eclipse--view & perspective

打開eclispe之後，看到的樣子大概是這樣吧

整體是工作臺，而view是各種子視窗的統稱，每個view有其特殊功能，如果不小心把某個view關閉了，可以從[windows]=>[show views]=>...找回來

最近.....

其實自己最近看了一堆，寫得很少，也已經不侷限在資訊的東西了，又加上迷上evernote，幾乎所有的東西都往那邊寫了，可能會整理出來的機會就更渺茫了XD畢竟維持兩邊的同步有些困難性在

再者，有些即使是資訊的東西，也不單純屬於linux，比方說最近在翻看eclipse，或許會整理一些有關eclipse的資料。其實對很多人來說，這個已經是個很一般的工具，我也用過一陣子，大多我都在使用netbeans，對eclipse的興致來至於他廣泛的支援性，比方說php之類，也因為是java的關係，跨平台也有不錯的特性，所以不管寫android app、java/jsp、php似乎也都可以用得上，我還真的沒有好好正面碰過他

[2012/11/08]
最近eclipse的更新到了一個地步，短時間內應該不會再碰了，畢竟只是短暫的接觸，主要也是寫下一些我認為比較值得紀錄的地方，真的不適合剛剛接觸程式語言的新手，適合對程式語言與一些IDE有經驗的人

Syntax Highter for Blogger

為了塞入一些code也要有syntax highlight功能，就在網路上尋尋覓覓囉，當然很多人的blogger都有的功能，想來這是一件明顯辦得到的事情，只是找到sytaxhighlighter這個的時候，很疑惑大家都把檔案(*.js/*.css)弄到哪裡去呢?blogger是不允許上傳.js跟.css的，不會是要整個code展開到範本內吧!?後來看到人家搭配使用google協作平台，就可以把需要的檔案上傳上去，不然真的要另外找空間了

底下是簡單cpp的成果

     /**
     * SyntaxHighlighter
     */
    int foo(int counter)
    {
        if (counter <= 10)
            return;
        // it works!
    }

參考資料

傅立葉轉換

影像處理面不得不談到的主題

影像處理基礎

試著使用mind map去做整理，看了Open CV lib感覺得好好地把數位影像處理的內容補齊，不然沒有實用的基礎，使用OpenCV只是人云亦云

Android之JNI

就如我第一篇android說的，我不是很關心android如何應用這樣的機制去寫作應用程式，但是本身卻對機制的原理相當感興趣，如果想要學會如何使用NDK做JNI可以參考參考資料，步驟大概如這張圖

針對JNI在Android上大概分成三層Java/App<=>JNI Lyaer<=>Native
因為有些動作只能在Native完成，所以不得不使用C語言，但是使用者介面又是以Java構成，要使兩者可以溝通就是透過JNI的機制
首先看Java code，必須使用System.loadLibrary載入相對應的share object(.so)，對於native function則使用native關鍵字標示出來

 在java內已經宣告了java這邊的介面，用native表明到時候要透過JNI去呼叫Native程式，這時候用javah來編譯出C++ header file，使用JDK工具以特定格式去產生Native function的介面，這樣JNI才會認得兩邊的接口/介面，JNI這位中間人，就是依賴這樣的規則才能為兩邊牽線，下面是javah產生出來的.h檔案

跟著就是自行產生.cpp檔案，實作.h的介面

當呼叫System.loadLibrary的時候JNI會呼叫JNI_OnLoad函數，並且剖析share object(JNIEXPORT關鍵字做的手腳，export某些symbol)，並且動態的將這些method註冊到JNI中，java code呼叫某個native method的時候其實是去尋找JNI中註冊表的method，來做呼叫

由於兩種程式語言的基本type並不相同，在兩者之間傳遞資料變成一件很重要的事情，所以如何對應呢?
<type>=>j<type>，如boolean(java)=>jboolean(c++)，支援的type有boolean、byte、char、short、int、long、float、double

那麼如何在Native裡面呼叫java的某個物件的某個方法呢?其實如果熟悉Java Reflection這問題會容易解的多。
JNIEnv包含了JNI_OnLoad的時候做的資訊以及JVM的資訊，透過JNIEnv可以找到對應的class，再透過對應的class找出method與field，建構適當的signature就可執行某個object的method，跟Reflection的工作是大同小異的。


另外有個地方要注意的是，預設的狀況在Native並不會增加reference count，也就是說如果再Native functionm用static variable參考到某個object，並不表示下次來，這個object還會存在。可以使用env->NewGlobalRef(some_java_object)來取得global reference，但是要注意，這個global reference會使得garbage collect無法回收該物件，需要使用env->DeleteGlobalRef(some_java_object)來歸還


Native的exception是由JNI回報的，但是C++的異常蠻明顯不大相容於java，且處理很容易讓程式當掉，這時候JNIEnv可能用ExceptionOccured、ExceptionClear、ThrowNew報告異常

