我用c++写了一套简单的surf算法识别图像的程序,现在要封装起来,供c#调用。请问如何封装?

全部代码如下:

#include
#include
#include
#include
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
double start = clock();
//【1】加载源图像
Mat src1 = imread("26.png", 1);//小图
Mat src2 = imread("25.png", 1);//大图
if ((src1.cols == 0) || (src2.cols == 0))
{
cout << "can not find input picture!" << endl;
return 0;
}
int minHessian = 1000;//定义SURF中hessian阈值特征点检测算子

SurfFeatureDetector detector(minHessian);//构造surf特征检测器(类),定义一个SurfFeatureDetector特征检测类对象
vector<KeyPoint>keyPoint1, keyPoint2;//vector模板类是能够存放任意类型的动态数组,能够增加和压缩数据

                                     //【2】调用detect函数检测出SURF特征点,保存在vector容器中
detector.detect(src1, keyPoint1);
detector.detect(src2, keyPoint2);

/*计算特征向量*/
SurfDescriptorExtractor extractor;//构造SURF描述子提取器
Mat descriptors1, descriptors2;   //提取SURF描述子 

extractor.compute(src1, keyPoint1, descriptors1);
extractor.compute(src2, keyPoint2, descriptors2);

//使用FLANNY匹配算子进行匹配
FlannBasedMatcher FLMatcher;//构造匹配器
vector<DMatch>matches;//匹配两幅图的描述子
FLMatcher.match(descriptors1, descriptors2, matches);

double max_dist = 0; double min_dist = 100;//设置的最大距离,最小距离

for (int i = 0; i < descriptors1.rows; i++)//计算出关键点之间的最大距离和最小距离
{
    double dist = matches[i].distance;
    if (dist < min_dist)
    {
        min_dist = dist;
    }
    if (dist > max_dist)
    {
        max_dist = dist;
    }
}
cout << "最大距离阈值:" << max_dist << endl;
cout << "最小距离阈值:" << min_dist << endl;
cout << "所需距离阈值小于三倍的最小距离阈值有效!" << endl;

//存下匹配距离小于3*min_dist的点对
vector<DMatch>good_matches;
for (int i = 0; i < descriptors1.rows; i++)
{
    if (matches[i].distance < 3 * (min_dist + DBL_MIN))
    {
        good_matches.push_back(matches[i]);
    }
}

//绘制匹配到的关键点
Mat imgMatches;
drawMatches(src1, //小图片
    keyPoint1,//小图片特征点,输出参数
    src2, //大图片
    keyPoint2,//大图片特征点,输出参数
    good_matches, //匹配距离小于3*min_dist的点对
    imgMatches, //输出图像
    Scalar::all(-1), Scalar::all(-1),//匹配的输出颜色,即线和关键点的颜色,单一特征点的颜色,它也有表示随机生成颜色的默认值Scalar::all(-1)。
    vector<char>(),
    DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);//特征绘制的标识符,有默认值NOT_DRAW_SINGLE_POINTS(单点特征点不会被绘制)等。

vector<Point2f>obj;//定义两个局部变量
vector<Point2f>scene;

//从匹配成功的匹配对中获取特征点
for (unsigned int i = 0; i < good_matches.size(); i++)//把匹配对的点放入类型为Point2f类的vector容器里
{
    obj.push_back(keyPoint1[good_matches[i].queryIdx].pt);
    scene.push_back(keyPoint2[good_matches[i].trainIdx].pt);

}

//使用函数findHomography 寻找匹配上的特征点的变换
//使用函数perspectiveTransform 来映射点
Mat H = findHomography(obj, scene, CV_RANSAC);//计算透视变换 ,找到源图片和目标图片的透视变换H
                                              //CV_RANSAC含义基于RANSAC的鲁棒性方法

                                              //从待测图片中获取角点
vector<Point2f>obj_corners(4);
obj_corners[0] = cvPoint(0, 0);
obj_corners[1] = cvPoint(src1.cols, 0);
obj_corners[2] = cvPoint(src1.cols, src1.rows);
obj_corners[3] = cvPoint(0, src1.rows);
vector<Point2f>scene_corners(4);

//进行透视变换
perspectiveTransform(obj_corners, //perspectiveTransform函数作用是进行向量透视矩阵变换
    scene_corners,//与原图同样尺寸
    H);//透视变换矩阵

