图像采用不同的灰度化
- 实验一 图像基本变换
谢三公主
数字图像处理matlab图像处理计算机视觉
一、实验目的:(1)了解和掌握图像处理工具Matlab,熟悉基于Matlab的图像处理函数,并为下一步编程进行图像处理打下基础。(2)理解色彩的概念,掌握图像代数运算,几何变换方法。二、实验原理(1)imread函数功能:实现多种类型图像文件的读取,如:BMP、GIF、JPEG、PNG、RAS等。调用格式:A=imread(filename,fmt)。filename为图像文件名,可以是灰度图像,
- 15.Opencv中图像基本变换
稚子
Opencv学习笔记opencvvscodepython
1.图像的缩放resize(src,dst,dsize,fx,fy,interpolation)src:操作图像dst:输出,在python中可以不用dsize:目标大小fx:x轴的缩放因子fy:y轴的缩放因子,如果定义了dsize则不需要设置fxfyinterpolation:插值算法常用缩放算法:INTER_NEAREST邻近插值,速度快,效果差INTER_LINEAR双线性插值,原图中的4个
- 【数字图像处理】实验一图像基本变换(MATLAB实现)
wlt_1203
matlab数字图像处理matlab图像处理
目录一、实验意义及目的二、实验内容三、Matlab相关函数介绍四、参考代码五、运行结果六、实验要求(1)将彩色图像采用不同的灰度化方法实现灰度化;(2)将彩色图像变换到YCbCr、HSV空间,熟悉各分量数据并显示。(3)不采用Matlab函数,自行设计基于双线性插值的图像放大程序;一、实验意义及目的(1)了解和掌握图像处理工具Matlab,熟悉基于Matlab的图像处理函数,并为下一步编程进行图像
- 图像基本变换--- 平移、旋转、缩放、仿射变换、镜像
bravebean
图像基础
图像平移变换函数[算法说明]图像平移就是使图像沿水平方向和垂直方向移动。如果把坐标原点(0,0)平移到点(x0,y0)处,则变换公式为:(x,y)为原始图像坐标,(x',y')为变换后的图像坐标。而图像中的各个像素点移动了sqrt(x*x+y*y)距离。用矩阵表示为2-(22):[函数代码]//////Translationprocess.//////Sourceimage.///Translat
- 图像基本变换---KMeans聚类算法
bravebean
图像基础
本文将详细介绍K-Means均值聚类的算法及实现。聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程。K均值聚类是最著名的划分聚类算法,由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k,k由用户指定,k均值算法根据某个距离函数反复把数据分入k个聚类中。算法过程:1,初始化聚类数目K,并任意选择K个初始化均值ui。2,迭代图像中每个像素f(x,y)
- 深度学习中常用的Pillow及Opencv操作汇总
沃兹基.硕德
深度学习
深度学习中各种图像库的图片读取方式https://blog.csdn.net/u013841196/article/details/81194310初学者福利!深度学习最常用OpenCV的操作http://www.360doc.com/content/18/0915/22/2005961_786979800.shtml#初学者福利!深度学习最常用的OpenCV操作——图像基本变换http://ww
- C语言数字图像处理---1.5图像基本变换之平移缩放旋转
Trent1985
零基础C语言数字图像处理利器
本篇作为新年到来前的最后一篇,提前祝大家新年快乐!图像几何变换又叫做图像基本变换,主要包括图像平移、图像缩放和图像旋转几个部分,当然还有图像镜像等简单的内容。图像基本变换是图像处理的基本内容,是学习以后复杂的仿射变换、透视变换以及更高级的MLS网格变形等内容的基础,意义重大。本篇将从平移、缩放和旋转三个方面来讲解如何单纯使用C语言来轻松实现这三个算法。图像平移变换[定义与算法]图像平移变换可以表示
- C语言数字图像处理---进阶篇(一)
