乱七八糟

本文分享了作者在技术实践过程中的点滴积累,包括ScrollView的使用原则、TextView中字体大小颜色的最佳实践、图片锐化的拉普拉斯变换方法、Bitmap的按比例缩放技巧以及与网页进行交互的简便方式。

近来大部分在写逻辑,技术上的点总是有少许积累,最重要的是我觉得自己最大的问题在于恐惧,这是我长期以来养成的依赖,总以为会有人帮我抗。

  • 关于时间格式,date 作为一种常见的表示方法,他有许多格式:最常见的就是“yyyy-mm-dd HH:mm:ss”,当然也有就是“hh:mm:ss”,前者是24小时制,后者是12小时制。
  • scroolView内部只能有一个子view
  • textview不同的字体大小颜色最好用span而不是html解析,原因一是部分机型会显示不全,二是会耗费性能(加载html解析器)
  • 锐化会造成边界会出现白边或黑边锐化的方法(拉普拉斯变换)
/**
     * 图片锐化(拉普拉斯变换)
     *
     * @return
     */
    public static Bitmap sharpenImageAmeliorate(Bitmap bmp, int[] laplacian) {

        long start = System.currentTimeMillis();
        // 拉普拉斯矩阵

        int width = bmp.getWidth();
        int height = bmp.getHeight();
        Bitmap bitmap = Bitmap.createBitmap(width, height, Bitmap.Config.RGB_565);

        int pixR = 0;
        int pixG = 0;
        int pixB = 0;

        int pixColor = 0;

        int newR = 0;
        int newG = 0;
        int newB = 0;

        int idx = 0;
        float alpha = 1F;
        //原图像素点数组
        int[] pixels = new int[width * height];
        //创建一个新数据保存锐化后的像素点
        int[] pixels_1 = new int[width * height];
        bmp.getPixels(pixels, 0, width, 0, 0, width, height);
        for (int i = 1, length = height - 1; i < length; i++) {
            for (int k = 1, len = width - 1; k < len; k++) {
                idx = 0;
                for (int m = -1; m <= 1; m++) {
                    for (int n = -1; n <= 1; n++) {
                        pixColor = pixels[(i + n) * width + k + m];
                        pixR = Color.red(pixColor);
                        pixG = Color.green(pixColor);
                        pixB = Color.blue(pixColor);

                        newR = newR + (int) (pixR * laplacian[idx] * alpha);
                        newG = newG + (int) (pixG * laplacian[idx] * alpha);
                        newB = newB + (int) (pixB * laplacian[idx] * alpha);
                        idx++;
                    }
                }

                newR = Math.min(255, Math.max(0, newR));
                newG = Math.min(255, Math.max(0, newG));
                newB = Math.min(255, Math.max(0, newB));

                pixels_1[i * width + k] = Color.argb(255, newR, newG, newB);
                newR = 0;
                newG = 0;
                newB = 0;
            }
        }

        bitmap.setPixels(pixels_1, 0, width, 0, 0, width, height);
        long end = System.currentTimeMillis();
        logger.i("may" + "used time=" + (end - start));
        return bitmap;
    }
复制代码
  • 按比例缩放bitmap不能直接使用createBitmap,二是
        Matrix matrix = new Matrix();
        matrix.preScale(ratio, ratio);
        Bitmap newBM = Bitmap.createBitmap(origin, 0, 0, width, height, matrix, false);
复制代码
  • 和网页进行交互,最简单的方式通过映射直接让网页吊起对象的方法。
  • 网页启动activty
   Class clazz = Class.forName(path);
   Intent intent  = new Intent(context,clazz);
   context.startActivity(intent);
复制代码
  • 在解决一个问题上一定要分清主次。把最多的时间放在最重要的问题上。
内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值