       //绘制出角点之间的直线
for (int i = 0; i < 3; i++)
{
    line(imgMatches, scene_corners[i] + Point2f(static_cast<float>(src1.cols), 0),
        scene_corners[i + 1] + Point2f(static_cast<float>(src1.cols), 0), Scalar(255, 0, 123), 4);
}

line(imgMatches, scene_corners[3] + Point2f(static_cast<float>(src1.cols), 0),
    scene_corners[0] + Point2f(static_cast<float>(src1.cols), 0), Scalar(255, 0, 123), 4);

imshow("匹配:", imgMatches);
double end = clock();
cout << "整个过程所要时间:" << (end - start) << "ms" << endl;
waitKey(0);
return 1;

}

2个回答

做成dll,或者用VC++ CIL来封装一个库。

api接口写成c接口 生成dll

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
我用c++写了一套简单的surf算法识别图像的程序,现在要封装起来,供c#调用。请问如何封装?
全部代码如下: #include<iostream> #include<opencv2/opencv.hpp> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/legacy/legacy.hpp> #include <opencv2/nonfree/nonfree.hpp> #include<opencv2/features2d/features2d.hpp> #include<time.h> using namespace cv; using namespace std; int main() { double start = clock(); //【1】加载源图像 Mat src1 = imread("26.png", 1);//小图 Mat src2 = imread("25.png", 1);//大图 if ((src1.cols == 0) || (src2.cols == 0)) { cout << "can not find input picture!" << endl; return 0; } int minHessian = 1000;//定义SURF中hessian阈值特征点检测算子 SurfFeatureDetector detector(minHessian);//构造surf特征检测器(类),定义一个SurfFeatureDetector特征检测类对象 vector<KeyPoint>keyPoint1, keyPoint2;//vector模板类是能够存放任意类型的动态数组,能够增加和压缩数据 //【2】调用detect函数检测出SURF特征点,保存在vector容器中 detector.detect(src1, keyPoint1); detector.detect(src2, keyPoint2); /*计算特征向量*/ SurfDescriptorExtractor extractor;//构造SURF描述子提取器 Mat descriptors1, descriptors2; //提取SURF描述子 extractor.compute(src1, keyPoint1, descriptors1); extractor.compute(src2, keyPoint2, descriptors2); //使用FLANNY匹配算子进行匹配 FlannBasedMatcher FLMatcher;//构造匹配器 vector<DMatch>matches;//匹配两幅图的描述子 FLMatcher.match(descriptors1, descriptors2, matches); double max_dist = 0; double min_dist = 100;//设置的最大距离,最小距离 for (int i = 0; i < descriptors1.rows; i++)//计算出关键点之间的最大距离和最小距离 { double dist = matches[i].distance; if (dist < min_dist) { min_dist = dist; } if (dist > max_dist) { max_dist = dist; } } cout << "最大距离阈值:" << max_dist << endl; cout << "最小距离阈值:" << min_dist << endl; cout << "所需距离阈值小于三倍的最小距离阈值有效!" << endl; //存下匹配距离小于3*min_dist的点对 vector<DMatch>good_matches; for (int i = 0; i < descriptors1.rows; i++) { if (matches[i].distance < 3 * (min_dist + DBL_MIN)) { good_matches.push_back(matches[i]); } } //绘制匹配到的关键点 Mat imgMatches; drawMatches(src1, //小图片 keyPoint1,//小图片特征点,输出参数 src2, //大图片 keyPoint2,//大图片特征点,输出参数 good_matches, //匹配距离小于3*min_dist的点对 imgMatches, //输出图像 Scalar::all(-1), Scalar::all(-1),//匹配的输出颜色,即线和关键点的颜色,单一特征点的颜色,它也有表示随机生成颜色的默认值Scalar::all(-1)。 vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);//特征绘制的标识符,有默认值NOT_DRAW_SINGLE_POINTS(单点特征点不会被绘制)等。 vector<Point2f>obj;//定义两个局部变量 vector<Point2f>scene; //从匹配成功的匹配对中获取特征点 for (unsigned int i = 0; i < good_matches.size(); i++)//把匹配对的点放入类型为Point2f类的vector容器里 { obj.push_back(keyPoint1[good_matches[i].queryIdx].pt); scene.push_back(keyPoint2[good_matches[i].trainIdx].pt); } //使用函数findHomography 寻找匹配上的特征点的变换 //使用函数perspectiveTransform 来映射点 Mat H = findHomography(obj, scene, CV_RANSAC);//计算透视变换 ,找到源图片和目标图片的透视变换H //CV_RANSAC含义基于RANSAC的鲁棒性方法 //从待测图片中获取角点 vector<Point2f>obj_corners(4); obj_corners[0] = cvPoint(0, 0); obj_corners[1] = cvPoint(src1.cols, 0); obj_corners[2] = cvPoint(src1.cols, src1.rows); obj_corners[3] = cvPoint(0, src1.rows); vector<Point2f>scene_corners(4); //进行透视变换 perspectiveTransform(obj_corners, //perspectiveTransform函数作用是进行向量透视矩阵变换 scene_corners,//与原图同样尺寸 H);//透视变换矩阵 //绘制出角点之间的直线 for (int i = 0; i < 3; i++) { line(imgMatches, scene_corners[i] + Point2f(static_cast<float>(src1.cols), 0), scene_corners[i + 1] + Point2f(static_cast<float>(src1.cols), 0), Scalar(255, 0, 123), 4); } line(imgMatches, scene_corners[3] + Point2f(static_cast<float>(src1.cols), 0), scene_corners[0] + Point2f(static_cast<float>(src1.cols), 0), Scalar(255, 0, 123), 4); imshow("匹配:", imgMatches); double end = clock(); cout << "整个过程所要时间:" << (end - start) << "ms" << endl; waitKey(0); return 1; }
关于sift算法和surf算法的图像匹配问题
为什么在无人机遥感图像匹配过程中大部分使用sift算法而不是改进的surf算法
