2015年05月_xueshijun666

platform-tools_r29.0.4-linux.zip

platform-tools_r29.0.4-linux.zipplatform-tools_r29.0.4-linux.zipplatform-tools_r29.0.4-linux.zipplatform-tools_r29.0.4-linux.zipplatform-tools_r29.0.4-linux.zipplatform-tools_r29.0.4-linux.zipplatform-tools_r29.0.4-linux.zipplatform-tools_r29.0.4-linux.zip

2019-10-12

js basic.rar

2015-01-04

疯狂HTML5 CSS3 JavaScript讲义

2014-01-23

html5 标签球

2014-01-19

经典java EE企业应用实战 03

2014-01-02

经典java EE企业应用实战 02

经典java EE企业应用实战 02.rar

2014-01-02

JSON AJXA

2013-06-05

AdvancedHandler2

2013-05-25

江苏卫视—跳水评分系统Diving

2013-05-07

图片相似度识别

预处理：读取图片第一步，缩小尺寸。将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。第二步，简化色彩。将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。第三步，计算平均值。计算所有64个像素的灰度平均值。第四步，比较像素的灰度。将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。第五步，计算哈希值。将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算"汉明距离"（Hammingdistance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。你可以将几张图片放在一起，也计算出他们的汉明距离对比，就可以看看两张图片是否相似。这种算法的优点是简单快速，不受图片大小缩放的影响，缺点是图片的内容不能变更。如果在图片上加几个文字，它就认不出来了。所以，它的最佳用途是根据缩略图，找出原图。实际应用中，往往采用更强大的pHash算法和SIFT算法，它们能够识别图片的变形。只要变形程度不超过25%，它们就能匹配原图。这些算法虽然更复杂，但是原理与上面的简便算法是一样的，就是先将图片转化成Hash字符串，然后再进行比较。以上内容大部分直接从阮一峰的网站上复制过来，想看原著的童鞋可以去在最上面的链接点击进去看。

2013-03-06