<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[gjy095的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gjy095</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gjy095]]></copyright><item><title><![CDATA[Android Studio 提示 android.support.v4.app 不存在]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/48342195</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/48342195</guid><author>gjy095</author><pubDate>Thu, 10 Sep 2015 13:42:07 +0800</pubDate><description><![CDATA[Import 导入的项目同步后提示 提示 android.support.v4.app 不存在错误,同时依赖提示错误如下图：



错误原因：缺少android.support.v4.app 依赖包

解决方法：
1、File->Project Structure->app->Dependences->Add Library Dependency 

添加后进行Gradle Sy]]></description><category></category></item><item><title><![CDATA[WebService到底是什么？]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/38797609</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/38797609</guid><author>gjy095</author><pubDate>Sun, 24 Aug 2014 17:54:03 +0800</pubDate><description><![CDATA[一、序言

  大家或多或少都听过WebService（Web服务），有一段时间很多计算机期刊、书籍和网站都大肆的提及和宣传WebService技术，其中不乏很多吹嘘和做广告的成分。但是不得不承认的是WebService真的是一门新兴和有前途的技术，那么WebService到底是什么？何时应该用？

   当前的应用程序开发逐步的呈现了两种迥然不同的倾向：一种是基于浏览器的瘦客户端应用程序]]></description><category></category></item><item><title><![CDATA[A Brief History of FAST corner detector--FAST特征发展情况]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/25393555</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/25393555</guid><author>gjy095</author><pubDate>Fri, 09 May 2014 14:41:04 +0800</pubDate><description><![CDATA[A Brief History of FAST corner detector
FAST特征发展情况

Sason@优快云

在FAST特征提出之后，实时计算机视觉应用中特征提取性能才有显著改善。目前以其高计算效率(computational performance)、高可重复性(high repeatability)成为计算机视觉领域最流行的角点检测方法。

 

1997年]]></description><category></category></item><item><title><![CDATA[局部特征描述子概述]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/23193443</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/23193443</guid><author>gjy095</author><pubDate>Tue, 08 Apr 2014 16:47:33 +0800</pubDate><description><![CDATA[原文转载自：http://www.sigvc.org/bbs/thread-165-1-1.html



局部图像特征描述是计算机视觉的一个基本研究问题，在寻找图像中的对应点以及物体特征描述中有着重要的作用。它是许多方法的基础，因此也是目前视觉研究中的一个热点，每年在视觉领域的顶级会议ICCV/CVPR/ECCV上都有高质量的特征描述论文发表。同时它也有着广泛的应用，举例来说，在利用多幅]]></description><category></category></item><item><title><![CDATA[XP和win7在获取日期的差别问题]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/11816071</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/11816071</guid><author>gjy095</author><pubDate>Wed, 18 Sep 2013 17:21:47 +0800</pubDate><description><![CDATA[软件时在win7上开发的，在xp上出现了“未指定错误”，百思不得其解，以为是数据库出的问题，后来跟踪断点发现是DATETIMEPIKER控件在两个系统上获取系统时间格式是不同的，囧...
在win7获取的时间格式是2013/9/18 而xp上却是2013-9-18，这样我分割字符的时候用/和-就有差别了，导致出现错误。]]></description><category></category></item><item><title><![CDATA[Python学习笔记之（Python-Android开发环境）]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9413725</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9413725</guid><author>gjy095</author><pubDate>Mon, 22 Jul 2013 21:17:09 +0800</pubDate><description><![CDATA[Google提供了一个跨平台Android模拟器来进行手机应用开发：
1、在http://developer.android.com/sdk/index.html下载相应系统的SDK，我的电脑已经有了JRE，如果没有的话可能需要安装JRE。
2、增加一个Android平台，下图为已经添加了设备的截图，如果还没有设备就New一个设备，我的手机是Android2.2的我就配置了相应2.2的设备信息]]></description><category></category></item><item><title><![CDATA[Python学习笔记--发布程序]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9366707</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9366707</guid><author>gjy095</author><pubDate>Thu, 18 Jul 2013 14:18:55 +0800</pubDate><description><![CDATA[对于已经做好的函数，可以将函数定义在一个.py文件内，并将安装信息写入到setup.py文件内，比如：
首先命名一个文件夹nester并将函数文件nester.py和setup.py放在文件内
nester.py 定义了一个迭代写list内容的函数：
"""This is neil's first lists print"""