Trent1985
零基础C语言数字图像处理利器
前面我们系统的讲述了基础的数字图像处理知识,这些内容涉及以下几个部分:①图像读写②图像基本变换③图像颜色空间④图像噪声⑤图像滤波与增强⑥图像边缘检测上述几个部分,实际上,也是任何一本数字图像处理专业书籍的基本组成部分。在介绍上述内容时,我们单纯以C语言的方式来实现算法内容,通俗易懂,同时不依赖任何第三方库,这样做最大的好处就是方便初学者真正的从0开始入门图像处理,因为,你可以真正的做到所有算法的“
- Keras下的图像基本变换ImageDataGenerator参数说明
bosa1082
PythonKeras机器学习
featurewise_center:使输入数据集去中心化(均值为0),按feature执行。samplewise_center:使输入数据的每个样本均值为0。featurewise_std_normalization:将输入除以数据集的标准差以完成标准化,按feature执行。samplewise_std_normalization:将输入的每个样本除以其自身的标准差。zca_whitening
- 图像基本变换---图像曝光+反相算法
bravebean
图像基础
[算法说明]设置一阈值T属于[0,255],对于灰度值小于该阈值的像素,将其R,G,B值按公式2-(40)取逆,从而使图像产生正片和负片混合的效果。[函数代码]//////Exposureprocess.//////Sourceimage.///Toadjustexposurelavel,from0to255.///publicstaticWriteableBitmapExposureProces
- 图像基本变换---图像曝光+反相算法
bravebean
图像基本变换
[算法说明]设置一阈值T属于[0,255],对于灰度值小于该阈值的像素,将其R,G,B值按公式2-(40)取逆,从而使图像产生正片和负片混合的效果。[函数代码] /// /// Exposureprocess. /// /// Sourceimage. /// Toadjustexposurelavel,from0to255
- 图像基本变换---图像亮度对比度调增算法
bravebean
图像基础
[图像亮度]图像亮度调整公式如公式2-(5)所示:其中v属于[-255,255]。由于像素值的大小范围为[0,255],因此,像素的亮度值可以用原始值与调整增量的和表示,且最大亮度为255,即白色,最小亮度为0,即黑色。[函数代码]//////Brightadjustprocess.//////Sourceimage.///Brightnessvalue,from-255to255.///publ
- 图像基本变换---图像亮度对比度调增算法
bravebean
图像基本变换
[图像亮度]图像亮度调整公式如公式2-(5)所示: 其中v属于[-255,255]。 由于像素值的大小范围为[0,255],因此,像素的亮度值可以用原始值与调整增量的和表示,且最大亮度为255,即白色,最小亮度为0,即黑色。[函数代码] /// /// Brightadjustprocess. /// /// Sourceimage.
- 图像基本变换---图像线性变换
bravebean
图像基本变换
图像线性变换即线性点运算,输出灰度级与输入灰度级呈线性关系的点运算。公式如2-(9)所示。 其中,K,L为变换参数,k属于[0,5],L属于[-128,128]。 如果k,则输出图像的对比度将增大,反之对比度将减小,k=1,L=0时,输出图像为输入图像的副本,L是对图像亮度的调整。[函数代码] /// /// Lineartransformprocess(f=kf
- 图像基本变换---KMeans聚类算法
bravebean
图像基本变换
本文将详细介绍K-Means均值聚类的算法及实现。 聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程。K均值聚类是最著名的划分聚类算法,由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k,k由用户指定,k均值算法根据某个距离函数反复把数据分入k个聚类中。 算法过程: 1,初始化聚类数目K,并任意选择K个初始化均值ui。 2,迭代图像中每个像素
