已解决: Virtualbox没有找到Host-Only Adapter

在安装Software Defined Networking课程的虚拟机中,出现了问题:没有找到Host-Only Adapter。
在http://askubuntu.com/questions/198452/no-host-only-adapter-selected 找到了答案,搬运过来。

问题描述:
添加Host-only Adapter的时候,遇到错误提示"no host only network adapter selected",但没有可选的东西。
1

解决方法:
1. 在Virtualbox的主菜单,选择 File -> Preference .(注意是整个Virtualbox的主菜单,不是某个单独虚拟机的设置页面);
2. 选择左边的"Network";
3. 在"Host-only Networks"中,你应该只能看到一个白框。点击白框右边的绿色“添加”按钮,就会自动添加好一个Host-Only Adapter。这时候就基本可以使用了。
4. 如果你是处女座非要设置点东西,你可以点击右边第三个按钮配置参数。默认参数如下:
2
3
4
Adapter:
IPv4 address: 192.168.56.1
IPv4 Network Mask: 255.255.255.0
DHCP server:
Enable server: checked
Server Address: 192.168.56.100
Server Mask: 255.255.255.0
Lower Address Bound: 192.168.56.101
Upper Address Bound: 192.168.56.254

[Week2.5]图像量化——JPEG在此压缩

  图像经过分块、DCT变化,已经为压缩作好准备了。纳尼!折腾了大半天才算“作好准备”,你大爷逗我吧?客官请息怒,“量化”就正式开始压缩啦,3天瘦20斤,效果显著,无用退款!

JPEG量化:更多地保留低频信息

02_05 - Video -[00_06_01][20140415-234055-0]
  经过DCT变换后,图像低频部分都集中在左上角,这部分信息对人类理解图像内容非常重要;图像高频部分集中在右下角,这部分记录图像的细微变化,人眼几乎不能察觉。
  所以,更多地保留DCT左上方的低频信息,去除DCT右下方的高频信息,既能大大压缩图像大小,同时较好地保证了图像质量。
  说得容易,实现方法也很容易,那就是“量化”。

  Soga!那...量化是啥?
  简单地说,“量化”是将“连续量”转换为“离散量”的过程。“四舍五入”、“向下取整”就是典型的量化。
  比如,设量化器(Quantizer)为8,那么,16,21,24,59的量化结果是:
  [16/8] * 8 = 16;
  [21/8] * 8 = 16;
  [24/8] * 8 = 24;
  [59/8] * 8 = 56;
  ( 这里[ ]表示向下取整 )
继续阅读“[Week2.5]图像量化——JPEG在此压缩”

[Week2.4]图像DCT变换

均方差(Mean Square Error, MSE)

02_04 - Video -[00_03_19][20140411-000348-0]
  评价一幅图像压缩前和压缩还原后的差异,有两种常用方法:
  ①大家来找茬——进化程度高的人类可轻易识别;
  ②数学方法——压缩前和还原后的图像作均方差;
均方差计算方法:

MSE = \sqrt{\frac{1}{Number Of Pixels}\sum ({f}'-f)^{2}}


显然,MSE越小,图像的质量越好。

K-L 转换:

  要想获得最小均方差的转换,可以使用K-L转换。K-L转换(Karhunen-Loève Transform)是建立在统计特性基础上的一种转换,它是均方差(MSE, Mean Square Error)意义下的最佳转换,因此在资料压缩技术中占有重要的地位。K-L转换是对输入的向量x,做一个正交变换,使得输出的向量得以去除数据的相关性。
  简单地说,只要能不辞劳苦地算出图像的K-L转换,就能找到MSE最小的转换。
  我的天啊,这听起来真棒!等等,K-L转换的计算复杂度奇高,半天压缩才压缩一副图片,恐怕自拍狂们会hold不住。
  那有没有简单的变换方法,计算简单,又能保证图像质量?
继续阅读“[Week2.4]图像DCT变换”

[Week2.2]数据压缩之经典——哈夫曼编码(Huffman)

(笔记图片截图自课程Image and video processing: From Mars to Hollywood with a stop at the hospital的教学视频,使用时请注意版权要求。)

JPEG用哈夫曼编码(Huffman Encoder)作为其符号编码。哈弗曼编码是压缩算法中的经典,它理论上可以将数据编成平均长度最小的无前缀码(Prefix-Free Code)。

为什么要进行编码?

图像处理
关于Lena:莱娜图(Lenna)是指刊于1972年11月号《花花公子》(Playboy)杂志上的一张裸体插图照片的一部分,是一张大小为512x512像素的标准测试图。该图在数位影像处里学习与研究中颇为知名,常被用作数位影像处里各种实验(例如资料压缩和降噪)及科学出版物的例图。(几乎每一本图像处理相关的书都会出现这张图片~)
Lena的直方图(Histogram):从Lena的直方图中可以看出,图片中每个灰度值出现的概率是不相同的。这里,中间灰度值部分出现的概率比较高,两边灰度值出现概率非常低。所以,如果每个灰度值都进行同样长度的编码,似乎就太浪费了。

继续阅读“[Week2.2]数据压缩之经典——哈夫曼编码(Huffman)”

[Week2.1]图像为什么非压缩不可?

图像和视频的压缩技术应用广泛,每天刷微博的图片,盗版回来的小电影,无一不用压缩技术。

压缩的必要性

图像压缩
  某天陈老师要录动作大片,经过长期艰苦奋斗,他制成了这样一段视频:画面大小1000×1000pixel,24位真彩色,每秒30帧,时长2小时。
  如果不进行任何压缩,存储这段视频需要1000*1000*24*30*60*120=5.184 ×1012 bit ≈ 648GB的空间。(2014年4月5日,500GB硬盘最低价格是299元~)
  用4M宽带下载这部大片,最少需要360小时 = 15天。
  可见,要保障人民群众的切身利益,压缩技术非常有必要。
继续阅读“[Week2.1]图像为什么非压缩不可?”