合理用最简单的拉普拉斯算子，可以参考这篇文章：https://my.oschina.net/u/4611954/blog/4585054
# image = cv2.imread(imagePath)
def variance_of_laplacian(image):
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
return cv2.Laplacian(image, cv2.CV_64F).var()
# 越大越清晰[......]
这是 阮一峰 写的系列的文章，共6篇，对于投票类的排名计算，非常有意义，由于图、公式比较多，就直接贴出原文链接了。
基于用户投票的排名算法（一）：Delicious和Hacker News
基于用户投票的排名算法（六）：贝叶斯平均[......]
无论是折半查找、二叉排序树查找还是B树，性能都依赖于查找中的比较次数。
一种理想情况是不经过任何比较，一次直接定位索要查找的记录，即：若数据结构中存在关键字和K相等，则其必定在f(K)的存储位置上，我们称这个对应关系f为哈希函数。
冲突(Collision)：对不同的关键字，可能得到同一哈希地址，即存在key1!=key2，但f(key1)=f(key2)。此时称为冲突或碰撞。
由于在实际应用中，哈希函数都是压缩函数，所以冲突只能尽可能的减少，很难完全避免。
哈希表：根据[......]
一、后缀的定义
后缀数组，做为后缀树的替代品，可以解决很多棘手的字符串处理问题。
长度为n的String[0, 1...n-1]
定义后缀Suffix(i)=sub_string[i...n-1]。
例如字符串aabaaaab，Suffix[1] = abaaaab，Suffix[7]=b。
考虑到空间问题，以及C系列语言中，Suffix[i]非常好求得（&str[i]即可）。一般不会保存Suffix[i]这个数组。
二、后缀数组sa和逆运算数组ran[......]
问题描述
要求从N个元素中随机的抽取k个元素，其中N无法确定(N是个流，可能无穷大)。
这种应用的场景一般是数据流的情况下，由于数据只能被读取一次，而且数据量很大，并不能全部保存，因此数据量N是无法在抽样开始时确定的；但又要保持随机性，于是有了这个问题。所以搜索网站有时候会问这样的问题。
这里的核心问题就是“随机”，怎么才能是随机的抽取元素呢？我们设想，买彩票的时候，由于所有彩票的中奖概率都是一样的，所以我们才是“随机的”买彩票。那么要使抽取数据也随机，必须使每一个数据被抽样出[......]