- 图像基本变换---Canny边缘检测算法
bravebean
图像基本变换
本文将详细介绍经典Canny边缘检测的算法实现。 Canny边缘检测算法可以分为4步:高斯滤波器平滑处理、梯度计算、非极大值抑制、双阈值边缘检测和边缘连接。 1,高斯滤波器平滑处理。由于图像中经常包含一些高斯噪声,因此在边缘检测前我们要先用高斯滤波器对其进行滤波,为了方便,通常是使用一些高斯模板,这里我们使用如下的高斯滤波器模板。 2,梯度计算。使用一阶导数算子(一般用sobel模板)计
- 图像基本变换---Harris角点检测算法
bravebean
图像基本变换
本文将详细介绍角点检测的算法内容。目前的角点检测算法可归纳为3类:基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。基于灰度图像的角点检测又可分为基于梯度、基于模板和基于模板梯度组合3类方法,其中基于模板的方法主要考虑像素领域点的灰度变化,即图像亮度的变化,将与邻点亮度对比足够大的点定义为角点。本文将介绍一种改进的Harris角点检测算法,该算法是一种基于模板与梯度组合的方法
- 图像基本变换---图像快速高斯模糊算法
bravebean
图像基本变换
本文将详细介绍经典高斯滤波的相关内容。高斯滤波器实质上是一种信号的滤波器,其用途是信号的平滑处理。它是一类根据高斯函数的形状来选择权重的线性平滑滤波器,该滤波器对于抑制服从正态分布的噪声非常有效。高斯函数的公式如下所示:一维高斯函数: 二维高斯函数: 对于二维高斯函数,它的分布如下图所示:Fig.1二维Gauss分布对于二维高斯函数,我们设置两个参数:高斯半
- 图像基本变换---图像伪色彩
bravebean
图像基本变换
本文将详细介绍图像伪彩色处理的相关内容。 demo: http://www.zealfilter.com/forum.php?mod=viewthread&tid=43&extra=page%3D1
- 图像基本变换---快速均值模糊算法
bravebean
图像基本变换
本文将介绍图像滤波中常用的均值滤波算法内容。 图像均值算法就是取一个窗口的均值,即所谓的boxfilter。一般使用积分图来加速算法。 假设图像P的长宽分别为x,y,均值为Mean 均值滤波很容易理解,直接给出C代码如下,欢迎交流:voidFastMeanFilter(unsignedchar*srcData,intwidth,intheight,intstride,unsigned
- 图像基本变换---图像灰度化
bravebean
图像基本变换
图像灰度化处理就是去掉彩色图像的彩色信息。对于一张图像,其中的每一个像素都存在B,G,R三个颜色分量(这里不考虑透明度分量),这三个分量在C#中是按照B→G→R的顺序进行存储的,这三个分量的值分别取在0-255范围之内,对于不同取值,相应的也就产生了不同的颜色信息。如果以X,Y,Z轴分别描述R,G,B分量构建三维坐标系,则颜色分布如图所示: 我们通常所说的灰度化是将R,G,B三个分量分别赋予一个
- iOS http封装
374016526
ios服务器交互http网络请求
程序开发避免不了与服务器的交互,这里打包了一个自己写的http交互库。希望可以帮到大家。
内置一个basehttp,当我们创建自己的service可以继承实现。
KuroAppBaseHttp *baseHttp = [[KuroAppBaseHttp alloc] init];
[baseHttp setDelegate:self];
[baseHttp
- lolcat :一个在 Linux 终端中输出彩虹特效的命令行工具
brotherlamp
linuxlinux教程linux视频linux自学linux资料
那些相信 Linux 命令行是单调无聊且没有任何乐趣的人们,你们错了,这里有一些有关 Linux 的文章,它们展示着 Linux 是如何的有趣和“淘气” 。
在本文中,我将讨论一个名为“lolcat”的小工具 – 它可以在终端中生成彩虹般的颜色。
何为 lolcat ?
