1
Desktop / Re:Poraďte zajímavé využití RAM disku v Linuxu
« kdy: 18. 05. 2023, 13:34:00 »
Lze vytvorit ramdisk na konretnich pametovych modulech?
Zobrazit příspěvky
Tato sekce Vám umožňuje zobrazit všechny příspěvky tohoto uživatele. Prosím uvědomte si, že můžete vidět příspěvky pouze z oblastí Vám přístupných.
Stran: [1]
3
Bazar / Prodám NAS Synology DS220+ s 6 GB RAM
« kdy: 08. 03. 2023, 08:44:08 »
Prodam NAS Synology DS220+ s 6GB ram. Bez disku. Koupeny 5.5.2022. Ram modul Kingston 4GB DDR4 2666 CL19. Duvod prodeje, potrebuju spis pracovni stanici nez NAS. Cena k jednani 7000.
4
Vývoj / Re:OpenCV a zpracování fotografií
« kdy: 24. 02. 2023, 14:03:57 »
Diky za pripominku. Je to komplexni. Jeste jsem nezkousel takove ty fotky, kde je pozadi zamerne rozostrene.
5
Vývoj / Re:OpenCV a zpracování fotografií
« kdy: 24. 02. 2023, 13:19:36 »
Zkousim k zjisteni rozmazani imagemagick, je to o hodne pomalejsi, ale vysledky vypadaji lepe
import os
import subprocess
# Cesta k složce se vstupními obrázky
input_folder = '/home/uziv/TESTY/IN'
# Cesta k výstupní složce
output_folder = '/home/uziv/TESTY/OUT'
# Nastavení prahové hodnoty pro detekci rozmazání
THRESHOLD_BLUR = 0.1
# Krok 1: Načtení obrázků a detekce rozmazání
for file_name in os.listdir(input_folder):
# Zkontrolujeme, zda se jedná o soubor s obrázkem
if file_name.lower().endswith(('.jpg', '.jpeg', '.png', '.bmp')):
input_path = os.path.join(input_folder, file_name)
output_path = os.path.join(output_folder, file_name)
# Spuštění příkazu Identify pro zjištění velikosti obrázku
identify_output = subprocess.check_output(['identify', '-format', '%w,%h', input_path])
width, height = identify_output.decode().split(',')
# Spuštění příkazu Convolve pro získání konvoluce obrázku s Gaussovým jádrem
convolve_output = subprocess.check_output(['convert', input_path, '-colorspace', 'gray', '-define', 'convolve:scale=1.5', '-morphology', 'Convolve', 'Gaussian:0x3', '-format', '%[fx:maxima.mean]', 'info:'])
maxima_mean = float(convolve_output.decode())
# Vypočítání průměru a směrodatné odchylky z gradientů vodorovného a svislého směru
sobel_output = subprocess.check_output(['convert', input_path, '-colorspace', 'gray', '-define', 'convolve:scale=1.5', '-define', 'convolve:normalize=false', '-morphology', 'Convolve', 'Sobel:0x1', '-format', '%[fx:mean],%[fx:standard_deviation]', 'info:'])
sobel_mean, sobel_std = map(float, sobel_output.decode().split(','))
# Pokud je hodnota maximálního průměru gradientů menší než prahová hodnota,
# obrázek se považuje za rozmazaný a přesune se do složky
if maxima_mean < THRESHOLD_BLUR:
output_subfolder = os.path.join(output_folder, 'rozmazane')
else:
output_subfolder = os.path.join(output_folder, 'ostre')
if not os.path.exists(output_subfolder):
os.makedirs(output_subfolder)
# Uložíme výsledný obrázek do příslušné složky
output_path = os.path.join(output_subfolder, file_name)
os.replace(input_path, output_path)
print(f"Obrázek {file_name} byl přesunut do složky {output_subfolder}.")
else:
print(f"Soubor {file_name} není obrázek, přeskočen.")
