# 起源
最近尝试手动build [wireguard- android](https://github.com/WireGuard/wireguard-android),踩了不少坑，大概总结一下


# #0 环境问题
wireguard- android采用c++、go、java和kotlin进行开发，所以需要makefile和gomod的支持，这就要求我们系统中有这些环境（~~但是仓库的readme完全没说，屑中屑）~~，因此首先如果要成功build wireguard，就需要先装好环境
## 1. NDK支持
NDK是Android中帮助我们与c/c++动态链接库进行交互的工具包，默认Android是不会单独为项目导入的，所以需要手动去引入NDK,NDK内置了makefile编译所需要的东西，不然的话无法正常编译makefile
## 2. sha256sum
wireguard在build时会有一个校验文件的过程，也就是distributionSha256Sum，它会调用sha256sum这条指令进行校验
这是一个Linux下用来校验文件是否合法的指令，但是macOS环境下是没有这个指令的，所以需要手动安装它的工具包
```shell
brew install coreuntils
```
## 3. go mod proxy
wireguard还需要对go进行编译，因此也需要go的环境支持（~~可是它readme还是没有写~~）
在mac下可以直接使用brew安装go环境
```shell
brew install go
```
但是由于国内网络环境问题，在build中可能会出现dial tcp xxx.xxx.xxx.xxx timeout或者connect refused的报错，比如我遇到:
```
dial tcp 142.251.42.241:443: connect: connection refused
```
这种报错是由于go env缺乏国内代理导致的，更换proxy代理即可，在terminal中运行下面的指令即可
```shell
go env -w GOPROXY=https://goproxy.cn
```
## 4. 特殊：flock(1)-[MACOS]
这个东西其他系统是不需要的，但是macos需要单独安装这个环境，官方readme有提示macOS users may need flock(1).
同样的，直接用brew装就行了
```shell
brew install flock
```
注意：**brew国内镜像资源站是没有flock（1）的资源的，如果你配了中科大、阿里的brew源，就可能报错fatil，所以最好在安装前更换回brew的默认源**
# #1 Android Studio问题
好容易配了这么多环境，应该可以开始build了，然后Android Studio报错了：

![76F68C44-0183-4031-B109-767749FCF474.png](https://umb.ink/static/img/126bd59a4c270e2060bc2969a8f37dd6.76F68C44-0183-4031-B109-767749FCF474.png)
这个是直接读报错信息即可，因为AndroidStudio要求避免使用distributionSha256Sum，这样可能会导致AndroidStudio的crash（真屑啊），最好的也是最直接的解决办法就是。。。在gradle-wrapper.properties文件中把这一行属性注释掉。。。

# #最后
配好了一堆环境，解决完Androidstuio的问题，这时候再点击build，就可以build success了

Build WireGuard- Android

一种提取图片边缘的算法




# 起源

突发奇想利用边缘提取做了一个图片转线稿的小程序

先来看一下效果：

<img src="https://i.loli.net/2021/10/11/e9G2JMzf1ilEcKB.png" style="zoom: 50%;" />



# 环境

Python 3.8 、PIL、numpy

直接使用pip install 安装即可

```python
pip install pillow
pip install numpy
```

# 思路

众所周知，我们所看到的图片是一副二维图片，由一堆RGB色值各不相同的像素点构成。

那么我们可以将各个像素点的**RGB色值转变为图片的第三维度**，这样图片就由二维平面图变为了三维立体图。

此时我们将这张图片**看作一个实实在在的三维物体**，三维物体表面某点高度由对应二维平面的像素点的RGB色值决定，RGB色值有大有小，自然三维物体**表面就会有高低起伏**。

在某个高度，某个方向上**添加一个点光源照射这个物体**，在光的照射下，物体凹凸不平的表面自然而然就会出现阴影（RGB色值变化越大的地方表面越陡，阴影越深），再**将这些阴影投影回二维平面**，这样就得到了图片的边缘。

# 实现



1. #### 将原图转为灰度图

   为了简化矩阵，提高运算速度，我们对图像进行灰度图转换

2. #### 使用高斯滤波进行降噪

   这个算法对噪点很敏感（你想想平地上突然隆起一个笔直的擎天柱是不是显得特别扎眼）去除噪点影响，方法为使用高斯滤波，使图像模糊，然后使用领域降噪对图像进行降噪处理

3. #### 计算图像梯度

   numpy自带矩阵梯度计算(np.gradient)，该梯度用来作为图像升维参考，梯度值越大，说明图像颜色在该点变化率越大，对应的虚拟深度应该也越大。

4. #### 赋予图像虚拟深度

   因为图像中的RGB值有大有小，直接作为三维高度并不合适，需要经过一些权衡计算来将其转变为三维高度，我们这里结合图像梯度和颜色向量来计算，并预设一个放大深度值，用来放大深度效果。

5. #### 光源设置

   这个需要进行调参了，光源的位置是一个很玄学的问题，位置不同，最后的效果也完全不一样。

   个人觉得光源的最佳位置是与平面俯视角（即z轴与平面的夹角）呈 α =（pi / 2.2 ）°，平面方向角（即x与y的夹角呈β =（pi / 4 ）°，这个角度下提取到的线稿最为清晰。

6. #### 三维梯度转二维灰度

   最后我们需要的是二维矩阵而不是三维矩阵，因此分别求平面各点在xy平面、xz平面、yz平面的投影
   $$
   D_{x},D_{y},D_{z}
   $$
   将三个方向的投影的值相加的和与原色相乘，也就是（灰度化）
   $$
   (D_{x}+D_{y}+D_{z})*255
   $$
   
