OpenCV快速入门：绘制图形、图像金字塔和感兴趣区域

文章目录

  • 前言
  • 一、绘制图形
    • 1. 绘制直线
    • 2. 绘制圆
    • 3. 绘制矩形
    • 4. 绘制椭圆
    • 5. 绘制多边形
    • 6. 绘制文字
    • 7. 可选参数
    • 8. 手工绘制OpenCV的logo
  • 二、图像金字塔
    • 1. 高斯金字塔
    • 2. 拉普拉斯金字塔
  • 三、感兴趣区域（ROI）
    • 数组切片方式
    • OpenCV截取方式
  • 总结

前言

OpenCV是一个强大的计算机视觉库，广泛应用于图像处理、计算机视觉和机器学习等领域。本文将介绍OpenCV中的一些基础功能，包括如何绘制图形、创建图像金字塔以及如何处理感兴趣区域（ROI）。
手工绘制OpenCV的logo

一、绘制图形

在OpenCV中，绘制图形是一项基础且常见的任务，它涉及到在图像上绘制直线、圆和矩形等几何形状。以下是针对每一种图形的详细阐述：

1. 绘制直线

使用cv2.line()函数可以在图像上绘制直线。函数的基本格式如下：

cv2.line(img, pt1, pt2, color, thickness)
  • img: 要绘制直线的图像。
  • pt1和pt2: 直线的起点和终点坐标。
  • color: 直线的颜色，通常以BGR格式表示。
  • thickness: 直线的粗细。

以下是一个简单的例子，演示如何在黑色背景上绘制一条蓝色直线：

import cv2
import numpy as np# 创建一个黑色背景的图像
img = np.zeros((512, 512, 3), np.uint8)# 绘制蓝色直线
cv2.line(img, (0, 0), (511, 511), (255, 0, 0), 5)# 显示图像
cv2.imshow('Drawing Line', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们创建了一个512x512的黑色图像，并使用cv2.line()在图像上绘制了一条蓝色直线，起点是(0, 0)，终点是(511, 511)，线的粗细为5。
line

2. 绘制圆

使用cv2.circle()函数可以在图像上绘制圆。函数的基本格式如下：

cv2.circle(img, center, radius, color, thickness)
  • img: 要绘制圆的图像。
  • center: 圆心的坐标。
  • radius: 圆的半径。
  • color: 圆的颜色，通常以BGR格式表示。
  • thickness: 圆的边框粗细，如果为负值，表示绘制实心圆。

以下是一个简单的例子，演示如何在黑色背景上绘制一个绿色实心圆：

import cv2
import numpy as np# 创建一个黑色背景的图像
img = np.zeros((512, 512, 3), np.uint8)# 绘制绿色实心圆
cv2.circle(img, (256, 256), 50, (0, 255, 0), -1)# 显示图像
cv2.imshow('Drawing Circle', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们创建了一个512x512的黑色图像，并使用cv2.circle()在图像上绘制了一个绿色实心圆，圆心为(256, 256)，半径为50。
circle

3. 绘制矩形

使用cv2.rectangle()函数可以在图像上绘制矩形。函数的基本格式如下：

cv2.rectangle(img, pt1, pt2, color, thickness)
  • img: 要绘制矩形的图像。
  • pt1和pt2: 矩形的对角线两个顶点的坐标。
  • color: 矩形的颜色，通常以BGR格式表示。
  • thickness: 矩形的边框粗细，如果为负值，表示绘制实心矩形。

以下是一个简单的例子，演示如何在黑色背景上绘制一个红色边框的矩形：

import cv2
import numpy as np# 创建一个黑色背景的图像
img = np.zeros((512, 512, 3), np.uint8)# 绘制红色边框的矩形
cv2.rectangle(img, (100, 100), (300, 300), (0, 0, 255), 3)# 显示图像
cv2.imshow('Drawing Rectangle', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们创建了一个512x512的黑色图像，并使用cv2.rectangle()在图像上绘制了一个红色边框的矩形，对角线两个顶点分别为(100, 100)和(300, 300)，边框粗细为3。
rectangle