Lolcat 是一个针对 Linux,BSD 和 OSX 平台的工具,它类似于 cat 命令,并为 cat
- MongoDB索引管理(1)——[九]
eksliang
mongodbMongoDB管理索引
转载请出自出处:http://eksliang.iteye.com/blog/2178427 一、概述
数据库的索引与书籍的索引类似,有了索引就不需要翻转整本书。数据库的索引跟这个原理一样,首先在索引中找,在索引中找到条目以后,就可以直接跳转到目标文档的位置,从而使查询速度提高几个数据量级。
不使用索引的查询称
- Informatica参数及变量
18289753290
Informatica参数变量
下面是本人通俗的理解,如有不对之处,希望指正 info参数的设置:在info中用到的参数都在server的专门的配置文件中(最好以parma)结尾 下面的GLOBAl就是全局的,$开头的是系统级变量,$$开头的变量是自定义变量。如果是在session中或者mapping中用到的变量就是局部变量,那就把global换成对应的session或者mapping名字。
[GLOBAL] $Par
- python 解析unicode字符串为utf8编码字符串
酷的飞上天空
unicode
php返回的json字符串如果包含中文,则会被转换成\uxx格式的unicode编码字符串返回。
在浏览器中能正常识别这种编码,但是后台程序却不能识别,直接输出显示的是\uxx的字符,并未进行转码。
转换方式如下
>>> import json
>>> q = '{"text":"\u4
- Hibernate的总结
永夜-极光
Hibernate
1.hibernate的作用,简化对数据库的编码,使开发人员不必再与复杂的sql语句打交道
做项目大部分都需要用JAVA来链接数据库,比如你要做一个会员注册的 页面,那么 获取到用户填写的 基本信后,你要把这些基本信息存入数据库对应的表中,不用hibernate还有mybatis之类的框架,都不用的话就得用JDBC,也就是JAVA自己的,用这个东西你要写很多的代码,比如保存注册信
- SyntaxError: Non-UTF-8 code starting with '\xc4'
随便小屋
python
刚开始看一下Python语言,传说听强大的,但我感觉还是没Java强吧!
写Hello World的时候就遇到一个问题,在Eclipse中写的,代码如下
'''
Created on 2014年10月27日
@author: Logic
'''
print("Hello World!");
运行结果
SyntaxError: Non-UTF-8
- 学会敬酒礼仪 不做酒席菜鸟
aijuans
菜鸟
俗话说,酒是越喝越厚,但在酒桌上也有很多学问讲究,以下总结了一些酒桌上的你不得不注意的小细节。
细节一:领导相互喝完才轮到自己敬酒。敬酒一定要站起来,双手举杯。
细节二:可以多人敬一人,决不可一人敬多人,除非你是领导。
细节三:自己敬别人,如果不碰杯,自己喝多少可视乎情况而定,比如对方酒量,对方喝酒态度,切不可比对方喝得少,要知道是自己敬人。
细节四:自己敬别人,如果碰杯,一
- 《创新者的基因》读书笔记
aoyouzi
读书笔记《创新者的基因》
创新者的基因
创新者的“基因”,即最具创意的企业家具备的五种“发现技能”:联想,观察,实验,发问,建立人脉。
第一部分破坏性创新,从你开始
第一章破坏性创新者的基因
如何获得启示:
发现以下的因素起到了催化剂的作用:(1) -个挑战现状的问题;(2)对某项技术、某个公司或顾客的观察;(3) -次尝试新鲜事物的经验或实验;(4)与某人进行了一次交谈,为他点醒
- 表单验证技术
百合不是茶
JavaScriptDOM对象String对象事件
js最主要的功能就是验证表单,下面是我对表单验证的一些理解,贴出来与大家交流交流 ,数显我们要知道表单验证需要的技术点, String对象,事件,函数
一:String对象;通常是对字符串的操作;
1,String的属性;
字符串.length;表示该字符串的长度;