參考文件:
http://cheng-min-i-taiwan.blogspot.tw/2011/05/java-native-interface-jni-androidndk.html
http://blog.csdn.net/nicholas6lee/article/details/7324087
http://gyht0808.iteye.com/blog/763435
http://my.unix-center.net/~Simon_fu/?p=833

Learning OpenCV -- chapter 5

這一章談的是圖形的處理
blurring(平滑)：用以去除雜訊或者讓影像模糊，基本原理是平均mask/filter內的pixel values
void cvSmooth(const CvArr* scr, CvArr* dst, int smoothtype=CV_GAUSSIAN,
int param1=3, int param2=0, int param3=0, int param4=0);
平滑的type有: CV_BLUR(簡單模糊)、CV_BLUR_NO_SCALE(簡單無縮放模糊)、CV_MEDIAN(中值法)、CV_GUASSIAN(高斯模糊)、CV_BILATERAL(雙邊濾波)
其中簡單與高斯支援in-place，也就是destination或取代source
對於高斯而前param1與param2分別是mask/filter的width與height，第三個參數為sigma，如果要讓xy方向不同的sigma可以使用第四個參數

形態學(Morphology)
Erode(膨脹)與Dilate(侵蝕)是兩個常見的手法，用以將影像的一個部分與kernel(核)做convolution運算，每個kernel有個anchor point(通常位於中心)。膨脹求取局部最大值，使圖形中明亮的區域擴大，侵蝕則是求取區域最小值，侵蝕可以將一些斑點的noise去除
void cvErode(IplImage *src, IplImage *des, IplConvKernel *B=NULL, int iteration=1);
void cvDilate(IplImage *src, IplImage *des, IplConvKernel *B=NULL, int iteration=1);
這兩個運算都支援in-place，若是kernel不指定，則使用3x3的kernel，iteration則表示執行的次數
建立kernel的方式為
IplConvKernel * cvCreateStructuringElementEx(int cols, inr rows, int anchor_x,int anchor_y, int shape, int* values)
望文生義，前面四個參數就不解說了，第五個參數表示形狀有CV_SHAPE_RECT、CV_SHAPE_CROSS、CV_SHAPE_ELLIPSE、CV_SHAPE_CUSTOM
第五個參數表示特定的形狀
在Morphology往往反覆使用上面兩個運算，達到一些特殊目的

void cvMorphologyEx(
   const CvArr*   src,
   CvArr*         dst,
   CvArr*         temp,
   IplConvKernel* element,
   int            operation,
   int            iterations   = 1
);
OpenCV預設支援幾種常見的operator(CV_MOP_OPEN、CV_MOP_CLOSE、CV_MOP_GRADIENT、CV_MOP_TOPHAT、CV_MOP_BLACKHAT)
Open先Dilate再Erode，去除小型的高亮度區域
Close先Erode再Dilate，去除低亮度區域的孤立點
Gradient=dilate(src)-erode(src)，邊界
TopHat=src-open(src)
BlackHat=close(src)-src

Flood Fill，就如小畫家的油漆桶一般

void cvFloodFill(
   IplImage*          img,
   CvPoint            seedPoint,
   CvScalar           newVal,
   CvScalar           loDiff    = cvScalarAll(0),
   CvScalar           upDiff    = cvScalarAll(0),
   CvConnectedComp*   comp      = NULL,
   int                flags     = 4,
   CvArr*             mask      = NULL
);

調整大小

void cvResize(
   const CvArr*   src,
   CvArr*         dst,
   int            interpolation = CV_INTER_LINEAR
);
其中調整的時候是如何處理過多或者刪減的pixels，由最後一個參數指定，有CV_INTER_NN (Nearest neighbor)、CV_INTER_LINEAR(Bilinear)、CV_INTER_AREA(Pixel area re-sampling)、CV_INTER_CUBIC(Bicubic interpolation)


Image Pyramids看不懂，orz


取Threshold，運算有

double cvThreshold(
   CvArr*         src,
   CvArr*         dst,
   double         threshold,
   double         max_value,
   int            threshold_type
);

相對應的type為CV_THRESH_BINARY、CV_THRESH_BINARY_INV、CV_THRESH_TRUNC
CV_THRESH_TOZERO_INV、CV_THRESH_TOZERO


取threshold是一種技巧，友人發展出自動化的技巧，透過加權平均的方式自行取得threshold

void cvAdaptiveThreshold(
   CvArr*         src,
   CvArr*         dst,
   double         max_val,
   int            adaptive_method = CV_ADAPTIVE_THRESH_MEAN_C
   int            threshold_type  = CV_THRESH_BINARY,
   int            block_size      = 3,
   double         param1          = 5
);
這個function並不支援in-place

以上的函數都是OpenCV已經幫忙實作完畢，只要直接套用就可以，相當方便，但是重點應該是何時該使用何種運算，以及運算背後代表的意義，才是我們要學習的重點(還是直接去翻閱Digital Image Processing的書XD)