色彩增强不同于彩色图像增强，图像增强的一般处理方式为直方图均衡化等，目的是为了增强图像局部以及整体对比度。而色彩增强的目的是为了使的原有的不饱和的色彩信息变得饱和、丰富起来。对应于Photoshop里面的“色相/饱和度”调节选项里面对饱和度的操作。色彩增强的过程，并不改变原有彩色图像的颜色以及亮度信息。

在我的色彩增强算法模块里面，始终只针对色彩饱和度(Saturation)信息做研究，调整。这样的话，那就不得不介绍HSV颜色空间了，H代表Hue（色彩），S代表Saturation（饱和度），V代表Value，也可用B表示（Brightness，明度），HSV空间也可称作HSB空间。

HSV空间在wikipedia上的介绍，https://en.wikipedia.org/wiki/HSL_and_HSV

下面根据自己的理解介绍一下HSV空间，以及其各通道在Matlab和OpenCV中的不同。

HSV的圆柱模型

HSV的圆锥模型

从上图可以看出，在HSV空间中，Hue通道的取值从0-360°变化时，颜色从红->黄->绿->青->蓝逐步变化。Saturation从0->1变化时，色彩逐渐加深变成纯色（pure）。Value值从0->1变化时，图像整体亮度增加，V值为0时，图像为全黑，V值为1时，图像为全白。

Matlab RGB色彩空间向HSV转换，采用函数rgb2hsv,转换后的hsv各通道的元素取值范围为[0,1];OpenCV中彩色图像向HSV空间中转换，cvtColor(src,srcHsv,CV_BGR2HSV),转换后H的取值范围为[0,180],S,V的取值范围为[0,255].

下面介绍自己的算法处理思路，后面会给出完整的Matlab代码：

步骤一、给出一张原图src，用PS进行饱和度(Saturation)+40处理后另存为src_40;

步骤二、将以上两张图像分别转换到hsv空间，提取出饱和度信息，分别为S，S_40;

步骤三、统计饱和度增加40后，原色彩饱和度与饱和度增量之间的对应关系，即S -- (S_40-S);

步骤四、对关系S -- (S_40-S)进行二次多项式曲线拟合，得到二次曲线f(x) = p1*x^2 + p2*x + p3；

为什么是二次？1.对应关系呈现出抛物线形状；2.更高次曲线并没有明显改善拟合性能，且计算消耗会变高。

步骤五、任意给定输出图像input，根据其色彩饱和度信息，即可进行色彩增强40处理，新的饱和度信息可以表示为S'(x) = S(x) + f(x),得到增强后的色彩信息后返回RGB图像输出；

步骤六、分别对原图+20，+40，+60后进行饱和度信息统计，并得到相应拟合参数，设置为色彩增强的低、中、高三挡，在实际处理过程中，根据输入图像input自身色彩饱和度信息(均值)自适应选取相应参数进行色彩增强；

步骤七、按需对某一单独颜色通道进行色彩增强处理，例如绿色范围为105°-135°，在对该范围进行增强的同时，还需对75°-105°,135°-165°进行一半强度的增强，这样才会保证色彩的连续性，不会出现色斑；

步骤八、按需对色彩(Hue)进行转换；

代码部分：第一部分用作估计拟合参数，在Curve fitting tool里面对X，Y进行拟合，得到曲线参数。

  1. % Color Enhancement
  2. clc,clear,close all
  3. src1 = imread('src.bmp');
  4. src2 = imread('src_40.bmp');
  5. src1_hsv = rgb2hsv(src1);
  6. src2_hsv = rgb2hsv(src2);
  7. h1 = src1_hsv(:,:,1);
  8. s1 = src1_hsv(:,:,2);
  9. v1 = src1_hsv(:,:,3);
  10. h2 = src2_hsv(:,:,1);
  11. s2 = src2_hsv(:,:,2);
  12. v2 = src2_hsv(:,:,3);
  13. %
  14. meanS1 = mean(s1(:));
  15. varS1  = std2(s1);
  16. %
  17. meanS2 = mean(s2(:));
  18. varS2  = std2(s2);
  19. %
  20. deltaS = s2 - s1;
  21. deltaV = v2 - v1;
  22. %% test1 : 观测“原饱和度-饱和度调整增量”的关系 saturation and delta saturation
  23. figure;
  24. oriS = zeros(101,2);
  25. s3 = s1;
  26. j = 1;
  27. for i = 0: 0.01 : 1
  28. oriS(j,1) = i + 0.01;
  29. oriS(j,2) =  mean(deltaS(find(s1 > i & s1< i + 0.01)));
  30. j = j + 1;
  31. end
  32. X  = oriS(:,1);
  33. Y  = oriS(:,2);
  34. XX = oriS(:,1) * 255;
  35. YY = oriS(:,2) * 255;
  36. plot(XX,YY)
% Color Enhancement