图像中双曲线的识别(有偿求助,看最后算法效果,具体金额面议)
最近本人在做一个图像中双曲线识别的项目,目前使用遗传算法来做,但是对下图这种交叉曲线的识别不甚理想,不知道哪位大神解决过类似的多曲线识别问题,可否指点一二,现在的主要问题是经常误识别,效果不理想,暂时没有好的解决思路,如果有噪声的话,识别效果会更差一些。以下是原图和目前算法得到的效果图: ![原图](https://img-ask.csdn.net/upload/201803/06/1520327630_315824.png) ![有噪声,目前算法得到的结果](https://img-ask.csdn.net/upload/201803/06/1520327660_167564.png) 不知道有哪位高手可以解决该问题,本人可以给予相应的报酬,具体金额面议,要求能在有随机噪声存在的情况下能够精确识别图中的双曲线。
求基于C++的3D图像CT和PET图像配准程序
如题,我用ITK自带的互信息配准,梯度下降优化器,速度太慢了, 用demos配准基本没什么效果,简单的位移图像都没法配过来, 可设置的参数过少,都不知道配不出来的原因(哭), 求一个C++的3D配准算法,最好基于ITK,或者自己写的库,谢谢 (如有大神指导ITK编写,感激不尽) 需求: 1 C++编写的3D图像配准程序,用于CT和PET图像 2 itk中的registration组件中的优化算法是否可以用powell等,如果是,该怎么用 3 matlab中的imregister函数互信息测度,移植到C++程序的方法也行
MATLAB如何用模糊C均值算法实现图像的分类
MATLAB如何用模糊C均值算法实现图像的分类,具体的代码如何实现的
C或C++程序:AES 算法程序
C或C++程序:AES 算法程序,能直接运行的,求小伙伴们帮助!
怎样在Eclipse环境,openCV下调用SIFT或SURF算法进行图像匹配?
在Eclipse中我自己下载了个OPENCV 2.4.10 就是不知道怎么调用其中的SIFT SUEF两种算法,求大神指教。不甚感激
CNN算法 人脸识别程序代码
哪位大神有基于cnn深度卷积神经网络算法的人脸识别程序代码啊???用Python或是MATLAB都可以啊!!!
C#怎么做遥感图像处理的算法及小程序
如题,我在网上看到要用GDAL来做,有用过C#与GDAL的前辈做过遥感图像处理这方面的东西的吗?
surf算法学习的过程中遇到的问题
1:在surf算法中,第一步求积分图什么作用?在大体上看的文章都有这么一个过程, 在我理解出来的好像没有多大作用。 2:求出9 * 9模型的海赛矩阵出来,还要在算出15 * 15的吗?这一步建立金字塔的时 候会用到?好像是在建立金字塔有的论文写得只改变模糊程度,而有的也要改变滤波器 的大小尺寸,求出第二个海赛矩阵出来,如果改变的话,那Dxx * Dyy-(0.9Dxy) * (0.9Dxy) 那0.9的系数是一直固定的吗? 3:还有后继特征点的方面是说的要建立一个3 * 3的滤波器,滤掉前几次求得海赛矩阵值 是选出矩阵大于0的值,如果是分三个海赛矩阵,是不是在判断大于0 时要同一个点都是大于0? 4:后面在找主方向的地方有没有思路呢?我看不太懂哎~~~ 5:谢谢你们回答哦!!!万分感激
android ndk在不同系统中输出不同?
别人实现了一套虹膜识别的算法,是用c写的,不涉及设备,做成so库调用,我在android4.4.2的系统上能用,换到android5.1.1上跑的时候就出问题了,开始对图像进行预处理的函数输出的像素全是0,最后的匹配结果当然也不对,这是什么原因造成的?
安卓图像识别算法推荐
我想做一个安卓app,能通过摄像头识别数字和字幕,求推荐相关算法
MATLAB遗传算法对图像进行编码
最近在搞基于遗传算法的图像复原,打算对整张图像的像素值进行估计,随机假设256x256的图像的数值,在工具箱或者自己写代码的话,怎么才能将染色体编码成二维的来表示整张图上的点啊??? 在网上找了好多算法实例,都是对几个参数进行优化啥的,编码和解码都很方便。 现在对完整的图像该怎么编码??交叉变异啥的又是咋回事?? 求大神指点,或者来个类似的例子给看看! 谢谢!!
基于随机游走算法的图像分割技术
请问,随机游走算法在图像分割或者图像这一领域有哪些前沿应用?
求 用于图像分割的二维最大类间方差法 源程序
用于图像分割的二维最大类间方差法 源程序 或者结合遗传算法的ostu图像分割程序
求c++写的一趟聚类算法
如题求c++写的一趟聚类算法越详细的越好,有注释更好,要能跑数据的!!急求啊!!
算法对于java程序员的重要性
在网上和工作中体验到:初级Java程序员几乎都用到算法!只要学习了Java的一套技术体系就行了。能够给老板干活的程序员就是好的程序员!只有高级和进阶的程序员才用到算法。以上观点您同意么?您是怎么理解算法在就Java web中开发地位的,因为我刚毕业,确实感受不到算法在平时工作中的重要性,或者说,我几乎没有用到本科学习的《数据结构与算法》的知识!