def print_lol(the_list,flag=Tru]]></description><category></category></item><item><title><![CDATA[Opencv Python版学习笔记（八）字符识别-分类器（SVM，KNearest，RTrees，Boost，MLP）]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9243153</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9243153</guid><author>gjy095</author><pubDate>Sun, 07 Jul 2013 21:42:08 +0800</pubDate><description><![CDATA[Opencv提供了几种分类器，例程里通过字符识别来进行说明的
1、支持向量机（SVM）：给定训练样本，支持向量机建立一个超平面作为决策平面，使得正例和反例之间的隔离边缘被最大化。
函数原型：训练原型 cv2.SVM.train(trainData, responses[, varIdx[, sampleIdx[, params]]])
                   其中 trainD]]></description><category></category></item><item><title><![CDATA[Opencv Python版学习笔记（七）k均值-k-means]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9240743</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9240743</guid><author>gjy095</author><pubDate>Thu, 04 Jul 2013 13:08:39 +0800</pubDate><description><![CDATA[k-均值是一种基于形心得技术，首先从对象中随机选择k个对象，每个对象代表簇的初始均值或中心。对剩下的每个对象，根据其与各个簇中心的欧式距离，将它分配到最相似的簇。然后，k-均值算法迭代地盖伞簇内变差。对于每个簇，它使用上次迭代分配到的该簇对象，计算新的均值。然后，使用更新的均值最为新的簇的中心，重新分配所有对象。迭代继续，知道分配稳定，即本轮形成的簇与前一轮形成的簇相同。
k-均值通常对离群点比]]></description><category></category></item><item><title><![CDATA[Opencv Python版学习笔记（六）Haar人脸检测]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9230741</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9230741</guid><author>gjy095</author><pubDate>Wed, 03 Jul 2013 11:10:07 +0800</pubDate><description><![CDATA[Haar分类器是一种监督分类器，这里识别器采用的是Adaboost(针对同一训练集训练不同的弱分类器，然后将这些弱分类器加权集合起来，分类效果好的弱分类器给较高的权重，构成最终的强分类器)，这里将adaboost组织成筛选式的级联分类器，也就是成树形的决策分类，第一层分类器为最优，第二层次之，以此类推。
在这里构成的是两类分类器（人脸和非人脸），且每个节点的正确识别率很高（例如99.9%，不会把]]></description><category></category></item><item><title><![CDATA[Opencv Python版学习笔记（五）光流跟踪 Lucas-Kanade（LK）算法]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9226883</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9226883</guid><author>gjy095</author><pubDate>Tue, 02 Jul 2013 20:19:22 +0800</pubDate><description><![CDATA[Lucas-Kanade算法最初也是计算稠密光流的，后来成为求稀疏光流的一种重要方法，这里要介绍的是金字塔LK算法：
在Python函数原型为：nextPts, status, err = calcOpticalFlowPyrLK(prevImg, nextImg, prevPts[,
 nextPts[, status[, err[, winSize[, maxLevel[, criteri]]></description><category></category></item><item><title><![CDATA[Opencv Python版学习笔记（四）光流跟踪之Gunnar Farneback’s 算法]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9206621</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9206621</guid><author>gjy095</author><pubDate>Sun, 30 Jun 2013 16:05:42 +0800</pubDate><description><![CDATA[Gunnar Farneback 算法是一种稠密光流算法--所有图像上的像素点的光流都计算出来，这样速度也就相对慢一些，本例中达不到实时，初略估计在5帧每秒
calcOpticalFlowFarneback(prevImg, nextImg, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags[, flow])
参]]></description><category></category></item><item><title><![CDATA[Opencv Python版cv2读取视频显示]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9205207</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9205207</guid><author>gjy095</author><pubDate>Sat, 29 Jun 2013 23:19:47 +0800</pubDate><description><![CDATA[cv版的读取视频和Opencv C++版没什么差别，但是cv2版读取视频却有一些差别，也费了些小周折写了个最简单的播放视频程序：
cv版视频利用img = cv.QueryFrame(capture) 直接获取视频，没有什么异议，但是cv2版里captue.read()返回是一个结构，通过尝试发现返回的ret为帧读取成功标识，prev为读取到的视频帧，如果不进行if ret ==True判断，视]]></description><category></category></item><item><title><![CDATA[Opencv Python版学习笔记（三）模板匹配]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9203755</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9203755</guid><author>gjy095</author><pubDate>Sat, 29 Jun 2013 17:35:34 +0800</pubDate><description><![CDATA[模板匹配：模板匹配是通过目标图片在待匹配图片进行遍历，通过选择一定的匹配方式能够得到每个起始像素点的匹配值，最终匹配值最大的位置就是候选匹配位置，也就达到了匹配查找的效果
本例是通过鼠标选取图像中的一块矩形区域，遍历原图像后得到一个匹配值矩阵，将矩阵转换成0-255的灰度图像形式显示出来，实验结果图如下


