⑴ 中國的微信被哪些國家「拉黑」
微信在伊朗已經被「拉黑」。在越南和印度險些被「拉黑」，但在非洲國家，微信收獲了幾乎一邊倒的「點贊」。
「我到了，怎麼不見遊行？」「收到，候選人魯哈尼在不在場？」2013年年中，伊朗大選最為白熱化時，本地新聞攝影師們這樣用微信對講功能互通有無。最近，在這個手機擁有率與中國差不多的國家。人家發現微信再也上不去了。
伊朗歷來就是社交軟體的墓地——幾乎所有像Twitter、facebook這樣的海外社交軟體，都無法在伊朗境內正常登錄，因為它們被視為西方的象徵。而世界上最受歡迎的前500家網站，有一半在伊朗被屏蔽。
做出這些屏蔽裁決的是一個高級別的政府部門：據非盈利性博客組織「全球之聲」稱，伊朗政府自2013年12月20日起，禁止了微信的運營。做出封殺決定的是伊朗「認定犯罪網路內容委員會」，這個機構成立於2009年，由伊朗總檢察長領導，其中六人是伊朗現任總統魯哈尼的內閣部長。
伊朗對微信下手並不算早。越南政府早在2013年8月，就開始商談禁用微信的可能性。
有關越南考慮「拉黑」微信，至少有兩個重要背景：一是2013年4月越南民間爆發抵制微信的呼聲。新華社國際新聞報道說，越南用戶發現只要將微信的操作語言換成中文，「微信地圖就會將爭議島嶼歸為中國領土。」新華社駐河內記者透露，越南人還在互聯網上攻擊兩位推薦微信的女星，「背叛自己的祖國」。
另一個重要背景是，據越南某通信公司高管預測，如果有4000萬用戶使用類似微信這樣的手機軟體，這家公司的簡訊息業務營收就會減半。媒體猜測，越南考慮「拉黑」微信，也有出於保護本國移動運營商利益的動機。
2013年5月，微信進軍印度市場。為了避免與印度本土運營商利益沖突，早在2008年，騰訊就購買了印度MIH環球網路公司部分股份，現在，微信在印度的合作夥伴Ibibo，也是MIH附屬公司。
雖然微信在印度與本土運營商合作愉快，但是，微信還是在登陸印度一個月後險遭封殺，理由是威脅印度「網路安全」。
如果說伊朗和越南封殺微信，是對國外軟體的「一視同仁」，那麼印度的做法就顯得動機不純。印度對中國電信企業的戒備已久，早在2010年，印度曾以網路安全為由禁止進口來自中國的華為和中興的電信設備。而來自西方的愛立信、諾基亞和西門子卻通過了安全檢查。在網路基礎建設的全球招標中，印度通常更傾向於歐美公司，雖然中國報價更低。
相比之下，微信在非洲不僅沒被「拉黑」，而是收獲了幾乎一邊倒的「點贊」。2013年9月，微信進入南非，一直高居黑莓和蘋果應用商店的下載榜榜首。除了南非，微信佔領的非洲市場還包括奈及利亞、迦納、肯亞等國，幾乎囊括了大半個非洲。今年微信在海外的用戶增長了500%，其中非洲佔了大部分，到2013年年底，中國外交部非洲司還專門「開通了微信公共賬號「直通阿非利加」。
⑵ 怎麼樣可以把蘋果5s的運營商信號調好。
進入設置---通用---關於本機，點擊網路，將出現運營商更新提醒，更新後運營商配置將由「中國移動15.5」升級到「中國移動15.6」，然後在設置--蜂窩移動網路--啟用4G即可。
用移動4G網路的話，需要你所在地方有4G網路覆蓋，再就是你需要去營業廳換一張4G手機卡
⑶ 怎樣理解變換編碼中的閾值編碼
.com/kekewutao/blog/item/0bafc700d2849011728b65fd.html" target="_blank">http://hi..com/kekewutao/blog/item/0bafc700d2849011728b65fd.html
使用MATLAB設計小波變換程序中的若干問題3[轉貼]
