⑴ 中国的微信被哪些国家“拉黑”
微信在伊朗已经被“拉黑”。在越南和印度险些被“拉黑”，但在非洲国家，微信收获了几乎一边倒的“点赞”。
“我到了，怎么不见游行？”“收到，候选人鲁哈尼在不在场？”2013年年中，伊朗大选最为白热化时，本地新闻摄影师们这样用微信对讲功能互通有无。最近，在这个手机拥有率与中国差不多的国家。人家发现微信再也上不去了。
伊朗历来就是社交软件的墓地——几乎所有像Twitter、facebook这样的海外社交软件，都无法在伊朗境内正常登录，因为它们被视为西方的象征。而世界上最受欢迎的前500家网站，有一半在伊朗被屏蔽。
做出这些屏蔽裁决的是一个高级别的政府部门：据非盈利性博客组织“全球之声”称，伊朗政府自2013年12月20日起，禁止了微信的运营。做出封杀决定的是伊朗“认定犯罪网络内容委员会”，这个机构成立于2009年，由伊朗总检察长领导，其中六人是伊朗现任总统鲁哈尼的内阁部长。
伊朗对微信下手并不算早。越南政府早在2013年8月，就开始商谈禁用微信的可能性。
有关越南考虑“拉黑”微信，至少有两个重要背景：一是2013年4月越南民间爆发抵制微信的呼声。新华社国际新闻报道说，越南用户发现只要将微信的操作语言换成中文，“微信地图就会将争议岛屿归为中国领土。”新华社驻河内记者透露，越南人还在互联网上攻击两位推荐微信的女星，“背叛自己的祖国”。
另一个重要背景是，据越南某通信公司高管预测，如果有4000万用户使用类似微信这样的手机软件，这家公司的短信息业务营收就会减半。媒体猜测，越南考虑“拉黑”微信，也有出于保护本国移动运营商利益的动机。
2013年5月，微信进军印度市场。为了避免与印度本土运营商利益冲突，早在2008年，腾讯就购买了印度MIH环球网络公司部分股份，现在，微信在印度的合作伙伴Ibibo，也是MIH附属公司。
虽然微信在印度与本土运营商合作愉快，但是，微信还是在登陆印度一个月后险遭封杀，理由是威胁印度“网络安全”。
如果说伊朗和越南封杀微信，是对国外软件的“一视同仁”，那么印度的做法就显得动机不纯。印度对中国电信企业的戒备已久，早在2010年，印度曾以网络安全为由禁止进口来自中国的华为和中兴的电信设备。而来自西方的爱立信、诺基亚和西门子却通过了安全检查。在网络基础建设的全球招标中，印度通常更倾向于欧美公司，虽然中国报价更低。
相比之下，微信在非洲不仅没被“拉黑”，而是收获了几乎一边倒的“点赞”。2013年9月，微信进入南非，一直高居黑莓和苹果应用商店的下载榜榜首。除了南非，微信占领的非洲市场还包括尼日尔爾利亚、加纳、肯尼亚等国，几乎囊括了大半个非洲。今年微信在海外的用户增长了500%，其中非洲占了大部分，到2013年年底，中国外交部非洲司还专门“开通了微信公共账号“直通阿非利加”。
⑵ 怎么样可以把苹果5s的运营商信号调好。
进入设置---通用---关于本机，点击网络，将出现运营商更新提醒，更新后运营商配置将由“中国移动15.5”升级到“中国移动15.6”，然后在设置--蜂窝移动网络--启用4G即可。
用移动4G网络的话，需要你所在地方有4G网络覆盖，再就是你需要去营业厅换一张4G手机卡
⑶ 怎样理解变换编码中的阈值编码
.com/kekewutao/blog/item/0bafc700d2849011728b65fd.html" target="_blank">http://hi..com/kekewutao/blog/item/0bafc700d2849011728b65fd.html
使用MATLAB设计小波变换程序中的若干问题3[转贴]
使用MATLAB设计小波变换程序中的若干问题仍需探讨的问题：为什么使用PNG存储经小波变换后的重构图像变大？ 我曾在清华大学的多媒体课程的教师答疑中写了“老师：尊重事实:DB9阈值10的PNG文件就是比原文件大”和“续一：尊重事实:DB9阈值10的PNG文件就是比原文件大”，在林老师的鼓励和指导下，我进行了继续试验、分析，与刘赵璧（Anna）同学进行了探讨，并得到了Lily（姓名还不知道）同学的帮助，同时同学们也做了各自不同的实验，现在的实验结果可以说基本上比较明确，那就是有些图像就是会变大，这与图像的种类、纹理等密切相关。林老师曾经鼓励我去研究一下PNG的压缩方法，无奈我资质不够，至今在这方面的进展不大。由于临近期末考试，作业也要抓紧，所以我暂且将没有搞明白的内容搁置，待寒假期间再进行，希望对这些问题有各种看法也有兴趣研究的同学对此发表意见。以下是我最近试验、分析和阅读到的一些相关信息。试验结果 我首先根据老师第三章的Haar矩阵算法推演出DB9的系数矩阵，并实现了分解重构及阈值处理程序，对几种照片进行了比较，然后使用3.1节的simplecmp进行了相同照片的实验，结果相当一致。细小差别是因为我的程序对边界的扩展与MATLAB不一样，在设置阈值后引起了边界上小部分不一致造成的。表一：真彩色图像百合花的处理结果阈值 Png
Haar(Mat/Mine) 0数
Haat
(Mat/Mine) PNG
Db9
(MAT / Mine) 0数
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