var str= "java"
- web.xml配置详解之context-param
bijian1013
javaservletweb.xmlcontext-param
一.格式定义:
<context-param>
<param-name>contextConfigLocation</param-name>
<param-value>contextConfigLocationValue></param-value>
</context-param>
作用:该元
- Web系统常见编码漏洞(开发工程师知晓)
Bill_chen
sqlPHPWebfckeditor脚本
1.头号大敌:SQL Injection
原因:程序中对用户输入检查不严格,用户可以提交一段数据库查询代码,根据程序返回的结果,
获得某些他想得知的数据,这就是所谓的SQL Injection,即SQL注入。
本质:
对于输入检查不充分,导致SQL语句将用户提交的非法数据当作语句的一部分来执行。
示例:
String query = "SELECT id FROM users
- 【MongoDB学习笔记六】MongoDB修改器
bit1129
mongodb
本文首先介绍下MongoDB的基本的增删改查操作,然后,详细介绍MongoDB提供的修改器,以完成各种各样的文档更新操作 MongoDB的主要操作
show dbs 显示当前用户能看到哪些数据库
use foobar 将数据库切换到foobar
show collections 显示当前数据库有哪些集合
db.people.update,update不带参数,可
- 提高职业素养,做好人生规划
白糖_
人生
培训讲师是成都著名的企业培训讲师,他在讲课中提出的一些观点很新颖,在此我收录了一些分享一下。注:讲师的观点不代表本人的观点,这些东西大家自己揣摩。
1、什么是职业规划:职业规划并不完全代表你到什么阶段要当什么官要拿多少钱,这些都只是梦想。职业规划是清楚的认识自己现在缺什么,这个阶段该学习什么,下个阶段缺什么,又应该怎么去规划学习,这样才算是规划。
- 国外的网站你都到哪边看?
bozch
技术网站国外
学习软件开发技术,如果没有什么英文基础,最好还是看国内的一些技术网站,例如:开源OSchina,csdn,iteye,51cto等等。
个人感觉如果英语基础能力不错的话,可以浏览国外的网站来进行软件技术基础的学习,例如java开发中常用的到的网站有apache.org 里面有apache的很多Projects,springframework.org是spring相关的项目网站,还有几个感觉不错的
- 编程之美-光影切割问题
bylijinnan
编程之美
package a;
public class DisorderCount {
/**《编程之美》“光影切割问题”
* 主要是两个问题:
* 1.数学公式(设定没有三条以上的直线交于同一点):
* 两条直线最多一个交点,将平面分成了4个区域;
* 三条直线最多三个交点,将平面分成了7个区域;
* 可以推出:N条直线 M个交点,区域数为N+M+1。
- 关于Web跨站执行脚本概念
chenbowen00
Web安全跨站执行脚本
跨站脚本攻击(XSS)是web应用程序中最危险和最常见的安全漏洞之一。安全研究人员发现这个漏洞在最受欢迎的网站,包括谷歌、Facebook、亚马逊、PayPal,和许多其他网站。如果你看看bug赏金计划,大多数报告的问题属于 XSS。为了防止跨站脚本攻击,浏览器也有自己的过滤器,但安全研究人员总是想方设法绕过这些过滤器。这个漏洞是通常用于执行cookie窃取、恶意软件传播,会话劫持,恶意重定向。在
- [开源项目与投资]投资开源项目之前需要统计该项目已有的用户数
comsci
开源项目
现在国内和国外,特别是美国那边,突然出现很多开源项目,但是这些项目的用户有多少,有多少忠诚的粉丝,对于投资者来讲,完全是一个未知数,那么要投资开源项目,我们投资者必须准确无误的知道该项目的全部情况,包括项目发起人的情况,项目的维持时间..项目的技术水平,项目的参与者的势力,项目投入产出的效益.....