clc,clear,close all

src1 = imread('src.bmp');

src2 = imread('src_40.bmp');

src1_hsv = rgb2hsv(src1);

src2_hsv = rgb2hsv(src2);

h1 = src1_hsv(:,:,1);

s1 = src1_hsv(:,:,2);

v1 = src1_hsv(:,:,3);

h2 = src2_hsv(:,:,1);

s2 = src2_hsv(:,:,2);

v2 = src2_hsv(:,:,3);

%

meanS1 = mean(s1(:));

varS1  = std2(s1);

%

meanS2 = mean(s2(:));

varS2  = std2(s2);

%

deltaS = s2 - s1;

deltaV = v2 - v1;

%% test1 : 观测“原饱和度-饱和度调整增量”的关系 saturation and delta saturation

figure;

oriS = zeros(101,2);

s3 = s1;

j = 1;

for i = 0: 0.01 : 1

    oriS(j,1) = i + 0.01;

    oriS(j,2) =  mean(deltaS(find(s1 > i & s1< i + 0.01)));

    j = j + 1;

end

X  = oriS(:,1);

Y  = oriS(:,2);

XX = oriS(:,1) * 255;

YY = oriS(:,2) * 255;

plot(XX,YY)

第二部分，对输入图像进行高、中、低三级自适应增强处理

  1. %% Color Enhancement Module -- Authored by HuangDao,08/17/2015
  2. % functions: input a image of type BMP or PNG, the program will decide to
  3. % do the Color Enhancement choice for you.There are four types of Enhanced
  4. % intensity - 20,40,60,80.The larger number stands for stronger
  5. % enhancement.
  6. % And we can also choose the simple color channel(eg.R,G,B) to do the
  7. % enhancement.There are also four different types of enhanced intensity.
  8. %
  9. % parameters table
  10. %  ------------------------------------------------------------------------
  11. % | Enhanced  |     MATLAB params             |      OpenCV params         |
  12. % | intensity |p1        p2        p3         | p1        p2        p3     |
  13. % | 20        |-0.1661   0.2639    -0.003626  |-0.0006512 0.2639    -0.9246|
  14. % | 40        |-0.4025   0.6238    -0.0005937 |0.001578   0.6238    -0.1514|
  15. % | 60        |1.332     1.473     -0.01155   |-0.005222  1.473     -2.946 |
  16. % | 80        |-4.813    3.459     -0.004568  |-0.01887   3.459     -1.165 |
  17. %  ------------------------------------------------------------------------
  18. clc; clear ;close all
  19. % 载入文件夹
  20. pathName = '.\';
  21. fileType = '*.bmp';
  22. files    = dir([pathName fileType]);
  23. len      = length(files);
  24. for pic = 5%1:1:len
  25. srcName = files(pic).name;
  26. srcImg  = imread(srcName);
  27. srcHSV  = rgb2hsv(srcImg);
  28. srcH    = srcHSV(:,:,1);
  29. srcS    = srcHSV(:,:,2);
  30. srcV    = srcHSV(:,:,3);
  31. meanS   = mean(srcS(:));
  32. varS    = std2(srcS);
  33. %图像整体进行色彩增强处理
  34. if (meanS >= 0.5)
  35. p1 = 0;p2 = 0;p3 = 0;
  36. else if (meanS >= 0.35 && meanS < 0.5)
  37. p1 = -0.1661;p2 = 0.2639;p3 = -0.003626;
  38. else if (meanS >=0.2 && meanS <0.35)
  39. p1 = -0.4025;p2 = 0.6238;p3 = -0.0005937;
  40. else
  41. p1 = 1.332;p2 = 1.473;p3 = -0.01155;
  42. end
  43. end
  44. end
  45. dstS = srcS + p1*srcS.*srcS + p2*srcS + p3 ;
  46. dstHSV = srcHSV;
  47. dstHSV(:,:,2) = dstS;
  48. dstImg = hsv2rgb(dstHSV);
  49. figure;imshow(srcImg);
  50. figure;imshow(dstImg);
  51. %指定R,G,B通道进行色彩增强处理,红色范围（[225-255]）,绿色范围（75-[105-135]-165）,蓝色范围（[-15-15]）
  52. p11 = -0.4025;p21 = 0.6238;p31 = -0.0005937;%周边杂色调整系数，40
  53. p12 = 1.332;  p22 = 1.473; p32 = -0.01155;  %纯色区域调整系数，60
  54. compHue = srcH;
  55. GcompS  = dstS;
  56. RcompS  = dstS;
  57. BcompS  = dstS;
  58. channel = 'B';
  59. switch channel
  60. case 'G'
  61. I1 = find(compHue > 0.2083 & compHue <0.2917);
  62. GcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;
