KEmulator_release_095模拟器.rarKEmulator_release_095模拟器.rarKEmulator_release_095模拟器.rarKEmulator_release_095模拟器.rar

GOH_N73(10).jarGOH_N73(10).jarGOH_N73(10).jarGOH_N73(10).jarGOH_N73(10).jarGOH_N73(10).jarGOH_N73(10).jarGOH_N73(10).jar

flex通过blazeds与java集成增删改查， 各位朋友，压缩包绝对没问题，我自己下载就可以解压

flex和java做的图片上传的小例子，java包和flex包是分开的

commonscommons-io.jar和commons-fileupload.jar

flex通过blazeds与java通信的小例子，适合初学者理解

flex与java通信的小例子，适合初学者理解，用的是HTTPService通信

MyEclipse 6 Java 开发中文教程.pdf 这还是在学校图书馆收集的，今天整理资料，翻出来了，给大家共享一下！

jfreechart使用SqlServer2000做的饼状图，柱状图，折线图。 最近在学习jfreechart，根据网上的资料做了这3个小例子，学习用的，代码有点乱！

[图像过滤]的“先进”技术来，于是今天下午花了些许时间，也“先进”了一吧，做了个Java版的图像过滤实现。当然，出于Java性能的考虑，笔者这里没有做图像拦截，而是使用了图像遮挡的手段来达到拦截的目的。顺便也告诉网友，究竟图像的什么部位，可能会在[绿坝]中[犯禁]（我用的[史莱姆]覆盖……）。 PS：在正式开篇之前，为了体现本文所应用技术的先进性，我也学习号称全国领先的绿坝重重的加上一笔 [本代码可以过滤图片中的不良信息，但不保证不良信息能完全被过滤，也不保证被过滤的信息完全是不良信息 ] 实际上，根据网络上流传的[金惠谈判响应书]中所涉及到的资料，我们都知道绿坝对于人物图像采取了很简单——不，应该说是外行看上去很复杂的肤色验证手段，也就是提取出可归纳为人肉色的图像区域转化为黑白图（明白为什么验证不了黑人了吗？），再通过黑白图运算肉色范围最终判定是否过滤图形的古老——被先进性使用的古老技术。 笔者将其具体实现过程简化如下（具体请下载参看笔者提供的源码）： view plaincopy to clipboardprint? /** * 以指定图片掩盖目标图片中大块肉色 * * @param srcImage * @param deckImage * @return */ public static Image getFleshKeepOut(BufferedImage srcImage, BufferedImage deckImage) { // 获得肌肤反色的人物图像 BufferedImage nowImage = FleshDetector.getFleshBinaryImage(srcImage); // 汲取图像中白色部分（即处理获得的肌肤反色图中的白色区域，5为有效范围匹配范围） BufferedImage nowImage1 = Alteration.dilate(nowImage,5); // 取得适当的遮盖点 PallDetection detect = FleshDetector.detectWhite(nowImage1); // 获得“和谐”后目标图 return FleshEffector.drawImage(srcImage, detect, deckImage); } /** * 以指定图片掩盖目标图片中大块肉色 * * @param srcImage * @param deckImage * @return */ public static Image getFleshKeepOut(BufferedImage srcImage, BufferedImage deckImage) { // 获得肌肤反色的人物图像 BufferedImage nowImage = FleshDetector.getFleshBinaryImage(srcImage); // 汲取图像中白色部分（即处理获得的肌肤反色图中的白色区域，5为有效范围匹配范围） BufferedImage nowImage1 = Alteration.dilate(nowImage,5); // 取得适当的遮盖点 PallDetection detect = FleshDetector.detectWhite(nowImage1); // 获得“和谐”后目标图 return FleshEffector.drawImage(srcImage, detect, deckImage); } 事实上，通过肤色检测只不过是最初直方图（取人体结构判定人类图像）的一个简化，固有的问题还是没有解决，比如很多风景图片也有大块的类肤色区域，况且还有肤色高光部分导致的漏判，还有大块人脸等。通过一个人脸检测器来过滤大块的人脸区域于是成了标配。引入更多的图像特征，比如纹理等，也可以过滤掉一些误判的风景图像。 具体的请下源码吧，这个东西虽然不难，但是用笔写的话与以前写[AI]时一样，同属论文素材之一…… 比如以下运行截图，就如[绿坝]一样，将[主席]给[色情]掉了（天地良心啊，我最初设置的肉色范围真的不会误判[主席]，为了配合网上的[绿坝]实验结果才后改的取值范围……）：

自己感觉很不错，功能不错的，大家都试试，谢谢支持！