根据经验, 这个算法非常复杂. 经过查找，终于得到一些资料, 在此愿与大家分享。 首先阴历以月为基本单位，一个月以新月出现的那一天为始直至下一个新月出现的前一天。 由于月亮公转的周期介于29到30天之间，阴历的一个月也就由新月出现时刻的早晚或是29天或是30天。 大月为30天，小月为29天。 与阳历不同的是，大小月在不同的年中不固定。 如春节的前一天常称为大年三十，但有不少年如2000年的阴历十二月只有29天。 由于十二个月的时间较阳历年即地球绕太阳公转一周的时间短11天左右. 为了使阴历年与阳历年保持相对稳定，每隔两三年就需要加入一个闰月。 大约每十九年要加入七个闰月。 而二十四节气则是由地球在绕太阳公转的轨道上的位置确定的。 以每年的冬至为始，每15度为一个节气。 是故二十四节气在阳历的每月中有大概固定的日期。 古时以二十四节气指导农耕，这就是阴历又称农历的原因。 其中阳历下半月的十二个节气又称为中气。 中气出现的时刻和闰月的确定有直接的关系。 阴历的计算有下列四条规则： 1．所有新月和节气出现的时刻的计算以东经120度即东八区标准时为准。 但计算1929年以前的阴历时应以北京即东经116度25分的当地时为准。 2．新月出现的一天为一个月的第一天。 如某个节气的出现时刻也在这一天，则不论该节气的出现时刻是否比新月晚，一律算落入新的一个月中。 3．每年的冬至总是落在这年的十一月中。 从一年的冬至的第二天起到下一年冬至这一天止的这段时间称为一岁。 如一岁中有十三个新月出现，则这一岁为闰岁，要加入一个闰月。 4．闰岁中第一个没有中气的月为闰月。 因为一岁中只有十二个中气，所以闰岁中至少有一个月没有中气，也存在有两个月没有中气的可能性。 但这种情况下只有第一个没有中气的月为闰月。 闰月的前一个月为几月则该闰月称为闰几月。 根据以上信息, 我们知道农历是根据天文观测进行指定的（也许可以在天文学的书上找到说明）。 为了简化转换计算, 很多程序人员设计了基于"时间段内查表"方法的例程. 更具体的说明和源码请参考下面这些资料：
创新互联专注于企业成都营销网站建设、网站重做改版、习水网站定制设计、自适应品牌网站建设、H5建站、商城开发、集团公司官网建设、成都外贸网站建设公司、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为习水等各大城市提供网站开发制作服务。
图像二值化的目的是最大限度的将图象中感兴趣的部分保留下来，在很多情况下，也是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。这个看似简单的问题，在过去的四十年里受到国内外学者的广泛关注，产生了数以百计的阈值选取方法，但如同其他图像分割算法一样，没有一个现有方法对各种各样的图像都能得到令人满意的结果。
本文针对几种经典而常用的二值发放进行了简单的讨论并给出了其vb点虐 实现。
1、P-Tile法
Doyle于1962年提出的P-Tile (即P分位数法)可以说是最古老的一种阈值选取方法。该方法根据先验概率来设定阈值，使得二值化后的目标或背景像素比例等于先验概率，该方法简单高效，但是对于先验概率难于估计的图像却无能为力。
2、OTSU 算法（大津法）
OSTU算法可以说是自适应计算单阈值（用来转换灰度图像为二值图像）的简单高效方法。1978 OTSU年提出的最大类间方差法以其计算简单、稳定有效，一直广为使用。
3、迭代法（最佳阀值法）
(1)． 求出图象的最大灰度值和最小灰度值，分别记为Zl和Zk，令初始阈值为：
(2)． 根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值Z0和ZB:
式中，Z(i,j）是图像上(i,j)点的象素值，N(i,j)是(i,j)点的权值，一般取1。
(3)． 若TK=TK+1，则所得即为阈值，否则转2，迭代计算。
4、一维最大熵阈值法
它的思想是统计图像中每一个灰度级出现的概率 ，计算该灰度级的熵 ,假设以灰度级T分割图像，图像中低于T灰度级的像素点构成目标物体（O），高于灰度级T的像素点构成背景（B），那么各个灰度级在本区的分布概率为：
O区： i=1,2……,t
B区： i=t+1,t+2……L-1
上式中的 ,这样对于数字图像中的目标和背景区域的熵分别为：
对图像中的每一个灰度级分别求取W=H0 +HB，选取使W最大的灰度级作为分割图像的阈值，这就是一维最大熵阈值图像分割法。
看了你说递归的效率低。那么你可以不用的。
给出的方法就是先生成第一个排列，然后每次调用下面的函数给出下一个排列，这样生成的效率很高，这个函数可以内联。
这个是很经典的排列组合算法啊？在网上能搜到一大堆。
大概是那种带指向的移动的算法。我给你搜一个吧。
我找了几个，这个是我觉得说的比较清楚的，你可以仔细参考一下，看不懂的话再搜点别的好了。。
全排列的算法跟这个不太一样的。需要有点改动的。
至于语言的话，应该不会有太大问题吧。。basic版的确实比较少，现在我也比较懒不想动手写。。还是要靠你自己啦。
★生成排列的算法：
比如要生成5，4，3，2，1的全排列，首先找出一个最小的排列12345, 然后依次调用n!次STL算法中的next_permutation()即可输出所有的全排列情况。所以这种算法的细节就是STL algorithm中next_permutation()的实现机制。详细的实现代码，大伙可以参考侯捷的《STL源代码剖析》，在这里我只说一下我的理解：
1 首先从最尾端开始往前寻找两个相邻元素，令第一个元素为*i,第二个元素为*ii，且满足*i*ii，找到这样一组相邻的元素后。
2 再从最尾端开始往前检验，找出第一个大于*i的元素，令为*k，将i,k元素对调。
3 再将ii及ii之后的所有元素颠倒排列，此即所求之"下一个"排列。
prev_permutation()算法的思路也基本相同，只不过它们寻找的"拐点"不同，在next_permutation()算法中寻找的是峰值拐点，而在prev_permutation()算法中寻找的是谷值拐点。另外，在第二步中，prev_permutation()要找的是第一个小于*i的元素而不是第一个大于*i的元素。
具体例子，有空再举，现在时间太晚了:)
★生成组合的算法：
如下面截图所示，分全组合和r-组合两种情况。
这里有一段核心代码：
//--------------------------------------------------------
// Generate next combination (algorithm from Rosen p. 286)
//--------------------------------------------------------
public int[] getNext () {
if (numLeft.equals (total)) {
numLeft = numLeft.subtract (BigInteger.ONE);
return a;
}
int i = r - 1;
while (a[i] == n - r + i) {
i--;
}
a[i] = a[i] + 1;
for (int j = i + 1; j r; j++) {
a[j] = a[i] + j - i;
}
numLeft = numLeft.subtract (BigInteger.ONE);
return a; //这里返回的a数组，存储的就是下标的排列组合。
}
到这里，也许大伙会有一个疑问，假如要求的不是数字的排列组合，而是字符或字符串的排列组合呢？怎么办？其实很简单，你只要拿数组的下标来做排列组合，返回他们下标的排列组合，然后再到原数组中读取字符串值，就可以输出全部的排列组合结果。
重庆分公司
重庆分公司
