理论

图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

常见的二值化方法有三种，分别是固定阈值法、平均值法、自适应阈值法和直方图法。

固定阈值法就是设定一个固定阈值K，小于等于K的像素值设为0(黑色)，大于K的像素值设为255(白色)。

平均值法计算像素的平均值K，然后扫描图像的每个像素值，小于等于K像素值设为0(黑色)，大于K的像素值设为255(白色)。

自适应阈值法对平均值法进行改进，规定一个区域大小，求区域平均值作为阈值K，然后区域中的像素值与K进行比较。

直方图方法主要是发现图像的两个最高的峰，然后阈值K取值在两个峰之间的峰谷最低处。图像的直方图用来表征该图像像素值的分布情况。用一定数目的小区间(bin)来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。

更多内容参考图像的二值化之python+opencv和opencv python图像二值化。

前言

离研究生毕业只有六个月了，毕业设计也该动手了。去年开题，选择了《基于图像处理的客观题自动阅卷系统的设计与实现》这个题目。今年中期，考虑了很久，最终还是没有换题目。想要做AIOps，但是自己基础薄弱，也没有特定的方向，到了六月份也不一定能完成。保险起见，还是做阅卷系统吧！

阅卷系统主要有五个方面的研究内容，分别是图像预处理、目标检测、图像分割、手写识别和移动Web。其中图像预处理包括试卷图像的灰度化、二值化、去噪、倾斜矫正等；目标检测是为了定位学号和答案的位置，并且提取出这些信息；图像分割是为了分割学号和多选题的字符；手写识别是为了识别手写字符，包括数字和字母；移动Web是为了方便老师随时随地使用系统。

本文，就来研究一下图像的灰度化。

前言

《虚拟机在线迁移实验》一文中提到，迁移过程中的downtime不合理，但是没有找到原因。

本文，我们来使用Libvirt进行虚拟机在线迁移，如果downtime在毫秒级，那么说明问题出在OpenStack上。参考An analysis of the performance of live migration in Openstack的评论部分，可以发现有人遇到的同样的问题，downtime远大于1s。作者的猜测是libvirt的设置引起的，也可能是由于迁移后网络适应速度较慢造成的。

参考文档：KVM 虚拟机在物理主机之间迁移的实现

IPv6简介

IPv6，全称Internet Protocol version 6，是用于网络层的一种新的网络协议，被设计用来取代目前主流的IPv4。由于IPv4的地址资源有限，且无法满足日益增长的互联网设备数量，因此引入了IPv6这种新的网络协议。

在互联网世界里，每一台连接到网络的设备都需要一个独特的标识，就如同每一栋房子都需要一个独特的地址一样。这个唯一的标识我们称之为“IP地址”。IPv4是现在最常见的IP地址类型，然而，由于IPv4的设计限制，其只能支持约42亿个地址。虽然当初设计IPv4的时候，42亿个地址看起来已经相当大了，然而在今天，由于互联网的飞速发展，这些地址已经分配的差不多了。而IPv6则可以提供远超于IPv4的地址数量，理论上可达到340多万亿亿亿个。

IPv6的一个关键特性是其128位的地址长度，质的飞跃让IPv6的地址空间从IPv4的42亿增加到了可供每个地球表面的杆菌都拥有自己的网络的程度，适应了互联网物联网时代的发展。

参考文档：

• WikiPedia - IPv6
• Internet Protocol Version 6 Address Space
• GRH DFP pages
• IPv6 工具箱使用文档
• IPv6 DNS 地址列表

前言

《使用Libvirt创建虚拟机》一文中，我们学会了使用Libvirt创建虚拟机的方法。
但是，文中创建的虚拟机只能在宿主机node0上访问，node1就无法访问，也就是说虚拟机和宿主机外部的网络还没有打通。

本文，就来研究一下虚拟机网络配置的方法，使得node1也可以访问到node0中的虚拟机。