图中最亮的点即为最佳的匹配位置，从中也可以看出即为原图中矩形区域中心点
程序和注]]></description><category></category></item><item><title><![CDATA[Opencv Python版学习笔记（二）漫水填充]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9198845</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9198845</guid><author>gjy095</author><pubDate>Fri, 28 Jun 2013 17:54:28 +0800</pubDate><description><![CDATA[漫水填充：也就是用一定颜色填充联通区域，通过设置可连通像素的上下限以及连通方式来达到不同的填充效果;
程序说明依旧以注释的形式写出，在Python例程的基础上修改为随机颜色填充：
#decoding:utf-8

import numpy as np
import cv2
import random

help_message = '''USAGE: floodfill.py []

Clic]]></description><category></category></item><item><title><![CDATA[Opencv Python版学习笔记（一）图像直方图]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9192299</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9192299</guid><author>gjy095</author><pubDate>Thu, 27 Jun 2013 22:51:16 +0800</pubDate><description><![CDATA[之前接触c++版的Opencv一般都是用到什么就去找什么，最近安装了Python的Opencv，脚本语言就是有它的好处，直接运行就能看到好多例程：
今天看的是一个初级图像处理只是，颜色直方图，直接引用的Python版Opencv例程，需要注释的地方都加了说明
这个例子分别展示了3通道颜色直方图、灰度图像直方图、灰度直方图均衡化（也就是将直方图均匀开来，能够达到提升图像局部对比度的效果）后的直方]]></description><category></category></item><item><title><![CDATA[Python实现Opencv图片画rectangle]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9182297</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9182297</guid><author>gjy095</author><pubDate>Wed, 26 Jun 2013 20:39:52 +0800</pubDate><description><![CDATA[今天配置了下Eclipse下的Python，做了个Opencv在图片上画rectangle的小程序：
Python还不太熟悉，感觉变量用的还是不适应，之后看下有没有更好点的方式
最开始用的cv2实现的，但是没找到类似cvCopy的函数，非常囧，后来改成用cv实现
import cv2.cv as cv
 
global startPointx 
global startPointy 
glo]]></description><category></category></item><item><title><![CDATA[oracle与mysql实现时间差小于一定值语句]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9165581</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9165581</guid><author>gjy095</author><pubDate>Mon, 24 Jun 2013 22:17:00 +0800</pubDate><description><![CDATA[之前用oracle获取两个时间差小于某个值的记录，今天要改成Mysql之前的实现方式不行，Oracle两个时间相减得到即为两个时间相差的秒数，但是Mysql得到的却是0，费了好大得劲终于找到能到到同样效果的方式 
Oracle小于两个小时语句
select (abs(to_date('2013-06-24 20:22:13')-to_date('2013-06-24 22:22:13','yy]]></description><category></category></item><item><title><![CDATA[char* 转化为 unsigned char 16进制]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9103177</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9103177</guid><author>gjy095</author><pubDate>Sat, 15 Jun 2013 21:18:26 +0800</pubDate><description><![CDATA[今天纠结了半天找了好多函数都失败了，最后还是自己编了个函数转化的
16进制 unsigned char类型初始化可以这样进行 unsigned char TempFeature[12] = {0x03,0x01,0x5a,0x2a,0x00,0x00,0xf8,0xfe,0xe0,0x7e,0xe0,0x0e}；
但是想从文件中读进来字符及逆行16进制转化，最后自己编的下面的函数实现的，不知道]]></description><category></category></item><item><title><![CDATA[linux gdb]]></title><link>https://blog.youkuaiyun.com/gjy095/article/details/9097351</link><guid>https://blog.youkuaiyun.com/gjy095/article/details/9097351</guid><author>gjy095</author><pubDate>Fri, 14 Jun 2013 19:57:06 +0800</pubDate><description><![CDATA[习惯了vs调试，在linux上还没调试过今天初次尝试了gdb
1、生成带调试信息的编译文件；
$ gcc client2.c -g -o client2.o
2、进入调试：
$gdb client2.o 输出：
GNU gdb (GDB) Red Hat Enterprise Linux (7.2-60.el6_4.1)
Copyright (C) 2010 Free Software]]></description><category></category></item></channel></rss>