使用MATLAB設計小波變換程序中的若干問題仍需探討的問題：為什麼使用PNG存儲經小波變換後的重構圖像變大？ 我曾在清華大學的多媒體課程的教師答疑中寫了「老師：尊重事實:DB9閾值10的PNG文件就是比原文件大」和「續一：尊重事實:DB9閾值10的PNG文件就是比原文件大」，在林老師的鼓勵和指導下，我進行了繼續試驗、分析，與劉趙璧（Anna）同學進行了探討，並得到了Lily（姓名還不知道）同學的幫助，同時同學們也做了各自不同的實驗，現在的實驗結果可以說基本上比較明確，那就是有些圖像就是會變大，這與圖像的種類、紋理等密切相關。林老師曾經鼓勵我去研究一下PNG的壓縮方法，無奈我資質不夠，至今在這方面的進展不大。由於臨近期末考試，作業也要抓緊，所以我暫且將沒有搞明白的內容擱置，待寒假期間再進行，希望對這些問題有各種看法也有興趣研究的同學對此發表意見。以下是我最近試驗、分析和閱讀到的一些相關信息。試驗結果 我首先根據老師第三章的Haar矩陣演算法推演出DB9的系數矩陣，並實現了分解重構及閾值處理程序，對幾種照片進行了比較，然後使用3.1節的simplecmp進行了相同照片的實驗，結果相當一致。細小差別是因為我的程序對邊界的擴展與MATLAB不一樣，在設置閾值後引起了邊界上小部分不一致造成的。表一：真彩色圖像百合花的處理結果閾值 Png
Haar(Mat/Mine) 0數
Haat
(Mat/Mine) PNG
Db9
(MAT / Mine) 0數
Db9
(MAT / Mine)
95973 / 95973
0 95973 / 95973 27524 / 24268 95973 / 95973 27 / 9
5 74552 / 74292 135838 / 136063 101882 / 101992 167412 /165662
10 51976 / 51504 163423 / 163741 98411 / 98861 199200 / 195730
20 32474 / 32346 180167 / 180267 92295 / 93660 220629 / 217214
從對比表中我們能夠看到2個程序的結果相當一致，因此，我不再給出兩種程序的對比，而是使用simplecmp直接處理的結果說明。 將百合花圖像使用[I,map]=rgb2ind(x,255);轉換成為彩色圖像處理，在將偽彩色圖像轉換為連續變換的灰度圖像（如2.4常見問題中討論的方法）進行處理：表二：百合花的偽彩色圖像和處理後的灰度（gray）圖像的處理結果閾值 Png
Haar(Index/Gray) 0數
Haar(Index/Gray) PN
Db9(Index/Gray) 0數
Db9
(Index/Gray)
48535 / 43235
0 48535 / 43235 6096/ 7430 48535/ 43235 18 / 22
5 53207 / 36450 9473/ 43626 60362 / 49927 7009 / 52852
10 58025 / 23602 13362/ 54344 64916 / 47813 13202 / 65881
20 60193/ 14347 21948 / 60039 66020/ 46014 24468 / 73494
其他偽彩色與進行加工的灰度圖的結果與此完全一致，這也就說明了如果偽彩色文件的色板不是單調性遞增就不適合小波分解。「The color bar to the right of the image is not smooth and does not monotonically progress from dark to light. This type of indexed image is not suitable for direct wavelet decomposition with the toolbox and needs to be preprocessed.」。我對 Facets進行同樣的實驗，結果與此一致。這種處理的結果可以從圖像象素值的連續性來理解。這是處理與不處理的圖像的中間一行的數據圖。另外，不連續的圖像質量在壓縮後會被極大地破壞圖2偽彩色文件變化前後的第128行數據的連續性情況對比分析 多種試驗圖片基本能夠反映類似的結果，雖然Indexed Color image有時令Haar小波的分解重構圖像出現增大現象，單經過處理之後，這種現象就會消失。