Android开发的核心需要掌握android的四个组件和各个组件的生命周期。四个基本组件由Activity，service服务，Content Provider内容提供者，BroadcastReceiver 广播接收器组成。
Activity 是作为用户交互的Ui界面，里面包含了用户交互所需要的界面元素，也包含了事件处理等等，是用户和应用之间联系的窗口。Activity之间通过Intent进行通讯。
Service 是作为activity的补充，不是所有的程序都需要界面，而activity的生命周期和可视性关系紧密，所以一旦此activity不可见，该activity也随之挂起。所以service作为其补充的特点是可以一直在后台运行，跟界面没有关系，当然也有很多方式，是service和activity进行通信使activity进行Ui操作。
BroadcastReceiver使应用只对自己感兴趣的外部事件进行响应。广播分为系统广播和自定义广播，广播的存在方便了我们对设备的状态监控，比如地传感器和来电，短信之类的监听。广播极大的方便了应用之间的通讯，以及应用内部的交互。
Content Provider 内容提供商，主要实现应用之间的数据共享，当然这种数据共享也是有条件的，这种条件约束一定程度上提供了隐私的保护和数据的安全性保障，内容提供者给我们很方便的提供了如联系人，通话记录，短信等等数据，当然我们也可以在自己的应用里面设置自己的内容提供以便其他应用获取和使用。因为安卓的各个应用之间类似于linux系统里面各个用户一样相互独立分割，达到安全的目的，所以内容提供者实现在不失安全隐私的情况下进行数据共享。
 
3  图像标签推荐算法介绍与实现
3.1  SIFT算法介绍
SIFT（Scale Invariant Feature Transform）变换是计算机视觉的经典影像匹配算法，又名尺度不变特征转换。
该算法用于提取匹配影像的局部特征，它通过查找空间尺度极值点，获得需要的位置、尺度以及旋转不变量信息，利用关键点，得到特征描述符，从中相互匹配寻找。
对于图像的尺度变化、旋转，理论上来说，SIFT是不变量。实际上，在构造SIFT特征时，算法中特殊处理了不少细节，比如在多尺度空间采用DOG算子以检测关键点；再比如在构造描述子时，它的研究对象并非是单个像素，而是根据子区域的统计特性。这些特殊处理不仅使得SIFT算法的图像复杂变形以及光照变化适应性比较强，而且该算法还具有了较快的运算速度和较高的定位精度。
尺度空间的基本思想是在影像模型中引入一个可视为尺度的参数，经过尺度参数的连续变化，获得不同尺度下的相应信息，将其综合后可继续探究，以获得图像本质特征。在本文中的SIFT算法下的尺度空间，均特指高斯差分尺度空间（DOG scale-space），可用公式表示为：
                  (3-1)
SIFT特征提取主要首先构建生成尺度空间，查找尺度空间中的极值点，然后过滤并精确定位关键点，同时去掉不稳定点。之后，可获取到特征描述符，为关键点分别分配方向值，生成得到关键点描述子，利用特征描述符寻找匹配点。
3.2  图像标签推荐系统算法实现
在上一小节的SIFT算法介绍的最后，简单叙述了SIFT特征提取的主要步骤，接下来将结合之前的介绍阐述本论文的图像标签推荐算法的实现。
1)    构建尺度空间，查找尺度空间中的极值点，获得尺度不变性
灰度化处理指定图像，从调用入口进入用户接口，对图片进行高斯模数预处理。
高斯模糊就像一张“版画”效果的灰度图片，大量连片的点被去掉，剩下的只是轮廓。它可使大片灰度比较接近的点连成一片，而一些比较突出的点变得更加突出。 Android移动终端SIFT算法的图像标签推荐系统设计(3):http://www.youerw.com/jisuanji/lunwen_21408.html