- oracle alert log file(告警日志文件)
daizj
oracle告警日志文件alert log file
The alert log is a chronological log of messages and errors, and includes the following items:
All internal errors (ORA-00600), block corruption errors (ORA-01578), and deadlock errors (ORA-00060)
- 关于 CAS SSO 文章声明
denger
SSO
由于几年前写了几篇 CAS 系列的文章,之后陆续有人参照文章去实现,可都遇到了各种问题,同时经常或多或少的收到不少人的求助。现在这时特此说明几点:
1. 那些文章发表于好几年前了,CAS 已经更新几个很多版本了,由于近年已经没有做该领域方面的事情,所有文章也没有持续更新。
2. 文章只是提供思路,尽管 CAS 版本已经发生变化,但原理和流程仍然一致。最重要的是明白原理,然后
- 初二上学期难记单词
dcj3sjt126com
englishword
lesson 课
traffic 交通
matter 要紧;事物
happy 快乐的,幸福的
second 第二的
idea 主意;想法;意见
mean 意味着
important 重要的,重大的
never 从来,决不
afraid 害怕 的
fifth 第五的
hometown 故乡,家乡
discuss 讨论;议论
east 东方的
agree 同意;赞成
bo
- uicollectionview 纯代码布局, 添加头部视图
dcj3sjt126com
Collection
#import <UIKit/UIKit.h>
@interface myHeadView : UICollectionReusableView
{
UILabel *TitleLable;
}
-(void)setTextTitle;
@end
#import "myHeadView.h"
@implementation m
- N 位随机数字串的 JAVA 生成实现
FX夜归人
javaMath随机数Random
/**
* 功能描述 随机数工具类<br />
* @author FengXueYeGuiRen
* 创建时间 2014-7-25<br />
*/
public class RandomUtil {
// 随机数生成器
private static java.util.Random random = new java.util.R
- Ehcache(09)——缓存Web页面
234390216
ehcache页面缓存
页面缓存
目录
1 SimplePageCachingFilter
1.1 calculateKey
1.2 可配置的初始化参数
1.2.1 cach
- spring中少用的注解@primary解析
jackyrong
primary
这次看下spring中少见的注解@primary注解,例子
@Component
public class MetalSinger implements Singer{
@Override
public String sing(String lyrics) {
return "I am singing with DIO voice
- Java几款性能分析工具的对比
lbwahoo
java
Java几款性能分析工具的对比
摘自:http://my.oschina.net/liux/blog/51800
在给客户的应用程序维护的过程中,我注意到在高负载下的一些性能问题。理论上,增加对应用程序的负载会使性能等比率的下降。然而,我认为性能下降的比率远远高于负载的增加。我也发现,性能可以通过改变应用程序的逻辑来提升,甚至达到极限。为了更详细的了解这一点,我们需要做一些性能
- JVM参数配置大全
nickys
jvm应用服务器
JVM参数配置大全
/usr/local/jdk/bin/java -Dresin.home=/usr/local/resin -server -Xms1800M -Xmx1800M -Xmn300M -Xss512K -XX:PermSize=300M -XX:MaxPermSize=300M -XX:SurvivorRatio=8 -XX:MaxTenuringThreshold=5 -
- 搭建 CentOS 6 服务器(14) - squid、Varnish
rensanning
varnish
(一)squid
安装
# yum install httpd-tools -y
# htpasswd -c -b /etc/squid/passwords squiduser 123456
# yum install squid -y
设置
# cp /etc/squid/squid.conf /etc/squid/squid.conf.bak
# vi /etc/
- Spring缓存注解@Cache使用
tom_seed
spring
参考资料
http://www.ibm.com/developerworks/cn/opensource/os-cn-spring-cache/
http://swiftlet.net/archives/774
缓存注解有以下三个:
@Cacheable @CacheEvict @CachePut
- dom4j解析XML时出现"java.lang.noclassdeffounderror: org/jaxen/jaxenexception"错误
xp9802
java.lang.NoClassDefFoundError: org/jaxen/JaxenExc
关键字: java.lang.noclassdeffounderror: org/jaxen/jaxenexception
使用dom4j解析XML时,要快速获取某个节点的数据,使用XPath是个不错的方法,dom4j的快速手册里也建议使用这种方式
执行时却抛出以下异常:
Exceptio