4. 绘制椭圆

使用cv2.ellipse()函数可以在图像上绘制椭圆。函数的基本格式如下：

cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color, thickness=None)
  • img: 要绘制椭圆的图像。
  • center: 椭圆中心的坐标。
  • axes: 椭圆的长轴和短轴的长度。
  • angle: 椭圆旋转的角度。
  • startAngle和endAngle: 椭圆弧的起始角度和结束角度。
  • color: 椭圆的颜色。
  • thickness: 椭圆边框的粗细，如果为负值，表示绘制实心椭圆。

以下是一个简单的例子，演示如何在黑色背景上绘制一个黄色椭圆弧：

import cv2
import numpy as np# 创建一个黑色背景的图像
img = np.zeros((512, 512, 3), np.uint8)# 绘制黄色椭圆弧
cv2.ellipse(img, (256, 256), (100, 50), 45, 0, 270, (0, 255, 255), 10)# 显示图像
cv2.imshow('Drawing Ellipse', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

ellipse

在这个例子中，我们创建了一个512x512的黑色图像，并使用cv2.ellipse()在图像上绘制了一个黄色椭圆弧，中心坐标为(256, 256)，长轴和短轴的长度分别为100和50。

5. 绘制多边形

使用cv2.polylines()函数可以在图像上绘制多边形。函数的基本格式如下：

cv2.polylines(img, pts, isClosed, color, thickness=None)
  • img: 要绘制多边形的图像。
  • pts: 多边形的顶点坐标。
  • isClosed: 多边形是否闭合，如果为True，表示首尾相接形成封闭的多边形。
  • color: 多边形的颜色。
  • thickness: 多边形边框的粗细，如果为负值，表示绘制实心多边形。

以下是一个简单的例子，演示如何在黑色背景上绘制一个绿色三角形：

import cv2
import numpy as np# 创建一个黑色背景的图像
img = np.zeros((512, 512, 3), np.uint8)# 定义三角形的顶点坐标
pts = np.array([[100, 300], [300, 300], [200, 100]], np.int32)
pts = pts.reshape((-1, 1, 2))# 绘制青色三角形
cv2.polylines(img, [pts], isClosed=True, color=(255, 255, 0), thickness=20)# 显示图像
cv2.imshow('Drawing Polygon', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

polylines

在这个例子中，我们创建了一个512x512的黑色图像，并使用cv2.polylines()在图像上绘制了一个绿色的闭合三角形。

6. 绘制文字

使用cv2.putText()函数可以在图像上绘制文字。函数的基本格式如下：

cv2.putText(img, text, org, fontFace, fontScale, color, thickness=None, lineType=None, bottomLeftOrigin=None)
  • img: 要绘制文字的图像。
  • text: 要绘制的文字。
  • org: 文字的起始坐标。
  • fontFace: 字体类型。
  • fontScale: 字体的缩放比例。
  • color: 文字的颜色。
  • thickness: 文字的粗细。
  • lineType: 文字边框的类型。
  • bottomLeftOrigin: 如果为True，表示org参数是左下角的坐标，如果为False（默认），表示org参数是左上角的坐标。

以下是一个简单的例子，演示如何在黑色背景上绘制白色文字：

import cv2
import numpy as np# 创建一个黑色背景的图像
img = np.zeros((512, 512, 3), np.uint8)# 绘制白色文字
cv2.putText(img, 'Hello OpenCV', (50, 200), cv2.FONT_HERSHEY_SIMPLEX, 2, (255, 255, 255), 2)# 显示图像
cv2.imshow('Drawing Text', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

putText

在这个例子中，我们创建了一个512x512的黑色图像，并使用cv2.putText()在图像上绘制了白色的文字，文字内容为"Hello OpenCV"，起始坐标为(50, 200)，字体类型为cv2.FONT_HERSHEY_SIMPLEX，字体缩放比例为2。

7. 可选参数

在OpenCV的绘图函数中，lineType和shift是两个用于控制绘制图形的可选参数。

  1. lineType：线的类型

lineType参数用于指定绘制线的类型，即线的外观。它通常可以取以下几个值：

  • cv2.LINE_4：4-connected line（默认值），表示绘制4连接线。
  • cv2.LINE_8：8-connected line，表示绘制8连接线。
  • cv2.LINE_AA：Anti-aliased line，表示绘制抗锯齿线，使得线条更加平滑。

示例：

cv2.line(img, (0, 0), (511, 511), (255, 0, 0), 5, cv2.LINE_AA)