然而對於DB9可以看到無論真彩色還是處理後的灰度圖像都在閾值5 10處超過原始圖像的大小，能不能因此得出DB9不適合進行圖像壓縮的結論呢？有一些同學確實這樣認為，但我認為這種觀點因為忽略了如何利用小波進行壓縮和還原的過程，這也正是第四章老師為我們講述的那些編碼演算法而造成的。在推薦材料[1]中也有類似的說明。圖3、JPEG2000的基本結構看一下上圖就可以明白為什麼PNG不能衡量小波壓縮的效率問題。上圖的圖像原始數據首先經過正變換（Forward Transform）就是小波變換的得到小波系數，變換的小波系數經過閾值處理後進行量化，編碼後得到壓縮的圖像文件JPEG2000，如果你沒有JPEG2000的顯示程序，那麼你就不能看到它。它的顯示程序就是由解碼器從壓縮數據中解出編碼，進行反量化，得到小波系數，再實施逆變換（Inverse Transform）就是小波系數重構。最終得到圖像的原始數據。因此衡量小波變換的效率是應該看你選擇的小波能不能分解出適合「編碼器」壓縮的小波系數，這種編碼器不是PNG的LZ77，因為LZ77壓縮小波分解系數的效率不是最好的。這種高效編碼器在第四章可以找到。那麼我們存儲 PNG文件的目的是什麼呢？我認為壓縮與去噪(de-noising)是同一種方法的兩種提法。他們都使用了設置閾值的方法。我們可以仔細分析經過重構的PNG圖片的質量來體會這種消除噪音的效果，也可以評定小波壓縮後的圖片的視覺質量，同時PNG的文件大小也可以讓我們從LZ77演算法的本質來理解小波變換壓縮後的重構圖像的內容變化情況。比如，我們可以從表2中的灰度圖像在haar變換取閾值20時出現塊狀象素，文件大小變為14347，而db9卻為46014，超過原始的PNG大小，但並不出現塊狀而是具有波狀的特徵。這本身說明了採用Harr小波壓縮或去噪後重構的圖像中相同的『串』增多，便於PNG方式壓縮，而db9則在相同閾值的情況下不會象Haar那樣製造『馬賽克』，說明了它的平滑性，這也能幫助我們理解小波的特性。當然，當閾值繼續增加後，超過某一界限，即使DB9也仍然會使PNG文件大小減小。這本身也就是由雙尺度（Dyadic）小波變換的兩種濾波器決定的。低通濾波結果相當於平均值，高通濾波結果相當於差值，差值能夠保證重構圖像的細節部分丟失最小，如果差值部分被閾值略去的過多，細節就會越來越少，平均意義的值約來越多，直到多到某一個臨界值時（該圖像的閾值取到40），重構的圖像也可能出現較多的相同數字串，這就會提高PNG的壓縮結果。下圖是我對Haar（藍色）小波取閾值為20，db9（紅色）小波閾值取40時第128行1：32列的數據曲線與原始數據（黑色）曲線的對比。可以看出也db9在閾值=40時出現了較多的平均值，但比haar在閾值=20時的曲線要少的多。圖4、haar（藍色）和db9（紅色）壓縮後重構圖像的第128行，1：32列的數據曲線不過，MATLAB給我們提供了量化的方法來決定如何選取閾值。在HELP Wavelet Toolbox : Advance Concepts: Choosing the Optimal Decomposition中提到了幾種利用「熵」的概念來衡量如何選取合適的分解級。感興趣的同學還可以參看wentropy, wdcbm2, wpdec的幫助。文獻[1]中也提到了衡量壓縮質量的客觀化方法MSE,PNSR並指出小波的重構濾波器的長度越長，形狀越規則越能夠提供良好的壓縮性能。 上面對PNG的討論因為沒有足夠的演算法分析和程序解讀，同時也沒有準確的試驗數據，因此只能作為猜測。但衡量小波壓縮效率的方法我堅持認為不能以PNG文件大小來解說，如果採用圖像文件大小來衡量，應該以JPEG2000來衡量。
⑷ 怎麼樣才能在狀態欄顯示運營商就是左上角顯示中國移動的，鎖屏有，但是解鎖後就沒有了！魅工具箱己付
隱藏下不是有個顯示運營商么！！桌面狀態顯示運營商！！