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

js basic.rar

js basic.rar

疯狂HTML5 CSS3 JavaScript讲义

疯狂HTML5 CSS3 JavaScript讲义

html5 标签球

html5 标签球

经典java EE企业应用实战 03

经典java EE企业应用实战 03

经典java EE企业应用实战 02

经典java EE企业应用实战 02.rar

JSON AJXA

JSON AJXA

AdvancedHandler2

AdvancedHandler2

江苏卫视—跳水评分系统Diving

江苏卫视—跳水评分系统Diving

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。