在这个例子中，cv2.LINE_AA被用于绘制抗锯齿效果的线。

  1. shift：坐标精度位数
  • shift表示在点坐标或半径值中使用的小数位数。
  • shift指定了用于存储坐标和半径值的数据类型中小数部分的位数。在OpenCV中，一般使用整数表示像素坐标，而shift允许使用小数来表示更精细的坐标或半径值。
  • shift的作用是对坐标值和半径值进行缩放。在内部实现中，这些值可能以固定点数的形式存储，其中整数部分表示像素坐标，小数部分表示子像素精度。通过调整shift的值，可以控制小数部分的位数，从而影响坐标或半径值的精度。
  • 默认值是None，表示使用默认的位移。

缩放公式可以表示为：

Scaled Value = Original Value 2 shift \text{Scaled Value} = \frac{\text{Original Value}}{2^{\text{shift}}} Scaled Value=2shiftOriginal Value​
这个公式表示通过将原始值除以 2 shift 2^{\text{shift}} 2shift 来进行缩放。

也可表示为：
Scaled Value = Original Value ≪ shift \text{Scaled Value} = \text{Original Value} \ll \text{shift} Scaled Value=Original Value≪shift

这是因为在二进制表示中，将一个数右移 n n n 位，相当于将它除以 2 n 2^n 2n。因此，shift的值决定了小数点右侧的位数，从而影响了数值的精度。

举例来说，如果 shift 的值为 1，那么坐标或半径的小数点右侧就有一个二进制位，即数值会缩小一倍。如果 shift 的值为 2，数值就会缩小四倍，以此类推。

在绘图函数中，shift通常是作为可选参数提供的，默认值为0，即不进行额外的缩放。如果需要更高的精度，可以将shift设置为一个正整数。这对于一些特定的应用场景，比如需要在子像素级别进行图像处理时，可能是有用的。

示例：

import cv2
import numpy as np# 创建一个黑色背景的图像
img = np.zeros((512, 512, 3), np.uint8)# 绘制绿色圆环
cv2.circle(img, (1024, 1024), 500, (0, 255, 0), 5 , lineType=cv2.LINE_AA, shift=2)# 显示图像
cv2.imshow('Drawing Circle', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

8. 手工绘制OpenCV的logo

import cv2
import numpy as np# 定义等边三角形的边长和高度
side_length = 130
height = int(np.sqrt(3) / 2 * side_length)# 计算三角形的顶点坐标
triangle_points = np.array([[256, 140 - height // 2],       # 上顶点[256 - side_length // 2, 140 + height // 2],  # 左下顶点[256 + side_length // 2, 140 + height // 2]   # 右下顶点
], np.int32)img = np.full((360, 512, 3), 255, dtype="uint8")
# 红色部分
img = cv2.ellipse(img,tuple(triangle_points[0]), (60, 60), 120, 0, 300, (0, 0, 255), -1, lineType=cv2.LINE_AA)
img = cv2.circle(img, tuple(triangle_points[0]), 25, (255, 255, 255), -1, lineType=cv2.LINE_AA)
# 绿色部分
img = cv2.ellipse(img, tuple(triangle_points[1]), (60, 60), 0, 0, 300, (0, 255, 0), -1, lineType=cv2.LINE_AA)
img = cv2.circle(img, tuple(triangle_points[1]), 25, (255, 255, 255), -1, lineType=cv2.LINE_AA)
# 蓝色部分
img = cv2.ellipse(img, tuple(triangle_points[2]), (60, 60), 300, 0, 300, (255, 0, 0), -1, lineType=cv2.LINE_AA)
img = cv2.circle(img, tuple(triangle_points[2]), 25, (255, 255, 255), -1, lineType=cv2.LINE_AA)
# 文字部分
font = cv2.FONT_HERSHEY_DUPLEX
img = cv2.putText(img, "OpenCV", (105, 330), font, 2.5, (0, 0, 0), 4, cv2.LINE_AA)cv2.imshow("OpenCV Logo", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

OpenCVLogo
解释一下每一部分的代码：

  1. 定义等边三角形的边长和高度：
   side_length = 130height = int(np.sqrt(3) / 2 * side_length)

这里定义了一个等边三角形的边长（side_length），然后通过三角形的性质计算出对应的高度。

  1. 计算三角形的顶点坐标：
   triangle_points = np.array([[256, 140 - height // 2],       # 上顶点[256 - side_length // 2, 140 + height // 2],  # 左下顶点[256 + side_length // 2, 140 + height // 2]   # 右下顶点], np.int32)