import os
import subprocess
# Cesta k složce se vstupními obrázky
input_folder = '/home/uziv/TESTY/IN'
# Cesta k výstupní složce
output_folder = '/home/uziv/TESTY/OUT'
# Nastavení prahové hodnoty pro detekci rozmazání
THRESHOLD_BLUR = 0.1
# Krok 1: Načtení obrázků a detekce rozmazání
for file_name in os.listdir(input_folder):
# Zkontrolujeme, zda se jedná o soubor s obrázkem
if file_name.lower().endswith(('.jpg', '.jpeg', '.png', '.bmp')):
input_path = os.path.join(input_folder, file_name)
output_path = os.path.join(output_folder, file_name)
# Spuštění příkazu Identify pro zjištění velikosti obrázku
identify_output = subprocess.check_output(['identify', '-format', '%w,%h', input_path])
width, height = identify_output.decode().split(',')
# Spuštění příkazu Convolve pro získání konvoluce obrázku s Gaussovým jádrem
convolve_output = subprocess.check_output(['convert', input_path, '-colorspace', 'gray', '-define', 'convolve:scale=1.5', '-morphology', 'Convolve', 'Gaussian:0x3', '-format', '%[fx:maxima.mean]', 'info:'])
maxima_mean = float(convolve_output.decode())
# Vypočítání průměru a směrodatné odchylky z gradientů vodorovného a svislého směru
sobel_output = subprocess.check_output(['convert', input_path, '-colorspace', 'gray', '-define', 'convolve:scale=1.5', '-define', 'convolve:normalize=false', '-morphology', 'Convolve', 'Sobel:0x1', '-format', '%[fx:mean],%[fx:standard_deviation]', 'info:'])
sobel_mean, sobel_std = map(float, sobel_output.decode().split(','))
# Pokud je hodnota maximálního průměru gradientů menší než prahová hodnota,
# obrázek se považuje za rozmazaný a přesune se do složky
if maxima_mean < THRESHOLD_BLUR:
output_subfolder = os.path.join(output_folder, 'rozmazane')
else:
output_subfolder = os.path.join(output_folder, 'ostre')
if not os.path.exists(output_subfolder):
os.makedirs(output_subfolder)
# Uložíme výsledný obrázek do příslušné složky
output_path = os.path.join(output_subfolder, file_name)
os.replace(input_path, output_path)
print(f"Obrázek {file_name} byl přesunut do složky {output_subfolder}.")
else:
print(f"Soubor {file_name} není obrázek, přeskočen.")
6
Vývoj / Re:OpenCV a zpracování fotografií
« kdy: 23. 02. 2023, 17:04:23 »
To vsechno jde udelat, vytvori se trenovaci soubory. Jsem teprve na zacatku. treba pomoci openCV se projedou fotky, detekuji se obliceje, vyrobi se vyrezy jen s nimi... dal jsem jeste nedosel, napriklad jak urcim, ke kteremu jemu je priradit.
7
Vývoj / Re:OpenCV a zpracování fotografií
« kdy: 23. 02. 2023, 13:18:23 »
Mam v planu to pak nasadit na Synology nasku, hodne veci se da vyresit dockerem. Identifikace obliceju, obektu, zvirat, to vsecko lze, ale nez to dam dokupy 
Aplikace by na to potreba ani nebyla, pokud by to melo bezet v cronu, probihalo by vse automaticky. Jsou i takove moznosti, ze se pomoci python zapise informace do metatagu fotek.
Aplikace by na to potreba ani nebyla, pokud by to melo bezet v cronu, probihalo by vse automaticky. Jsou i takove moznosti, ze se pomoci python zapise informace do metatagu fotek.
8
Vývoj / Re:OpenCV a zpracování fotografií
« kdy: 22. 02. 2023, 09:09:46 »
Diky za nakopnuti, vcera jsem si ( nebudu rikat diky komu ) zkousel prave i dalsi moznosti v kombinaci s detekci osob a obliceju. Ale je dobre mozne, ze se po case zase vratim k digikamu a pohraju si s nastavenim detekce v nem. Myslim ze pouziva take tyhle zpusoby. V pythonu jsem si chtel napsat par scriptu pro jakous takous automatizaci pro cleny rodiny. Dnes ma kazdy tuny fotek a jen se to hromadi i s balastem a v tom lepsim pripade si to zalohuji alespon na google fotky. Potom jsou ty rozmazane a malo kvalitni fotky problem ( objem dat ).
) zkousel prave i dalsi moznosti v kombinaci s detekci osob a obliceju. Ale je dobre mozne, ze se po case zase vratim k digikamu a pohraju si s nastavenim detekce v nem. Myslim ze pouziva take tyhle zpusoby. V pythonu jsem si chtel napsat par scriptu pro jakous takous automatizaci pro cleny rodiny. Dnes ma kazdy tuny fotek a jen se to hromadi i s balastem a v tom lepsim pripade si to zalohuji alespon na google fotky. Potom jsou ty rozmazane a malo kvalitni fotky problem ( objem dat ).