  63. I2 = find(compHue >= 0.2917 & compHue <= 0.3750);
  64. GcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;
  65. I3 = find(compHue > 0.3750 & compHue <0.4583);
  66. GcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;
  67. compHSV = dstHSV;
  68. compHSV(:,:,2) = GcompS;
  69. dstImgG = hsv2rgb(compHSV);
  70. figure;imshow(dstImgG);
  71. case 'R'
  72. I1 = find(compHue > 0.875 & compHue <0.9583);
  73. RcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;
  74. I2 = find(compHue >= 0.9583 | compHue <= 0.0417);
  75. RcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;
  76. I3 = find(compHue > 0.0417 & compHue <0.125);
  77. RcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;
  78. compHSV = dstHSV;
  79. compHSV(:,:,2) = RcompS;
  80. dstImgR = hsv2rgb(compHSV);
  81. figure;imshow(dstImgR);
  82. case 'B'
  83. I1 = find(compHue > 0.5417 & compHue <0.625);
  84. BcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;
  85. I2 = find(compHue >= 0.625 & compHue <= 0.7083);
  86. BcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;
  87. I3 = find(compHue > 0.7083 & compHue <0.7917);
  88. BcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;
  89. compHSV = dstHSV;
  90. compHSV(:,:,2) = BcompS;
  91. dstImgB = hsv2rgb(compHSV);
  92. figure;imshow(dstImgB);
  93. end
  94. %进行R,G,B通道之间的互换
  95. convH = zeros(size(srcH,1),size(srcH,2)); %convert
  96. deltaHue = 240;
  97. switch deltaHue
  98. case 120
  99. disp('R -> G')
  100. convH = srcH + 1/3;
  101. convH(find(convH >= 1)) = convH(find(convH >= 1)) - 1;
  102. case 240
  103. disp('R -> B')
  104. convH = srcH + 2/3;
  105. convH(find(convH >= 1)) = convH(find(convH >= 1)) - 1;
  106. end
  107. convHSV = dstHSV;
  108. convHSV(:,:,1) = convH;
  109. convImg = hsv2rgb(convHSV);
  110. figure;imshow(convImg)
  111. pause();
  112. end
%% Color Enhancement Module -- Authored by HuangDao,08/17/2015

% functions: input a image of type BMP or PNG, the program will decide to

% do the Color Enhancement choice for you.There are four types of Enhanced

% intensity - 20,40,60,80.The larger number stands for stronger

% enhancement.

% And we can also choose the simple color channel(eg.R,G,B) to do the

% enhancement.There are also four different types of enhanced intensity.

%

% parameters table

%  ------------------------------------------------------------------------

% | Enhanced  |     MATLAB params             |      OpenCV params         |

% | intensity |p1        p2        p3         | p1        p2        p3     |

% | 20        |-0.1661   0.2639    -0.003626  |-0.0006512 0.2639    -0.9246|

% | 40        |-0.4025   0.6238    -0.0005937 |0.001578   0.6238    -0.1514|

% | 60        |1.332     1.473     -0.01155   |-0.005222  1.473     -2.946 |

% | 80        |-4.813    3.459     -0.004568  |-0.01887   3.459     -1.165 |

%  ------------------------------------------------------------------------

clc; clear ;close all

% 载入文件夹

pathName = '.\';

fileType = '*.bmp';

files    = dir([pathName fileType]);

len      = length(files);

for pic = 5%1:1:len

    srcName = files(pic).name;

    srcImg  = imread(srcName);

    srcHSV  = rgb2hsv(srcImg);

    srcH    = srcHSV(:,:,1);

    srcS    = srcHSV(:,:,2);

    srcV    = srcHSV(:,:,3);

    meanS   = mean(srcS(:));

    varS    = std2(srcS);