这里使用NumPy创建了一个包含等边三角形的三个顶点坐标的数组。

  1. 创建图像：
   img = np.full((360, 512, 3), 255, dtype="uint8")

使用np.full创建一个白色背景的图像，大小为360x512。

  1. 绘制红、绿、蓝色部分：
   img = cv2.ellipse(img, tuple(triangle_points[0]), (60, 60), 120, 0, 300, (0, 0, 255), -1, lineType=cv2.LINE_AA)img = cv2.circle(img, tuple(triangle_points[0]), 25, (255, 255, 255), -1, lineType=cv2.LINE_AA)

通过cv2.ellipse和cv2.circle分别绘制了三个等边三角形的红、绿、蓝色部分。这里使用了椭圆和圆的绘制，通过不同的角度和颜色来创建彩色图案。

  1. 绘制文字部分：
   font = cv2.FONT_HERSHEY_DUPLEXimg = cv2.putText(img, "OpenCV", (105, 330), font, 2.5, (0, 0, 0), 4, cv2.LINE_AA)

使用cv2.putText在图像上绘制了"OpenCV"文字，指定了字体、大小、颜色等参数。

  1. 显示图像：
   cv2.imshow("OpenCV Logo", img)cv2.waitKey(0)cv2.destroyAllWindows()

最后通过cv2.imshow展示了生成的OpenCV标志图像。

二、图像金字塔

图像金字塔是一种多尺度表示，通过在不同分辨率下创建图像的副本，从而实现对图像进行缩放、特征提取和图像融合等应用。在OpenCV中，主要有两种类型的图像金字塔：高斯金字塔和拉普拉斯金字塔。

1. 高斯金字塔

图像金字塔的构建主要利用了高斯模糊和图像缩放的原理。具体而言，高斯金字塔是通过不断进行高斯模糊和缩放操作而生成的。

import cv2
import numpy as np# 读取图像
img = cv2.imread('tulips.jpg')
img = cv2.resize(img, (512, 512))# 构建高斯金字塔
layer = img.copy()
pyramid = [layer]
for i in range(5):layer = cv2.pyrDown(layer)pyramid.append(layer)# 合并图像
margin = 5
combined_image = np.zeros((512, 512 + 256 + margin, 3), dtype=np.uint8)# 单独处理第一张图像
combined_image[:512, :512, :] = pyramid[0]# 定义初始位置
x_pos = 512 + margin
y_pos = 0# 使用循环处理剩余的图像
for i in range(1, 5):# 将金字塔图像放置在合并后的图像上combined_image[y_pos:y_pos + pyramid[i].shape[0], x_pos:x_pos + pyramid[i].shape[1], :] = pyramid[i]# 更新下一张图像的位置x_pos += pyramid[i].shape[1] // 2y_pos += pyramid[i].shape[0] + margin# 显示合并后的图像
cv2.imshow('Gaussian Image', combined_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的例子中，我们首先读取一张图像，然后通过cv2.pyrDown()函数不断对图像进行降采样，即图像缩小一半，从而构建了一个包含5层的高斯金字塔。cv2.imshow()用于显示金字塔的每一层。
Gaussian Image

2. 拉普拉斯金字塔

拉普拉斯金字塔是由高斯金字塔生成的，可以用于重建原始图像。具体而言，拉普拉斯金字塔是通过在每一层高斯金字塔上进行图像减法操作而得到的。

import cv2# 读取图像
import numpy as npimg = cv2.imread('tulips.jpg')
img = cv2.resize(img, (512, 512))
# 构建高斯金字塔
layer = img.copy()
gaussian_pyramid = [layer]
for i in range(6):layer = cv2.pyrDown(layer)gaussian_pyramid.append(layer)# 构建拉普拉斯金字塔
laplacian_pyramid = []
for i in range(5, 0, -1):gaussian_expanded = cv2.pyrUp(gaussian_pyramid[i])laplacian = cv2.subtract(gaussian_pyramid[i - 1], gaussian_expanded)laplacian_pyramid.append(laplacian)# 合并图像
margin = 5
combined_image = np.zeros((512, 512 + 256 + margin, 3), dtype=np.uint8) + 255# 单独处理第一张图像
combined_image[:512, :512, :] = laplacian_pyramid[4]# 定义初始位置
x_pos = 512 + margin
y_pos = 0# 使用循环处理剩余的图像
for k in range(4):i = 3 - k# 将金字塔图像放置在合并后的图像上combined_image[y_pos:y_pos + laplacian_pyramid[i].shape[0], x_pos:x_pos + laplacian_pyramid[i].shape[1], :] = laplacian_pyramid[i]# 更新下一张图像的位置x_pos += laplacian_pyramid[i].shape[1] // 2y_pos += laplacian_pyramid[i].shape[0] + margin# 显示合并后的图像
cv2.imshow('Laplacian Image', combined_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Laplacian Image