哪位善人能给我一套《标准快速排序算法》(Java实现)
<p><span style="font-size: xx-large; background-color: #339966;"><strong>哪位善人能给我一套《标准快速排序算法》(Java实现)</strong></span></p> <p><span style="font-size: xx-large; background-color: #339966;"><strong>多谢了。。。你要是给了我的话,我做鬼也不会放过您的!!!</strong></span></p>
我用C语言写好算法,但是想要将结果绘图,怎么办?
算法写好了,但是数据量很大,以前是用matalb写代码,然后画图看变量结果什么的很方便,现在用C语言写算法,画图是一个很大的问题,我现在的办法是将数据保存为txt,然后matlab调用txt进行画图,特别麻烦,有什么简单的方法么?谢谢!!!
Java学习的正确打开方式
在博主认为,对于入门级学习java的最佳学习方法莫过于视频+博客+书籍+总结,前三者博主将淋漓尽致地挥毫于这篇博客文章中,至于总结在于个人,实际上越到后面你会发现学习的最好方式就是阅读参考官方文档其次就是国内的书籍,博客次之,这又是一个层次了,这里暂时不提后面再谈。博主将为各位入门java保驾护航,各位只管冲鸭!!!上天是公平的,只要不辜负时间,时间自然不会辜负你。 何谓学习?博主所理解的学习,它是一个过程,是一个不断累积、不断沉淀、不断总结、善于传达自己的个人见解以及乐于分享的过程。
程序员必须掌握的核心算法有哪些?
由于我之前一直强调数据结构以及算法学习的重要性,所以就有一些读者经常问我,数据结构与算法应该要学习到哪个程度呢?,说实话,这个问题我不知道要怎么回答你,主要取决于你想学习到哪些程度,不过针对这个问题,我稍微总结一下我学过的算法知识点,以及我觉得值得学习的算法。这些算法与数据结构的学习大多数是零散的,并没有一本把他们全部覆盖的书籍。下面是我觉得值得学习的一些算法以及数据结构,当然,我也会整理一些看过...
大学四年自学走来,这些私藏的实用工具/学习网站我贡献出来了
大学四年,看课本是不可能一直看课本的了,对于学习,特别是自学,善于搜索网上的一些资源来辅助,还是非常有必要的,下面我就把这几年私藏的各种资源,网站贡献出来给你们。主要有:电子书搜索、实用工具、在线视频学习网站、非视频学习网站、软件下载、面试/求职必备网站。 注意:文中提到的所有资源,文末我都给你整理好了,你们只管拿去,如果觉得不错,转发、分享就是最大的支持了。 一、电子书搜索 对于大部分程序员...
linux系列之常用运维命令整理笔录
本博客记录工作中需要的linux运维命令,大学时候开始接触linux,会一些基本操作,可是都没有整理起来,加上是做开发,不做运维,有些命令忘记了,所以现在整理成博客,当然vi,文件操作等就不介绍了,慢慢积累一些其它拓展的命令,博客不定时更新 free -m 其中:m表示兆,也可以用g,注意都要小写 Men:表示物理内存统计 total:表示物理内存总数(total=used+free) use...
比特币原理详解
一、什么是比特币 比特币是一种电子货币,是一种基于密码学的货币,在2008年11月1日由中本聪发表比特币白皮书,文中提出了一种去中心化的电子记账系统,我们平时的电子现金是银行来记账,因为银行的背后是国家信用。去中心化电子记账系统是参与者共同记账。比特币可以防止主权危机、信用风险。其好处不多做赘述,这一层面介绍的文章很多,本文主要从更深层的技术原理角度进行介绍。 二、问题引入 假设现有4个人...
程序员接私活怎样防止做完了不给钱?
首先跟大家说明一点,我们做 IT 类的外包开发,是非标品开发,所以很有可能在开发过程中会有这样那样的需求修改,而这种需求修改很容易造成扯皮,进而影响到费用支付,甚至出现做完了项目收不到钱的情况。 那么,怎么保证自己的薪酬安全呢? 我们在开工前,一定要做好一些证据方面的准备(也就是“讨薪”的理论依据),这其中最重要的就是需求文档和验收标准。一定要让需求方提供这两个文档资料作为开发的基础。之后开发...
网页实现一个简单的音乐播放器(大佬别看。(⊙﹏⊙))
今天闲着无事,就想写点东西。然后听了下歌,就打算写个播放器。 于是乎用h5 audio的加上js简单的播放器完工了。 演示地点演示 html代码如下` music 这个年纪 七月的风 音乐 ` 然后就是css`*{ margin: 0; padding: 0; text-decoration: none; list-...
Python十大装B语法