    %图像整体进行色彩增强处理

    if (meanS >= 0.5)

        p1 = 0;p2 = 0;p3 = 0;

    else if (meanS >= 0.35 && meanS < 0.5)

            p1 = -0.1661;p2 = 0.2639;p3 = -0.003626;

        else if (meanS >=0.2 && meanS <0.35)

                p1 = -0.4025;p2 = 0.6238;p3 = -0.0005937;

            else

                p1 = 1.332;p2 = 1.473;p3 = -0.01155;

            end

        end

    end

    dstS = srcS + p1*srcS.*srcS + p2*srcS + p3 ;

    dstHSV = srcHSV;

    dstHSV(:,:,2) = dstS;

    dstImg = hsv2rgb(dstHSV);

    figure;imshow(srcImg);

    figure;imshow(dstImg);

    %指定R,G,B通道进行色彩增强处理,红色范围（[225-255]）,绿色范围（75-[105-135]-165）,蓝色范围（[-15-15]）

    p11 = -0.4025;p21 = 0.6238;p31 = -0.0005937;%周边杂色调整系数，40

    p12 = 1.332;  p22 = 1.473; p32 = -0.01155;  %纯色区域调整系数，60

    compHue = srcH;

    GcompS  = dstS;

    RcompS  = dstS;

    BcompS  = dstS;

    channel = 'B';

    switch channel

        case 'G'

            I1 = find(compHue > 0.2083 & compHue <0.2917);

            GcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;

            I2 = find(compHue >= 0.2917 & compHue <= 0.3750);

            GcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;

            I3 = find(compHue > 0.3750 & compHue <0.4583);

            GcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;

            compHSV = dstHSV;

            compHSV(:,:,2) = GcompS;

            dstImgG = hsv2rgb(compHSV);

            figure;imshow(dstImgG);

        case 'R'

            I1 = find(compHue > 0.875 & compHue <0.9583);

            RcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;

            I2 = find(compHue >= 0.9583 | compHue <= 0.0417);

            RcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;

            I3 = find(compHue > 0.0417 & compHue <0.125);

            RcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;

            compHSV = dstHSV;

            compHSV(:,:,2) = RcompS;

            dstImgR = hsv2rgb(compHSV);

            figure;imshow(dstImgR);

        case 'B'

            I1 = find(compHue > 0.5417 & compHue <0.625);

            BcompS(I1) = dstS(I1) + dstS(I1).*dstS(I1)*p11 + dstS(I1)*p21 + p31;

            I2 = find(compHue >= 0.625 & compHue <= 0.7083);

            BcompS(I2) = dstS(I2) + dstS(I2).*dstS(I2)*p12 + dstS(I2)*p22 + p32;

            I3 = find(compHue > 0.7083 & compHue <0.7917);

            BcompS(I3) = dstS(I3) + dstS(I3).*dstS(I3)*p11 + dstS(I3)*p21 + p31;

            compHSV = dstHSV;

            compHSV(:,:,2) = BcompS;

            dstImgB = hsv2rgb(compHSV);

            figure;imshow(dstImgB);

    end

    %进行R,G,B通道之间的互换

    convH = zeros(size(srcH,1),size(srcH,2)); %convert

    deltaHue = 240;

    switch deltaHue

        case 120

            disp('R -> G')

            convH = srcH + 1/3;

            convH(find(convH >= 1)) = convH(find(convH >= 1)) - 1;

        case 240

            disp('R -> B')

            convH = srcH + 2/3;

            convH(find(convH >= 1)) = convH(find(convH >= 1)) - 1;

    end

    convHSV = dstHSV;

    convHSV(:,:,1) = convH;

    convImg = hsv2rgb(convHSV);

    figure;imshow(convImg)

    pause();