在上面的例子中，我们首先构建了一个高斯金字塔（gaussian_pyramid），然后利用高斯金字塔的图像进行拉普拉斯金字塔的构建。通过cv2.pyrUp()函数对高斯金字塔上层进行上采样，然后与下一层进行图像减法操作，从而得到拉普拉斯金字塔。cv2.subtract()用于执行减法操作，cv2.imshow()用于显示拉普拉斯金字塔的每一层。

图像金字塔的应用包括图像融合、图像金字塔匹配、图像金字塔法线估计等，通过多尺度表示，可以更灵活地处理不同分辨率下的图像信息。

三、感兴趣区域（ROI）

感兴趣区域是图像中一个特定区域的子集，可以通过OpenCV的数组切片来实现。

数组切片方式

以下是一个简单的例子，演示如何选择并处理图像中的感兴趣区域：

import cv2
import numpy as np# 读取图像
img = cv2.imread('tulips.jpg')# 定义感兴趣区域的坐标
x, y, w, h = 100, 75, 200, 210# 选择感兴趣区域
roi = img[y:y+h, x:x+w]# 在感兴趣区域上绘制矩形
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)# 拼接原图和感兴趣区域
result = np.hstack((img, np.zeros((img.shape[0], w, 3), dtype=np.uint8)))
result[:h, img.shape[1]:, :] = roi# 显示原图和感兴趣区域
cv2.imshow('ROI Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

ROI Image

在这个例子中，我们首先读取一张图像，然后定义了感兴趣区域的坐标。通过数组切片，我们选择了这个感兴趣区域，并在原图上绘制了一个绿色矩形。

OpenCV截取方式

除此之外，还可以使用cv2.getRectSubPix来截取图像的一部分。

import cv2
import numpy as np# 读取图像
img = cv2.imread('tulips.jpg')# 定义感兴趣区域的中心坐标和大小
center = (150, 130)
size = (200, 210)# 使用cv2.getRectSubPix截取感兴趣区域
roi = cv2.getRectSubPix(img, size, center)# 在感兴趣区域上绘制矩形
cv2.rectangle(img, (int(center[0] - size[0]/2), int(center[1] - size[1]/2)),(int(center[0] + size[0]/2), int(center[1] + size[1]/2)), (0, 255, 0), 2)# 拼接原图和感兴趣区域
result = np.hstack((img, np.zeros((img.shape[0], size[0], 3), dtype=np.uint8)))
result[:size[1], img.shape[1]:, :] = roi# 显示原图和感兴趣区域
cv2.imshow('ROI Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

ROI Image

总结

本文介绍了OpenCV的基础功能，包括绘制图形、构建图像金字塔以及处理感兴趣区域（ROI）。

首先，我们学习了如何绘制直线、圆、矩形、椭圆、多边形和文字，并深入了解了可选参数的使用。
随后，我们探讨了图像金字塔的概念，介绍了高斯金字塔和拉普拉斯金字塔的构建方法。
最后，我们讨论了处理感兴趣区域的两种方式：使用数组切片和OpenCV提供的截取函数。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/146837.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Docker与Kubernetes结合的难题与技术解决方案

Docker与Kubernetes结合的难题与技术解决方案

文章目录 1. **版本兼容性**技术解决方案 2. **网络通信**技术解决方案 3. **存储卷的管理**技术解决方案 4. **安全性**技术解决方案 5. **监控和日志**技术解决方案 6. **扩展性与自动化**技术解决方案 7. **多集群管理**技术解决方案 结语 🎈个人主页&#xff1a…
阅读更多...
Swagger（3）：Swagger入门案例