7. #### 极值处理

   将处理后的图像进行极值处理，RGB值靠近黑色（0）的归为黑色，靠近白色（255）的归为白色，突出边缘。

8. #### 锐化处理

   为了让我们最后的线稿更加清晰，可以对处理后的图片进行一定程度的锐化操作

   # 代码

```python
# 领域降噪
def calculate_noise_count(img_obj, w, h, width, height):
    count = 0
    for _w_ in [w - 1, w, w + 1]:
        for _h_ in [h - 1, h, h + 1]:
            if _w_ > width - 1:
                continue
            if _h_ > height - 1:
                continue
            if _w_ == w and _h_ == h:
                continue
            if img_obj[_w_, _h_] < 230:  # 这里因为是灰度图像，设置小于230为非白色
                count += 1
    return count


# 高斯滤波+锐化+领域降噪的线稿提取方案
def img_ege_get(byte: bytes):
    time = datetime.now()
    byte_stream = io.BytesIO(byte)
    im1 = Image.open(byte_stream).convert('L') # 灰度图
    im = im1.filter(ImageFilter.GaussianBlur(radius=0.75)) # 高斯模糊 75%

    a = np.asarray(im).astype('float')

    depth = 10. # 设定虚拟深度
    grad = np.gradient(a)
    grad_x, grad_y = grad
    grad_x = grad_x * depth / 100.
    grad_y = grad_y * depth / 100.
    # 梯度向量计算
    A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)
    uni_x = grad_x / A
    uni_y = grad_y / A
    uni_z = 1. / A
    vec_el = np.pi / 2.2
    vec_az = np.pi / 4.
    dx = np.cos(vec_el) * np.cos(vec_az)
    dy = np.cos(vec_el) * np.sin(vec_az)
    dz = np.sin(vec_el)

    b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z)
    b = b.clip(0, 255)  # 二值化处理，要么为0，（黑色边缘）要么为255（白色背景）
    im2 = Image.fromarray(b.astype('uint8'))
    im2 = im2.filter(ImageFilter.SHARPEN)
    weight, height = im2.size
    # 降噪
    pim = im2.load()
    map(row_noise, [(pim, height, weight, w,) for w in range(weight)])
    imgByteArray = io.BytesIO()
    im2.save(imgByteArray, format='png')
    imgByteArray = imgByteArray.getvalue()
    print(datetime.now() - time)
    return imgByteArray

# 领域降噪
def row_noise(pim, height, weight, w):
    for h in range(height):
        if calculate_noise_count(pim, w, h, weight, height) < 4:
            pim[w, h] = 255
```

# [源码地址](https://github.com/farewell12345/FAQ-Bot-QQ/tree/master/src/main/Python)

图片转线稿算法

一嗨租车面试比较突然，也没有约面，直接电话打来开始面试，有点猝不及防，这点上体验不太好，但是另一方面来说效率真的还蛮高，两轮技术面，一轮HR面，仅仅用时两天就确认通过面试聊offer了



# 一面
1. 自我介绍
2. Activity启动模式
3. Java 锁
4. 高并发集合（HashMap、List）
5. RxJava有没有了解
6. Android事件分发流程
7. handler组成
8. 线程池
9. 反问

一面总共也就十来分钟，特别快，问完就撤，面试官来也匆匆去也匆匆的感觉。。。
# 二面
一面过了几个小时二面的电话就来了，，，和一面差不多，也是十几分钟就结束了
1. 自我介绍
2. Service的理解
3. 之前实习过程中所学到的东西
4. 有过了解Flutter吗？
5. Set和List的区别
6. 线程池有没有了解
7. 反问
# HR面
1. 未来规划
2. 对岗位是否感兴趣？
3. 在实验室主要负责什么？
4. 如何开展培训？
5. 解答疑问，聊入职相关

[秋招] 一嗨租车 客户端开发岗 一面+二面+HR面

今天（9.14）比心HR突然打电话约面，介于明天后天都有面试和笔试，就约在了今天晚上面试
更新，一面通过，下周二面



# 一面
1. 自我介绍
2. Android启动模式
3. Android生命周期
4. 项目中如何实现网络请求
5. 说一下Handler
6. 说一下Java的锁
7. voilatile关键字修饰下，i++是否会产生线程冲突？
8. 说一下在加类锁的情况下，外部访问static方法和类的对象实例访问会不会产生线程冲突？
9. 有没有自定义View？自定义View有哪些方式？
10. 说一下项目里遇到的难点？
11. 线程池有了解吗？
12. 如何在android里实现多个网络请求同步工作？
13. 反问
# 二面
时隔太久了，有很多记不太清楚了
1. 接触过哪些Android性能优化的方法？
2. 平时如何学习？
3. 说说项目
# 后续
发了offer，但是因为要实习转正，并且在上海，所以只能遗憾地拒绝了

[秋招]比心客户端开发岗（需实习转正）一面+二面+HR

9月6号完成了360一面，目前还在流程中，后续会更新



# 一面
1. 自我介绍
2. Activity生命周期
3. View事件分发流程
4. 线程和进程的区别
5. handler的组成
6. handler里一个handler可以有几个looper？
7. handler是如何实现线程切换的？
8. Android常见的内存泄漏
9. Android里的进程通信有哪些实现方式？
10. Android虚拟机和进程的区别？
11. 如何实现自定义view？
12. Java锁的实现
13. Kotlin协程
14. 问项目
15. 算法题，线程交替打印
16. 反问


面试使用的是牛客，期间频繁掉线，导致面试的时候面试官一直在频繁重连，所以整体体验一般，但是面试官很有趣，留着长发，看着很和蔼，希望能有二面
# 后续
挂了