end

添加OpenCV代码段：

  1. Mat srcHSV,sat,satAdj,dstMerge,dst;     //sat - saturation饱和度分量
  2. Mat imageAwb = imread("m_ImageAwb.bmp");
  3. vector<Mat> channels,channels1;
  4. double p1,p2,p3;
  5. cvtColor(imageAwb,srcHSV,CV_BGR2HSV);
  6. split(srcHSV,channels);
  7. split(srcHSV,channels1);
  8. sat = channels.at(1);
  9. Scalar m = mean(sat);
  10. if (m(0) <= 51.5)
  11. {p1 = -0.002714 , p2 = 0.9498, p3 = -0.5073;  AfxMessageBox("High Color Enhancement!"); }//高
  12. else if (m(0) > 38.5 && m(0) <= 89.5)
  13. {p1 = -0.001578  , p2 = 0.6238, p3 = -0.1514;AfxMessageBox("Middle Color Enhancement!"); }//中
  14. else if (m(0) > 89.5 && m(0) <=127.5)
  15. {p1 = -0.0006512, p2 = 0.2639, p3 = -0.9246;AfxMessageBox("Low Color Enhancement!");}//低
  16. else
  17. {p1 = 0,p2 = 0,p3 =0;AfxMessageBox("No Color Enhancement!");}
  18. satAdj = sat;
  19. for (int i = 0 ; i < sat.rows;i ++)
  20. {
  21. for (int j = 0;j < sat.cols;j ++)
  22. {
  23. uchar val = sat.at<uchar>(i,j);
  24. satAdj.at<uchar>(i,j) = (val + p1 * val * val + p2 * val + p3) ;
  25. }
  26. }
  27. channels1.at(1) = satAdj;
  28. merge(channels1,dstMerge);
  29. cvtColor(dstMerge,dst,CV_HSV2BGR);
  30. imwrite("m_ImageCE.bmp",dst);
	Mat srcHSV,sat,satAdj,dstMerge,dst;     //sat - saturation饱和度分量

	Mat imageAwb = imread("m_ImageAwb.bmp");

	vector<Mat> channels,channels1;

	double p1,p2,p3;

	cvtColor(imageAwb,srcHSV,CV_BGR2HSV);

	split(srcHSV,channels);

	split(srcHSV,channels1);

	sat = channels.at(1);

	Scalar m = mean(sat);

	if (m(0) <= 51.5)

	{p1 = -0.002714 , p2 = 0.9498, p3 = -0.5073;  AfxMessageBox("High Color Enhancement!"); }//高

	else if (m(0) > 38.5 && m(0) <= 89.5)

	{p1 = -0.001578  , p2 = 0.6238, p3 = -0.1514;AfxMessageBox("Middle Color Enhancement!"); }//中

	else if (m(0) > 89.5 && m(0) <=127.5)

	{p1 = -0.0006512, p2 = 0.2639, p3 = -0.9246;AfxMessageBox("Low Color Enhancement!");}//低

	else

	{p1 = 0,p2 = 0,p3 =0;AfxMessageBox("No Color Enhancement!");}

	satAdj = sat;

	for (int i = 0 ; i < sat.rows;i ++)

	{

		for (int j = 0;j < sat.cols;j ++)

		{

			uchar val = sat.at<uchar>(i,j);

			satAdj.at<uchar>(i,j) = (val + p1 * val * val + p2 * val + p3) ;

		}

	}

	channels1.at(1) = satAdj;

	merge(channels1,dstMerge);

	cvtColor(dstMerge,dst,CV_HSV2BGR);

	imwrite("m_ImageCE.bmp",dst);

最后给出算法效果图：

Group1.原图->增强后

Group2.原图->R通道增强->颜色通道改变R2B

Group3.原图->增强后->颜色通道改变R2B

完！下篇讲Local Tone Mapping。

ISP模块之色彩增强算法--HSV空间Saturation通道调整 .的更多相关文章

  1. ISP模块之RAW DATA去噪（二）--BM3D算法

    在正式开始本篇文章之前,让我们一起回顾一下CFA图像去噪的一些基本思路与方法.接着我会详细地和大家分享自己学习理解的BM3D算法,操作过程,它的优缺点,最后会给出算法效果图供参考. 在ISP模块里,研 ...

  2. ISP模块之彩色图像增强--ACE算法 .

    ACE(Automatic Color Enhancement),自动色彩增强算法,是一种对于彩色图像增强十分行之有效的方法.它的改进算法以及快速实现在文章Automatic Color Enhanc ...

