没图片太单调，用啥图呢，思考片刻选择了这幅图
数据绑定的本质
实现数据绑定的本质就是Setter+change事件，前者Setter用于在数据模型变化时更新UI，后者change事件，用于在UI变化时更新数据模型，来看个大某：
Demo1
```js
// 数据模型
var data = {
text: 'Hello World'
};
// UI元素
var input = document.getElementById('input'),
label = document.getElementById('lbl');
// Setter
Object.defineProperty(data, 'tex
继续阅读 »
为了UED前端团队更好的协作开发同时提高项目编码质量，我们需要将Web前端使用工程化方式构建；
目前需要一些简单的功能：
1. 版本控制
6. 编译SASS
2. 检查JS
3. 图片合并
4. 压缩CSS
5. 压缩JS
继续阅读 »
图解 HTTP
作为 Android 开发人员，HTTP 的相关知识是很重要的一块。《图解 HTTP》是我见过读起来最舒服的一本技术书籍，虽然不像《HTTP权威指南》，《TCP/IP详解》这两本网络圣经来得出名，但是对于不必深刻深入的初学者来说，《图解 HTTP》应该是为最适合的一本书籍。文中大量的图片重在让大家理解其中的原理内容，读起来毫不生涩，非常容易理解。
继续阅读 »
1. box-model
盒模型基本结构如图所示：
图片来源于http://www.w3.org/TR/2011/REC-CSS2-20110607/box.html
继续阅读 »
近期在公司把 PC-WWW 项目从之前比较复杂的脚本改成了webpack，随后因为看到webpack2发布了正式版本又升级到了 webpack2。效果非常好。
为什么使用 webpack
webpack 是一款非常非常强大的前端资源处理工具，可以把所有前端需要的资源统一处理。比如js文件，css文件，甚至图片，字体文件，html文件。通过一个个独特的 loader 来对文件进行一些处理。
继续阅读 »
算法原理
先上一张堆排序动画演示图片：
1. 不得不说说二叉树
要了解堆首先得了解一下二叉树，在计算机科学中，二叉树是每个节点最多有两个子树的树结构。通常子树被称作“左子树”（left subtree）和“右子树”（right subtree）。二叉树常被用于实现二叉查找树和二叉堆。
二叉树的每个结点至多只有二棵子树（不存在度大于 2 的结点），二叉树的子树有左右之分，次序不能颠倒。二叉树的第 i 层至多有 2i - 1 个结点；深度为 k 的二叉树至多有 2k - 1 个结点；对任何一棵二叉树 T，如果其终端结点数为 n0，度为 2 的结点数为 n2，则n0 = n2 + 1。
树和二叉树的三个主要差别：
- 树的结
继续阅读 »
2017-02-26 更新了组件的代码，支持在同一页面中引入多个组件实例
本文介绍微信小程序 （自制）上传图片组件 的关键实现，喜欢通过代码学习的朋友，可以直接看 github 源码{:target="_blank"}
继续阅读 »
导语:
性能对于程序来说至关重要。本文主要内容是对文章的翻译，再加上对平常遇到的优化tip，从Content、Server、Cookie、CSS、Javascript、Images、Mobile几方面做了个简单的阐述。对于看到标题就知道什么意思的就不翻译了，^_^
这里有篇文章，介绍的点很多：点击进入
Content
1、减少Http请求
终端用户80%的响应时间花费在前端。这些时间大多数是与下载所有组件息息相关的，比如图片，样式表，脚本等。减少组件数量也就是减少渲染页面时需要的Http请求数。这个是加快页面速度的关键。
减少组件数量的一种方式是简化页面设计。但是又没有一种方式可以创建更丰富的内容的同时也能获得更快的响
继续阅读 »
Preamble
这里我把视觉模型谈谈，还没写完，从最重要的有价值的章节（我管它叫做MVS，如果喜欢篮球应该对MVP很了解吧）开始写的，后续还会写，不要因为里面有的只有标题就冲我扔臭鞋。
9.1 可视化格式化模型(Visual Formatting Model)
这章和接下来描述了可视化格式化模型（VFM）：用户代理如何在可视媒体上处理文档树.
在VFM中，每个在文档树中的元素参照盒子模型生成0个或多个盒子。这些盒子的布局由以下几方面掌控：
盒子的尺寸和类型
位置方案（普通流、float和绝对定位）
元素在文档树中的关系；
外部信息（比如viewport的尺寸、图片等实际尺寸等）
这章和接下来定义的属性适用于continu
继续阅读 »
本节实现的是提取出灰度图像和彩色图像的直方图。
显示灰度图像的灰度直方图
显示彩色图像各个通道的灰度直方图
在一幅图上显示三个通道的灰度直方图
实现过程
引用与打开图片
不再赘述，代码如下。
``` python
import cv2
import numpy
img1 = cv2.imread("test1.jpg", 0) #灰度图像
img2 = cv2.imread("test2.jpg") #彩色图像
```
灰度图像直方图
opencv里自带了calcHist()函数，可以计算一幅图像中各个像素值出现的次数，其函数的各个参数如下：
python
hist = cv2.calcHist([i
继续阅读 »