仅仅是普通表达式的话，定义数据类型，比如从单精度改为双精度，如果想保留小数点位数，用formatnumber来处理。如果是某个算法的精度，就要复杂一些，要定义一个误差，在算法迭代过程中，用while语句判断计算结果的残差是否小于定义的误差值，至于残差如何计算，与你的算法有关
成都创新互联公司是一家集网站建设,赤坎企业网站建设,赤坎品牌网站建设,网站定制,赤坎网站建设报价,网络营销,网络优化,赤坎网站推广为一体的创新建站企业，帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿，时刻以成就客户成长自我，坚持不断学习、思考、沉淀、净化自己，让我们为更多的企业打造出实用型网站。
图像二值化的目的是最大限度的将图象中感兴趣的部分保留下来，在很多情况下，也是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。这个看似简单的问题，在过去的四十年里受到国内外学者的广泛关注，产生了数以百计的阈值选取方法，但如同其他图像分割算法一样，没有一个现有方法对各种各样的图像都能得到令人满意的结果。
本文针对几种经典而常用的二值发放进行了简单的讨论并给出了其vb.net 实现。
1、P-Tile法
Doyle于1962年提出的P-Tile (即P分位数法)可以说是最古老的一种阈值选取方法。该方法根据先验概率来设定阈值，使得二值化后的目标或背景像素比例等于先验概率，该方法简单高效，但是对于先验概率难于估计的图像却无能为力。
2、OTSU 算法（大津法）
OSTU算法可以说是自适应计算单阈值（用来转换灰度图像为二值图像）的简单高效方法。1978 OTSU年提出的最大类间方差法以其计算简单、稳定有效，一直广为使用。
3、迭代法（最佳阀值法）
(1)． 求出图象的最大灰度值和最小灰度值，分别记为Zl和Zk，令初始阈值为：
(2)． 根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值Z0和ZB:
式中，Z(i,j）是图像上(i,j)点的象素值，N(i,j)是(i,j)点的权值，一般取1。
(3)． 若TK=TK+1，则所得即为阈值，否则转2，迭代计算。
4、一维最大熵阈值法
它的思想是统计图像中每一个灰度级出现的概率 ，计算该灰度级的熵 ,假设以灰度级T分割图像，图像中低于T灰度级的像素点构成目标物体（O），高于灰度级T的像素点构成背景（B），那么各个灰度级在本区的分布概率为：
O区： i=1,2……,t
B区： i=t+1,t+2……L-1
上式中的 ,这样对于数字图像中的目标和背景区域的熵分别为：
对图像中的每一个灰度级分别求取W=H0 +HB，选取使W最大的灰度级作为分割图像的阈值，这就是一维最大熵阈值图像分割法。
看了你说递归的效率低。那么你可以不用的。
给出的方法就是先生成第一个排列，然后每次调用下面的函数给出下一个排列，这样生成的效率很高，这个函数可以内联。
这个是很经典的排列组合算法啊？在网上能搜到一大堆。
大概是那种带指向的移动的算法。我给你搜一个吧。
我找了几个，这个是我觉得说的比较清楚的，你可以仔细参考一下，看不懂的话再搜点别的好了。。
全排列的算法跟这个不太一样的。需要有点改动的。
至于语言的话，应该不会有太大问题吧。。basic版的确实比较少，现在我也比较懒不想动手写。。还是要靠你自己啦。
★生成排列的算法：
比如要生成5，4，3，2，1的全排列，首先找出一个最小的排列12345, 然后依次调用n!次STL算法中的next_permutation()即可输出所有的全排列情况。所以这种算法的细节就是STL algorithm中next_permutation()的实现机制。详细的实现代码，大伙可以参考侯捷的《STL源代码剖析》，在这里我只说一下我的理解：
1 首先从最尾端开始往前寻找两个相邻元素，令第一个元素为*i,第二个元素为*ii，且满足*i*ii，找到这样一组相邻的元素后。
2 再从最尾端开始往前检验，找出第一个大于*i的元素，令为*k，将i,k元素对调。
3 再将ii及ii之后的所有元素颠倒排列，此即所求之"下一个"排列。
prev_permutation()算法的思路也基本相同，只不过它们寻找的"拐点"不同，在next_permutation()算法中寻找的是峰值拐点，而在prev_permutation()算法中寻找的是谷值拐点。另外，在第二步中，prev_permutation()要找的是第一个小于*i的元素而不是第一个大于*i的元素。
具体例子，有空再举，现在时间太晚了:)
★生成组合的算法：
如下面截图所示，分全组合和r-组合两种情况。
这里有一段核心代码：
//--------------------------------------------------------
// Generate next combination (algorithm from Rosen p. 286)
//--------------------------------------------------------
public int[] getNext () {
if (numLeft.equals (total)) {
numLeft = numLeft.subtract (BigInteger.ONE);
return a;
}
int i = r - 1;
while (a[i] == n - r + i) {
i--;
}
a[i] = a[i] + 1;
for (int j = i + 1; j r; j++) {
a[j] = a[i] + j - i;
}
numLeft = numLeft.subtract (BigInteger.ONE);
return a; //这里返回的a数组，存储的就是下标的排列组合。
}
到这里，也许大伙会有一个疑问，假如要求的不是数字的排列组合，而是字符或字符串的排列组合呢？怎么办？其实很简单，你只要拿数组的下标来做排列组合，返回他们下标的排列组合，然后再到原数组中读取字符串值，就可以输出全部的排列组合结果。
没错!!
你的算法是：
1.定义三个变量，minValue（放最小值），X（放最小值的X坐标），Y（放最小值的Y坐标）。
2.遍历矩阵。在遍历过程中将最小值放在minValue中，最小值的X坐标放在X中，最小值的Y坐标放在X中。