从对比表中我们能够看到2个程序的结果相当一致，因此，我不再给出两种程序的对比，而是使用simplecmp直接处理的结果说明。 将百合花图像使用[I,map]=rgb2ind(x,255);转换成为彩色图像处理，在将伪彩色图像转换为连续变换的灰度图像（如2.4常见问题中讨论的方法）进行处理：表二：百合花的伪彩色图像和处理后的灰度（gray）图像的处理结果阈值 Png
Haar(Index/Gray) 0数
Haar(Index/Gray) PN
Db9(Index/Gray) 0数
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
其他伪彩色与进行加工的灰度图的结果与此完全一致，这也就说明了如果伪彩色文件的色板不是单调性递增就不适合小波分解。“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.”。我对 Facets进行同样的实验，结果与此一致。这种处理的结果可以从图像象素值的连续性来理解。这是处理与不处理的图像的中间一行的数据图。另外，不连续的图像质量在压缩后会被极大地破坏图2伪彩色文件变化前后的第128行数据的连续性情况对比分析 多种试验图片基本能够反映类似的结果，虽然Indexed Color image有时令Haar小波的分解重构图像出现增大现象，单经过处理之后，这种现象就会消失。然而对于DB9可以看到无论真彩色还是处理后的灰度图像都在阈值5 10处超过原始图像的大小，能不能因此得出DB9不适合进行图像压缩的结论呢？有一些同学确实这样认为，但我认为这种观点因为忽略了如何利用小波进行压缩和还原的过程，这也正是第四章老师为我们讲述的那些编码算法而造成的。在推荐材料[1]中也有类似的说明。图3、JPEG2000的基本结构看一下上图就可以明白为什么PNG不能衡量小波压缩的效率问题。上图的图像原始数据首先经过正变换（Forward Transform）就是小波变换的得到小波系数，变换的小波系数经过阈值处理后进行量化，编码后得到压缩的图像文件JPEG2000，如果你没有JPEG2000的显示程序，那么你就不能看到它。它的显示程序就是由解码器从压缩数据中解出编码，进行反量化，得到小波系数，再实施逆变换（Inverse Transform）就是小波系数重构。最终得到图像的原始数据。因此衡量小波变换的效率是应该看你选择的小波能不能分解出适合“编码器”压缩的小波系数，这种编码器不是PNG的LZ77，因为LZ77压缩小波分解系数的效率不是最好的。这种高效编码器在第四章可以找到。那么我们存储 PNG文件的目的是什么呢？我认为压缩与去噪(de-noising)是同一种方法的两种提法。他们都使用了设置阈值的方法。我们可以仔细分析经过重构的PNG图片的质量来体会这种消除噪音的效果，也可以评定小波压缩后的图片的视觉质量，同时PNG的文件大小也可以让我们从LZ77算法的本质来理解小波变换压缩后的重构图像的内容变化情况。比如，我们可以从表2中的灰度图像在haar变换取阈值20时出现块状象素，文件大小变为14347，而db9却为46014，超过原始的PNG大小，但并不出现块状而是具有波状的特征。这本身说明了采用Harr小波压缩或去噪后重构的图像中相同的‘串’增多，便于PNG方式压缩，而db9则在相同阈值的情况下不会象Haar那样制造‘马赛克’，说明了它的平滑性，这也能帮助我们理解小波的特性。当然，当阈值继续增加后，超过某一界限，即使DB9也仍然会使PNG文件大小减小。这本身也就是由双尺度（Dyadic）小波变换的两种滤波器决定的。低通滤波结果相当于平均值，高通滤波结果相当于差值，差值能够保证重构图像的细节部分丢失最小，如果差值部分被阈值略去的过多，细节就会越来越少，平均意义的值约来越多，直到多到某一个临界值时（该图像的阈值取到40），重构的图像也可能出现较多的相同数字串，这就会提高PNG的压缩结果。下图是我对Haar（蓝色）小波取阈值为20，db9（红色）小波阈值取40时第128行1：32列的数据曲线与原始数据（黑色）曲线的对比。可以看出也db9在阈值=40时出现了较多的平均值，但比haar在阈值=20时的曲线要少的多。图4、haar（蓝色）和db9（红色）压缩后重构图像的第128行，1：32列的数据曲线不过，MATLAB给我们提供了量化的方法来决定如何选取阈值。在HELP Wavelet Toolbox : Advance Concepts: Choosing the Optimal Decomposition中提到了几种利用“熵”的概念来衡量如何选取合适的分解级。感兴趣的同学还可以参看wentropy, wdcbm2, wpdec的帮助。文献[1]中也提到了衡量压缩质量的客观化方法MSE,PNSR并指出小波的重构滤波器的长度越长，形状越规则越能够提供良好的压缩性能。 上面对PNG的讨论因为没有足够的算法分析和程序解读，同时也没有准确的试验数据，因此只能作为猜测。但衡量小波压缩效率的方法我坚持认为不能以PNG文件大小来解说，如果采用图像文件大小来衡量，应该以JPEG2000来衡量。
⑷ 怎么样才能在状态栏显示运营商就是左上角显示中国移动的，锁屏有，但是解锁后就没有了！魅工具箱己付
隐藏下不是有个显示运营商么！！桌面状态显示运营商！！