Swagger（3）：Swagger入门案例

1 编写SpringBoot项目 新建一个Rest请求控制器。 package com.example.demo.controller;import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.PostMapping; import org.springframework.web.bind.annotation.Reques…
阅读更多...
深度学习（五）softmax 回归之：分类算法介绍，如何加载 Fashion-MINIST 数据集

深度学习（五）softmax 回归之：分类算法介绍，如何加载 Fashion-MINIST 数据集

Softmax 回归 基本原理 回归和分类，是两种深度学习常用方法。回归是对连续的预测（比如我预测根据过去开奖列表下次双色球号），分类是预测离散的类别（手写语音识别，图片识别）。 现在我们已经对回…
阅读更多...
Java多线程下使用TransactionTemplate控制事务

Java多线程下使用TransactionTemplate控制事务

简介 本文展示了在Java的多线程环境下使用Spring的TransactionTemplate控制事务的提交与回滚，当任何一个子线程出现异常时，所有子线程都将回滚 环境 JDK：1.8.0_211 SpringBoot：2.5.10 说明 本文通过同时写入用户(User)和用户详细…
阅读更多...
zookeperkafka学习

zookeperkafka学习

1、why kafka 优点 缺点kafka 吞吐量高，对批处理和异步处理做了大量的设计，因此Kafka可以得到非常高的性能。延迟也会高，不适合电商场景。RabbitMQ 如果有大量消息堆积在队列中，性能会急剧下降每秒处理几万到几十万的消息。如果…
阅读更多...
记录一些涉及到界的题

记录一些涉及到界的题

文章目录 coppersmith的一些相关知识题1 [N1CTF 2023] e2Wrmup题2 [ACTF 2023] midRSA题3 [qsnctf 2023]浅记一下 coppersmith的一些相关知识 上界 X c e i l ( 1 2 ∗ N β 2 d − ϵ ) X ceil(\frac{1}{2} * N^{\frac{\beta^2}{d} - \epsilon}) Xceil(21​∗Ndβ2​−ϵ) …
阅读更多...
【Proteus仿真】【STM32单片机】防火防盗GSM智能家居设计

【Proteus仿真】【STM32单片机】防火防盗GSM智能家居设计

文章目录 一、功能简介二、软件设计三、实验现象联系作者 一、功能简介 本项目使用Proteus8仿真STM32单片机控制器，使用声光报警模块、LCD1602显示模块、DS18B20温度、烟雾传感器模块、按键模块、PCF8591 ADC模块、红外检测模块等。 主要功能： 系统运行…
阅读更多...
Mac电脑好用的窗口管理软件 Magnet 中文for mac

Mac电脑好用的窗口管理软件 Magnet 中文for mac

Magnet是一款用于Mac操作系统的窗口管理工具，它可以帮助您快速和方便地组织和管理应用程序窗口，以提高您的工作效率和多任务处理能力。 以下是Magnet的一些主要功能和特点： 窗口自动调整：Magnet允许您通过简单的拖放操作或使用快…
阅读更多...
微信小程序 限制字数文本域框组件封装

微信小程序 限制字数文本域框组件封装

微信小程序 限制字数文本域框 介绍&#xff1a;展示类组件 导入 在app.json或index.json中引入组件 "usingComponents": {"text-field":"/pages/components/text-field/index"}代码使用 <text-field maxlength"500" bindtabsIt…
阅读更多...
IDEA创建文件添加作者及时间信息

IDEA创建文件添加作者及时间信息

前言 当使用IDEA进行软件开发时&#xff0c;经常需要在代码文件中添加作者和时间信息&#xff0c;以便更好地维护和管理代码。 但是如果每次都手动编辑 以及修改那就有点浪费时间了。 实践 其实我们可以将注释日期 作者 配置到 模板中 同时配置上动态获取内容 例如时间 这样…
阅读更多...
PaddleClas学习2——使用PPLCNet模型对车辆朝向进行识别（python）

PaddleClas学习2——使用PPLCNet模型对车辆朝向进行识别（python）

使用PPLCNet模型对车辆朝向进行识别 1. 配置PaddlePaddle，PaddleClas环境2. 准备数据2.1 标注数据格式2.2 标注数据3. 模型训练3.1 修改配置文件3.2 训练、评估4 模型预测1. 配置PaddlePaddle，PaddleClas环境 安装：请先参考文档 环境准备 配置 PaddleClas 运行环境。 2. 准…
阅读更多...
美国服务器：全面剖析其主要优点与潜在缺点