9
Vývoj / Re:OpenCV a zpracování fotografií
« kdy: 22. 02. 2023, 08:40:38 »
alex6bbc: diky za popostrkavani a kritiku ai, samozrejme jsem hledal i jine zdroje ( ze kterych ai vychazi ) a nikde jsem nevidel laplacian jinak nez v sedi. Zkusim to. Vy mate konkretni zkusenosti jak si vede grey a barvy?
A k te kritice ai, mam to presne jako Wangarad ( kdyz pominu, ze jsem to objevil pred par dny ). Vidim to jako druhe oci a zjednoduseni v setreni casu s procitanim dokumentaci. Muj zivot je moc kratkej na to, abych do vseho pronikal do hloubky. To si muze dovolit nekdo kdo nema rodinu a nebo uz deticky vyletely z hnizda. Kdyz se clovek sikovne pta, tak gpt dava velice dobry vysledky. Co se me velice libi, tak jako ( i kdyz ne moc sikovnymu ) programatorovi to setri cas napr s komentovanim kodu.
A k te kritice ai, mam to presne jako Wangarad ( kdyz pominu, ze jsem to objevil pred par dny ). Vidim to jako druhe oci a zjednoduseni v setreni casu s procitanim dokumentaci. Muj zivot je moc kratkej na to, abych do vseho pronikal do hloubky. To si muze dovolit nekdo kdo nema rodinu a nebo uz deticky vyletely z hnizda. Kdyz se clovek sikovne pta, tak gpt dava velice dobry vysledky. Co se me velice libi, tak jako ( i kdyz ne moc sikovnymu ) programatorovi to setri cas napr s komentovanim kodu.
10
Vývoj / Re:OpenCV a zpracování fotografií
« kdy: 21. 02. 2023, 23:40:57 »
Urcite je to individualni jak to kdo potrebuje. Me treba ted staci zbavit se totalne rozmazanych fotech.
Prevod do sedi je tam kvuli tomu laplacian vypoctu. Pridali jsme tam s chatbotem detekci ostrosti hran.
import cv2
import os
# vstupni a vystupni slozky
INPUT_DIR = 'E:\\FOTKY\\BABICKY_FOTAK\\FOTKY'
OUTPUT_DIR_OK = 'E:\\FOTKY\\BABICKY_FOTAK\\ok'
OUTPUT_DIR_ROZMAZANE = 'E:\\FOTKY\\BABICKY_FOTAK\\rozmazane'
# funkce pro detekci rozmazani obrazku
def is_blurry(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
laplacian_var = cv2.Laplacian(gray, cv2.CV_64F).var()
canny_var = cv2.Canny(gray, 100, 200).var()
contrast = cv2.meanStdDev(gray)[1][0][0]
return laplacian_var < 40 or (canny_var < 20 or contrast < 25)
# funkce pro zpracovani jednoho souboru
def process_file(file_path):
img = cv2.imread(file_path)
if is_blurry(img):
output_path = os.path.join(OUTPUT_DIR_ROZMAZANE, os.path.basename(file_path))
os.replace(file_path, output_path)
print(f"Soubor {file_path} byl presunut do adresare {OUTPUT_DIR_ROZMAZANE} kvuli rozmazani.")
else:
output_path = os.path.join(OUTPUT_DIR_OK, os.path.basename(file_path))
os.replace(file_path, output_path)
print(f"Soubor {file_path} byl presunut do adresare {OUTPUT_DIR_OK}.")
# funkce pro zpracovani celeho adresare
def process_dir(input_dir):
for root, dirs, files in os.walk(input_dir):
for file in files:
if file.lower().endswith(('.jpg', '.png', '.bmp')):
file_path = os.path.join(root, file)
process_file(file_path)
# zpracovani vstupniho adresare
if __name__ == "__main__":
if not os.path.exists(OUTPUT_DIR_OK):
os.makedirs(OUTPUT_DIR_OK)
if not os.path.exists(OUTPUT_DIR_ROZMAZANE):
os.makedirs(OUTPUT_DIR_ROZMAZANE)
process_dir(INPUT_DIR)
print("Hotovo.")