  3. ISP基本框架及算法介绍

    什么是ISP,他的工作原理是怎样的? ISP是Image Signal Processor的缩写,全称是影像处理器.在相机成像的整个环节中,它负责接收感光元件(Sensor)的原始信号数据,可以理解为 ...

  4. 运动目标检测中基于HSV空间的阴影去除算法

    在运动目标检测中,常常会出现由于光线被遮挡,或场景其他物体的遮挡,在目标附近或场景里出现阴影,阴影的出现对后期目标的正确分割与处理带了很大的不便.如今,国内外已有不少文献来研究这个问题,并且提出了各种 ...

  5. ISP模块之RAW DATA去噪（一）

    ISP(Image Signal Processor),图像信号处理器,主要用来对前端图像传感器输出信号处理的单元,主要用于手机,监控摄像头等设备上. RAW DATA,可以理解为:RAW图像就是CM ...

  6. [算法]检测空间三角形相交算法(Devillers & Guigue算法)

    #pragma once //GYDevillersTriangle.h /* 快速检测空间三角形相交算法的代码实现(Devillers & Guigue算法) 博客原地址:http://bl ...

  7. 关于tarjan算法的空间优化

    最近随着对tarjan算法理解的加深,我发现用另外一种途径实现tarjan的方法,且可以省去DFN数组,大大节省了空间.经过大量测试,已经无误.以下将分阶段阐述进行优化的过程. 第一阶段 下面来说一下 ...

  8. hsv空间

    hsv在不同的软件中,有不同的阈值, 在描述阈值之前,看一下它的定义,按照标准的定义,hsv应该是从0°到360°的一个环,加上一个表示亮度的轴,重点就是那个环. 这个环如图一,0°一般为红色120° ...

  9. pcl曲面重建模块-poisson重建算法示例

    poisson曲面重建算法 pcl-1.8测试通过 #include <iostream> #include <pcl/common/common.h> #include &l ...

随机推荐

  1. bzoj1009 [HNOI2008] GT考试 矩阵乘法+dp+kmp

    1009: [HNOI2008]GT考试 Time Limit: 1 Sec  Memory Limit: 162 MBSubmit: 4542  Solved: 2815[Submit][Statu ...

  2. vs2008升级正式版

    1.VS2008简体中文正式版序列号 1.Visual Studio 2008 Professional Edition: XMQ2Y-4T3V6-XJ48Y-D3K2V-6C4WT 2.Visual ...

  3. 狂K 线段树

    想写好树剖~~线段树very important HDU 1166 敌兵布阵 Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536 ...

  4. 自定义View Measure过程（2）

    目录 目录 1. 作用 测量View的宽/高 在某些情况下,需要多次测量(measure)才能确定View最终的宽/高: 在这种情况下measure过程后得到的宽/高可能是不准确的: 建议在layou ...

  5. Java学习之Iterator(迭代器)

    迭代器(Iterator) 迭代器是一种设计模式,它是一个对象,它可以遍历并选择序列中的对象,而开发人员不需要了解该序列的底层结构.迭代器通常被称为“轻量级”对象,因为创建它的代价小. Java中的I ...

  6. Linux的日志错误级别

    讯息等级 系统将讯息分为七个主要的等级,依序是由不重要排列到重要讯息等级: info:仅是一些基本的讯息说明而已: notice:比 info 还需要被注意到的一些信息内容: warning 或 wa ...

  7. Express定制参数解析错误响应值

    Nodejs的Express框架本身所提供的东西并没有其它框架那么多.其中的一个问题就是对于请求数据的解析. express中的请求对象并没有未经过解析的请求体,几乎所有的请求体都要经过类似于body ...

  8. MSSQL—列记录合并成一行

    在项目开发中,有时会碰到将列记录合并为一行的情况,例如根据地区将人员姓名合并,或根据拼音首字母合并城市等,下面就以根据地区将人员姓名合并为例,详细讲一下合并的方法. 首先,先建一个表,并添加一些数据, ...

  9. (12)oracle事务

    事物 http://www.cnblogs.com/linjiqin/archive/2012/02/06/2340637.htm 在当前的事务中设置保存点 savepoint  名字; 保存点回滚 ...

  10. (12)C#枚举,结构

    枚举 枚举类型是类似自定义的一个类,类里放着你自己定义的常量,关键字enum. enum Season{spring,summer,fall,winter} 想用这里的常量的话,首先把变量定义成 Se ...