Python 是一种代表简单思想的语言,其语法相对简单,很容易上手。不过,如果就此小视 Python 语法的精妙和深邃,那就大错特错了。本文精心筛选了最能展现 Python 语法之精妙的十个知识点,并附上详细的实例代码。如能在实战中融会贯通、灵活使用,必将使代码更为精炼、高效,同时也会极大提升代码B格,使之看上去更老练,读起来更优雅。
数据库优化 - SQL优化
以实际SQL入手,带你一步一步走上SQL优化之路!
通俗易懂地给女朋友讲:线程池的内部原理
餐盘在灯光的照耀下格外晶莹洁白,女朋友拿起红酒杯轻轻地抿了一小口,对我说:“经常听你说线程池,到底线程池到底是个什么原理?”
经典算法(5)杨辉三角
杨辉三角 是经典算法,这篇博客对它的算法思想进行了讲解,并有完整的代码实现。
使用 Docker 部署 Spring Boot 项目
Docker 技术发展为微服务落地提供了更加便利的环境,使用 Docker 部署 Spring Boot 其实非常简单,这篇文章我们就来简单学习下。首先构建一个简单的 S...
英特尔不为人知的 B 面
从 PC 时代至今,众人只知在 CPU、GPU、XPU、制程、工艺等战场中,英特尔在与同行硬件芯片制造商们的竞争中杀出重围,且在不断的成长进化中,成为全球知名的半导体公司。殊不知,在「刚硬」的背后,英特尔「柔性」的软件早已经做到了全方位的支持与支撑,并持续发挥独特的生态价值,推动产业合作共赢。 而对于这一不知人知的 B 面,很多人将其称之为英特尔隐形的翅膀,虽低调,但是影响力却不容小觑。 那么,在...
面试官:你连RESTful都不知道我怎么敢要你?
干货,2019 RESTful最贱实践
刷了几千道算法题,这些我私藏的刷题网站都在这里了!
遥想当年,机缘巧合入了 ACM 的坑,周边巨擘林立,从此过上了"天天被虐似死狗"的生活… 然而我是谁,我可是死狗中的战斗鸡,智力不够那刷题来凑,开始了夜以继日哼哧哼哧刷题的日子,从此"读题与提交齐飞, AC 与 WA 一色 ",我惊喜的发现被题虐既刺激又有快感,那一刻我泪流满面。这么好的事儿作为一个正直的人绝不能自己独享,经过激烈的颅内斗争,我决定把我私藏的十几个 T 的,阿不,十几个刷题网...
白话阿里巴巴Java开发手册高级篇
不久前,阿里巴巴发布了《阿里巴巴Java开发手册》,总结了阿里巴巴内部实际项目开发过程中开发人员应该遵守的研发流程规范,这些流程规范在一定程度上能够保证最终的项目交付质量,通过在时间中总结模式,并推广给广大开发人员,来避免研发人员在实践中容易犯的错误,确保最终在大规模协作的项目中达成既定目标。 无独有偶,笔者去年在公司里负责升级和制定研发流程、设计模板、设计标准、代码标准等规范,并在实际工作中进行...
SQL-小白最佳入门sql查询一
不要偷偷的查询我的个人资料,即使你再喜欢我,也不要这样,真的不好;
redis分布式锁,面试官请随便问,我都会
文章有点长并且绕,先来个图片缓冲下! 前言 现在的业务场景越来越复杂,使用的架构也就越来越复杂,分布式、高并发已经是业务要求的常态。像腾讯系的不少服务,还有CDN优化、异地多备份等处理。 说到分布式,就必然涉及到分布式锁的概念,如何保证不同机器不同线程的分布式锁同步呢? 实现要点 互斥性,同一时刻,智能有一个客户端持有锁。 防止死锁发生,如果持有锁的客户端崩溃没有主动释放锁,也要保证锁可以正常释...
项目中的if else太多了,该怎么重构?
介绍 最近跟着公司的大佬开发了一款IM系统,类似QQ和微信哈,就是聊天软件。我们有一部分业务逻辑是这样的 if (msgType = "文本") { // dosomething } else if(msgType = "图片") { // doshomething } else if(msgType = "视频") { // doshomething } else { // doshom...
Nginx 原理和架构
Nginx 是一个免费的,开源的,高性能的 HTTP 服务器和反向代理,以及 IMAP / POP3 代理服务器。Nginx 以其高性能,稳定性,丰富的功能,简单的配置和低资源消耗而闻名。 Nginx 的整体架构 Nginx 里有一个 master 进程和多个 worker 进程。master 进程并不处理网络请求,主要负责调度工作进程:加载配置、启动工作进程及非停升级。worker 进程负责处...
“狗屁不通文章生成器”登顶GitHub热榜,分分钟写出万字形式主义大作
一、垃圾文字生成器介绍 最近在浏览GitHub的时候,发现了这样一个骨骼清奇的雷人项目,而且热度还特别高。 项目中文名:狗屁不通文章生成器 项目英文名:BullshitGenerator 根据作者的介绍,他是偶尔需要一些中文文字用于GUI开发时测试文本渲染,因此开发了这个废话生成器。但由于生成的废话实在是太过富于哲理,所以最近已经被小伙伴们给玩坏了。 他的文风可能是这样的: 你发现,...