Prevod do sedi je tam kvuli tomu laplacian vypoctu. Pridali jsme tam s chatbotem detekci ostrosti hran.
import cv2
import os
# vstupni a vystupni slozky
INPUT_DIR = 'E:\\FOTKY\\BABICKY_FOTAK\\FOTKY'
OUTPUT_DIR_OK = 'E:\\FOTKY\\BABICKY_FOTAK\\ok'
OUTPUT_DIR_ROZMAZANE = 'E:\\FOTKY\\BABICKY_FOTAK\\rozmazane'
# funkce pro detekci rozmazani obrazku
def is_blurry(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
laplacian_var = cv2.Laplacian(gray, cv2.CV_64F).var()
canny_var = cv2.Canny(gray, 100, 200).var()
contrast = cv2.meanStdDev(gray)[1][0][0]
return laplacian_var < 40 or (canny_var < 20 or contrast < 25)
# funkce pro zpracovani jednoho souboru
def process_file(file_path):
img = cv2.imread(file_path)
if is_blurry(img):
output_path = os.path.join(OUTPUT_DIR_ROZMAZANE, os.path.basename(file_path))
os.replace(file_path, output_path)
print(f"Soubor {file_path} byl presunut do adresare {OUTPUT_DIR_ROZMAZANE} kvuli rozmazani.")
else:
output_path = os.path.join(OUTPUT_DIR_OK, os.path.basename(file_path))
os.replace(file_path, output_path)
print(f"Soubor {file_path} byl presunut do adresare {OUTPUT_DIR_OK}.")
# funkce pro zpracovani celeho adresare
def process_dir(input_dir):
for root, dirs, files in os.walk(input_dir):
for file in files:
if file.lower().endswith(('.jpg', '.png', '.bmp')):
file_path = os.path.join(root, file)
process_file(file_path)
# zpracovani vstupniho adresare
if __name__ == "__main__":
if not os.path.exists(OUTPUT_DIR_OK):
os.makedirs(OUTPUT_DIR_OK)
if not os.path.exists(OUTPUT_DIR_ROZMAZANE):
os.makedirs(OUTPUT_DIR_ROZMAZANE)
process_dir(INPUT_DIR)
print("Hotovo.")
11
Vývoj / Re:OpenCV a zpracování fotografií
« kdy: 21. 02. 2023, 22:48:29 »
Optimalizace
import cv2
import os
# vstupni a vystupni slozky
INPUT_DIR = 'E:\\aaa\\aaa\\aaa'
OUTPUT_DIR_OK = 'E:\\aaa\\aaa\\bb'
OUTPUT_DIR_ROZMAZANE = 'E:\\aaa\\aaa\\cc'
# inicializace kaskad pro detekci obliceju a tel
face_cascade = cv2.CascadeClassifier('C:\\python\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml')
body_cascade = cv2.CascadeClassifier('C:\\python\\Lib\\site-packages\\cv2\\data\\haarcascade_fullbody.xml')
# funkce pro detekci rozmazani obrazku
def is_blurry(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
laplacian_var = cv2.Laplacian(gray, cv2.CV_64F).var()
canny_var = cv2.Canny(gray, 100, 200).var()
contrast = cv2.meanStdDev(gray)[1][0][0]
return laplacian_var < 40 or canny_var < 20 or contrast < 25
# funkce pro detekci obliceju a tel v obrazku
def detect_faces(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
bodies = body_cascade.detectMultiScale(gray, 1.3, 5)
return (len(faces) > 0) or (len(bodies) > 0)
# funkce pro zpracovani jednoho souboru
def process_file(file_path):
img = cv2.imread(file_path)
if is_blurry(img) or not detect_faces(img):
output_path = os.path.join(OUTPUT_DIR_ROZMAZANE, os.path.basename(file_path))
os.replace(file_path, output_path)
print(f"Soubor {file_path} byl presunut do adresare {OUTPUT_DIR_ROZMAZANE} kvuli rozmazanym oblicejum nebo telum.")
else:
output_path = os.path.join(OUTPUT_DIR_OK, os.path.basename(file_path))
os.replace(file_path, output_path)
print(f"Soubor {file_path} byl presunut do adresare {OUTPUT_DIR_OK}.")