美国服务器：全面剖析其主要优点与潜在缺点

​　　服务器是网站搭建的灵魂。信息化的今天&#xff0c;我们仍需要它来为网站和应用程序提供稳定的运行环境。而美国作为全球信息技术靠前的国家之一&#xff0c;其服务器市场备受关注。那么&#xff0c;美国服务器究竟有哪些主要优点和潜在缺点呢? 优点 数据中心基础设施&a…
阅读更多...
Vue 路由缓存 防止路由切换数据丢失

Vue 路由缓存 防止路由切换数据丢失

在切换路由的时候&#xff0c;如果写好了一丢数据在去切换路由在回到写好的数据的路由去将会丢失&#xff0c;这时可以使用路由缓存技术进行保存&#xff0c;这样两个界面来回换数据也不会丢失 在 < router-view >展示的内容都不会被销毁&#xff0c;路由来回切换数据也…
阅读更多...
Linux上编译和安装SOFA23.06

Linux上编译和安装SOFA23.06

前言 你可以直接使用编译安装好的SOFA版本Installing from all-included binaries (v23.06.00)&#xff1a; 如果你想自己编译&#xff0c;可以看我下面写的内容&#xff0c;不过绝大多数是从官网来的&#xff0c;如果和官网有出入&#xff0c;建议还是以官网为准。 在Linux下…
阅读更多...
PVE Win平台虚拟机下如何安装恢复自定义备份Win系统镜像ISO文件（已成功实现）

PVE Win平台虚拟机下如何安装恢复自定义备份Win系统镜像ISO文件（已成功实现）

环境： Virtual Environment 7.3-3 Win s2019 UltraISO9.7 USM6.0 NTLite_v2.1.1.7917 问题描述： PVE Win平台虚拟机下如何安装恢复自定义备份Win系统镜像ISO文件 本次目标 主要是对虚拟机里面Win系统备份做成可安装ISO文件恢复至别的虚拟机或者实体机上 解决方案： …
阅读更多...
【数据库】数据库连接池导致系统吞吐量上不去-复盘

【数据库】数据库连接池导致系统吞吐量上不去-复盘

在实际的开发中&#xff0c;我们会使用数据库连接池&#xff0c;但是如果不能很好的理解其中的含义&#xff0c;那么就可以出现生产事故。 HikariPool-1 - Connection is not available, request timed out after 30001ms.当系统的调用量上去&#xff0c;就出现大量这样的连接…
阅读更多...
NET8 ORM 使用AOT SqlSugar

NET8 ORM 使用AOT SqlSugar

.NET AOT8 基本上能够免强使用了, SqlSugar ORM也支持了CRUD 能在AOT下运行了 Nuget安装 SqlSugarCore 具体代码 StaticConfig.EnableAot true;//启用AOT 程序启动执行一次就好了//用SqlSugarClient每次都new,不要用单例模式 var db new SqlSugarClient(new ConnectionC…
阅读更多...
Os-ByteSec

Os-ByteSec

Os-ByteSec 一、主机发现和端口扫描 主机发现&#xff0c;靶机地址192.168.80.144 端口扫描&#xff0c;开放了80、139、445、2525端口 二、信息收集 访问80端口 路径扫描 dirsearch -u "http://192.168.80.144/" -e *访问扫描出来的路径&#xff0c;没有发现…
阅读更多...
Idea安装完成配置

Idea安装完成配置

目录&#xff1a; 环境配置Java配置Maven配置Git配置 基础设置编码级设置File Header自动生成序列化编号配置 插件安装MyBtisPlusRestfulTooklkit-fix 环境配置 Java配置 Idea右上方&#xff0c;找到Project Settings. 有些版本直接有&#xff0c;有些是在设置下的二级菜单下…
阅读更多...
LLM实现RPA

LLM实现RPA

“PROAGENT: 从机器人流程自动化到代理流程自动化”这篇论文有几个创新点是比较有意思的&#xff1a;1.通过描述方式生成执行链&#xff0c;执行链通过代码方式生成保证执行链的稳健、可约束2.对执行过程抽取出数据结构&#xff0c;数据结构也通过代码生成方式来约束3.整个过程…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023