程序员:我终于知道post和get的区别
是一个老生常谈的话题,然而随着不断的学习,对于以前的认识有很多误区,所以还是需要不断地总结的,学而时习之,不亦说乎
《程序人生》系列-这个程序员只用了20行代码就拿了冠军
你知道的越多,你不知道的越多 点赞再看,养成习惯GitHub上已经开源https://github.com/JavaFamily,有一线大厂面试点脑图,欢迎Star和完善 前言 这一期不算《吊打面试官》系列的,所有没前言我直接开始。 絮叨 本来应该是没有这期的,看过我上期的小伙伴应该是知道的嘛,双十一比较忙嘛,要值班又要去帮忙拍摄年会的视频素材,还得搞个程序员一天的Vlog,还要写BU...
加快推动区块链技术和产业创新发展,2019可信区块链峰会在京召开
11月8日,由中国信息通信研究院、中国通信标准化协会、中国互联网协会、可信区块链推进计划联合主办,科技行者协办的2019可信区块链峰会将在北京悠唐皇冠假日酒店开幕。   区块链技术被认为是继蒸汽机、电力、互联网之后,下一代颠覆性的核心技术。如果说蒸汽机释放了人类的生产力,电力解决了人类基本的生活需求,互联网彻底改变了信息传递的方式,区块链作为构造信任的技术有重要的价值。   1...
Java世界最常用的工具类库
Apache Commons Apache Commons有很多子项目 Google Guava 参考博客
程序员把地府后台管理系统做出来了,还有3.0版本!12月7号最新消息:已在开发中有github地址
第一幕:缘起 听说阎王爷要做个生死簿后台管理系统,我们派去了一个程序员…… 996程序员做的梦: 第一场:团队招募 为了应对地府管理危机,阎王打算找“人”开发一套地府后台管理系统,于是就在地府总经办群中发了项目需求。 话说还是中国电信的信号好,地府都是满格,哈哈!!! 经常会有外行朋友问:看某网站做的不错,功能也简单,你帮忙做一下? 而这次,面对这样的需求,这个程序员...
网易云6亿用户音乐推荐算法
网易云音乐是音乐爱好者的集聚地,云音乐推荐系统致力于通过 AI 算法的落地,实现用户千人千面的个性化推荐,为用户带来不一样的听歌体验。 本次分享重点介绍 AI 算法在音乐推荐中的应用实践,以及在算法落地过程中遇到的挑战和解决方案。 将从如下两个部分展开: AI算法在音乐推荐中的应用 音乐场景下的 AI 思考 从 2013 年 4 月正式上线至今,网易云音乐平台持续提供着:乐屏社区、UGC...
【技巧总结】位运算装逼指南
位算法的效率有多快我就不说,不信你可以去用 10 亿个数据模拟一下,今天给大家讲一讲位运算的一些经典例子。不过,最重要的不是看懂了这些例子就好,而是要在以后多去运用位运算这些技巧,当然,采用位运算,也是可以装逼的,不信,你往下看。我会从最简单的讲起,一道比一道难度递增,不过居然是讲技巧,那么也不会太难,相信你分分钟看懂。 判断奇偶数 判断一个数是基于还是偶数,相信很多人都做过,一般的做法的代码如下...
为什么要学数据结构?
一、前言 在可视化化程序设计的今天,借助于集成开发环境可以很快地生成程序,程序设计不再是计算机专业人员的专利。很多人认为,只要掌握几种开发工具就可以成为编程高手,其实,这是一种误解。要想成为一个专业的开发人员,至少需要以下三个条件: 1) 能够熟练地选择和设计各种数据结构和算法 2) 至少要能够熟练地掌握一门程序设计语言 3) 熟知所涉及的相关应用领域的知识 其中,后两个条件比较容易实现,而第一个...
Android 9.0 init 启动流程
阅读五分钟,每日十点,和您一起终身学习,这里是程序员Android本篇文章主要介绍Android开发中的部分知识点,通过阅读本篇文章,您将收获以下内容:一、启动流程概述一、 启动流程概述Android启动流程跟Linux启动类似,大致分为如下五个阶段。1.开机上电,加载固化的ROM。2.加载BootLoader,拉起Android OS。3.加载Uboot,初始外设,引导Kernel启动等。...
8年经验面试官详解 Java 面试秘诀
作者 |胡书敏 责编 | 刘静 出品 | CSDN(ID:CSDNnews) 本人目前在一家知名外企担任架构师,而且最近八年来,在多家外企和互联网公司担任Java技术面试官,前后累计面试了有两三百位候选人。在本文里,就将结合本人的面试经验,针对Java初学者、Java初级开发和Java开发,给出若干准备简历和准备面试的建议。 Java程序员准备和投递简历的实...
相关热词 c# 引用mysql c#动态加载非托管dll c# 两个表数据同步 c# 返回浮点json c# imap 链接状态 c# 漂亮字 c# 上取整 除法 c#substring c#中延时关闭 c#线段拖拉
立即提问