# funkce pro zpracovani celeho adresare
def process_dir(input_dir):
for root, dirs, files in os.walk(input_dir):
for file in files:
if file.lower().endswith(('.jpg', '.png', '.bmp')):
file_path = os.path.join(root, file)
process_file(file_path)
# zpracovani vstupniho adresare
if __name__ == "__main__":
if not os.path.exists(OUTPUT_DIR_OK):
os.makedirs(OUTPUT_DIR_OK)
if not os.path.exists(OUTPUT_DIR_ROZMAZANE):
os.makedirs(OUTPUT_DIR_ROZMAZANE)
process_dir(INPUT_DIR)
print
import cv2
import os
# vstupni a vystupni slozky
INPUT_DIR = 'E:\\aaa\\aaa\\aaa'
OUTPUT_DIR_OK = 'E:\\aaa\\aaa\\bb'
OUTPUT_DIR_ROZMAZANE = 'E:\\aaa\\aaa\\cc'
# inicializace kaskad pro detekci obliceju a tel
face_cascade = cv2.CascadeClassifier('C:\\python\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml')
body_cascade = cv2.CascadeClassifier('C:\\python\\Lib\\site-packages\\cv2\\data\\haarcascade_fullbody.xml')
# funkce pro detekci rozmazani obrazku
def is_blurry(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
laplacian_var = cv2.Laplacian(gray, cv2.CV_64F).var()
canny_var = cv2.Canny(gray, 100, 200).var()
contrast = cv2.meanStdDev(gray)[1][0][0]
return laplacian_var < 40 or canny_var < 20 or contrast < 25
# funkce pro detekci obliceju a tel v obrazku
def detect_faces(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
bodies = body_cascade.detectMultiScale(gray, 1.3, 5)
return (len(faces) > 0) or (len(bodies) > 0)
# funkce pro zpracovani jednoho souboru
def process_file(file_path):
img = cv2.imread(file_path)
if is_blurry(img) or not detect_faces(img):
output_path = os.path.join(OUTPUT_DIR_ROZMAZANE, os.path.basename(file_path))
os.replace(file_path, output_path)
print(f"Soubor {file_path} byl presunut do adresare {OUTPUT_DIR_ROZMAZANE} kvuli rozmazanym oblicejum nebo telum.")
else:
output_path = os.path.join(OUTPUT_DIR_OK, os.path.basename(file_path))
os.replace(file_path, output_path)
print(f"Soubor {file_path} byl presunut do adresare {OUTPUT_DIR_OK}.")
# funkce pro zpracovani celeho adresare
def process_dir(input_dir):
for root, dirs, files in os.walk(input_dir):
for file in files:
if file.lower().endswith(('.jpg', '.png', '.bmp')):
file_path = os.path.join(root, file)
process_file(file_path)
# zpracovani vstupniho adresare
if __name__ == "__main__":
if not os.path.exists(OUTPUT_DIR_OK):
os.makedirs(OUTPUT_DIR_OK)
if not os.path.exists(OUTPUT_DIR_ROZMAZANE):
os.makedirs(OUTPUT_DIR_ROZMAZANE)
process_dir(INPUT_DIR)
12
Vývoj / OpenCV a zpracování fotografií
« kdy: 21. 02. 2023, 22:12:50 »
Hraju si s openCV a pythonem nad rodinnou sbirkou fotek. Momentalne resim, jak rychle a elegantne presunout opravdu hodne rozmazane fotky mimo.
V tehle oblasti jsem uplny zelenac, takze jsem si pomohl pokecal s ChatGPT a dali jsem dokupy tohle. Je to sice napsace s cestama pro windows, ale davali jsem to dokupy pro linux, meni se pouze cesty.
Prohledat to INPUT_DIR rekurzivne s omezenim na obrazove soubory. Detekuje to tvare a hodnota return fm < 40 urcuje prah rozmazani, kdy je fotka uz "spatna" a bude presunuta, nebo je v poradku. Jsem na zacatku. Mate nekdo s openCV zkusenosti?
V tehle oblasti jsem uplny zelenac, takze jsem si pomohl pokecal s ChatGPT a dali jsem dokupy tohle. Je to sice napsace s cestama pro windows, ale davali jsem to dokupy pro linux, meni se pouze cesty.
Prohledat to INPUT_DIR rekurzivne s omezenim na obrazove soubory. Detekuje to tvare a hodnota return fm < 40 urcuje prah rozmazani, kdy je fotka uz "spatna" a bude presunuta, nebo je v poradku. Jsem na zacatku. Mate nekdo s openCV zkusenosti?
Kód: [Vybrat]
import os
import cv2
INPUT_DIR = 'C:\\aaa\\aaa\\aaa'
OUTPUT_DIR_OK = 'E:\\aaa\\aaa\\bb'
OUTPUT_DIR_ROZMAZANE = 'E:\\aaa\\aaa\\cc'
face_cascade = cv2.CascadeClassifier('C:\\python\\Lib\\site-packages\\cv2\\data\\haarcascade_frontalface_default.xml')
def is_blurry(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
fm = cv2.Laplacian(gray, cv2.CV_64F).var()
return fm < 40
def detect_faces(img):
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
return len(faces) > 0
def process_file(file_path):
img = cv2.imread(file_path)
if is_blurry(img) or not detect_faces(img):
output_path = os.path.join(OUTPUT_DIR_ROZMAZANE, os.path.basename(file_path))
os.replace(file_path, output_path)
else:
output_path = os.path.join(OUTPUT_DIR_OK, os.path.basename(file_path))
os.replace(file_path, output_path)
def process_dir(input_dir):
for root, dirs, files in os.walk(input_dir):
for file in files:
if file.lower().endswith(('.jpg', '.png', '.bmp')):
file_path = os.path.join(root, file)
process_file(file_path)
if __name__ == "__main__":
if not os.path.exists(OUTPUT_DIR_OK):
os.makedirs(OUTPUT_DIR_OK)
if not os.path.exists(OUTPUT_DIR_ROZMAZANE):
os.makedirs(OUTPUT_DIR_ROZMAZANE)
process_dir(INPUT_DIR)
print("Done.")
13
Software / Re:FFmpeg x264 na x265 u kontejneru mp4
« kdy: 13. 02. 2023, 12:19:49 »
Handbrake si s tim neporadi? H.265 s vic jak 8bit hloubkou dela problemy napriklad ve windows a na androidu, kde system neumi vygenerovat nahledy. U linuxu v tuhle chvili nevim, mozna jak ktera distribuce. Ohledne kvality je zajimava stranka primo z napovedy k Handbrake
https://handbrake.fr/docs/en/latest/workflow/adjust-quality.html
Zasadne pouzivam jeden pruchod a i na vyssi rychlosti fast, faster atd to dela pekne vysledky.
https://handbrake.fr/docs/en/latest/workflow/adjust-quality.html
Zasadne pouzivam jeden pruchod a i na vyssi rychlosti fast, faster atd to dela pekne vysledky.
14
Windows a jiné systémy / Re:Jak na Ad Blocker na mobilech?
« kdy: 05. 01. 2023, 10:50:16 »
Dlouho jsem mel AdAway ( s rootem, instalace z F-Droid ). Blokovalo me to bezdratovou aktualizaci na telefonu, takze jsem mel pocit, ze se na me vyrobce vykaslal. Ted mam asi tyden AdGuard, bylo s tim trosku patlani ohledne certifikatu pro Chrome. Firefox jsem pouzival dloooouhou dobu, ale prisel jsem na chut Chromu a synchronizaci vseho z neho. Kdyz je telefon bez rootu, tak AdGuard neumi osetrit https v aplikacich, ktere se koukaji pro certifikat do systemoveho uloziste. Root tohle resi, je na to postup a modul pro magisk jak to udelat. Mam AdGuard nove i na synology nasce v dockeru, misto reklam jsou ale velky sedy nebo bily okna.
15
Windows a jiné systémy / Re:Jak na Ad Blocker na mobilech?
« kdy: 29. 12. 2022, 19:57:43 »
Dlouho jsem mel adaway s rootem. Jelikoz jsem chtel poresit i telefony v rodine, tak jsem koupil 9 licenci AdGuard. Funguje to pekne, ale bez rootu to nebere https komunikacki a s rootem jsem mel problem s chrome. Rodine zatim rootovat nechci a svuj jsem preinstaloval a tim unrootnul. Ale casem tk zase zkusim, je potreba magisk, modul a certifikatem ktery ho ulozi do systemu a pak to blokuje vse. Az na ten chrom, ale nejaka reseni jsou. Uvazuju na domaci sit nasadit pihole na synology NAS.
Stran: [1]
