当前位置: 首页 > news >正文

c/c++的opencv开闭操作

OpenCV 中的形态学开运算与闭运算 (C++)

在计算机视觉和图像处理领域,形态学操作是用于分析和处理图像形状的一系列非线性操作。OpenCV 作为一个强大的开源计算机视觉库,提供了丰富的形态学转换函数。其中,“开运算”(Opening)和“闭运算”(Closing)是最基础且应用广泛的两种形态学操作,它们能够有效地去除噪声、分离/连接图像中的元素。

本文将详细介绍 OpenCV 中开运算和闭运算的原理、使用 cv::morphologyEx 函数的方式、关键参数、注意事项、典型应用场景以及它们在实际项目中的应用。

什么是形态学变换?

形态学变换主要应用于二值图像,但也可以扩展到灰度图像。它们通过一个称为结构元素 (Structuring Element) 或核 (Kernel) 的小型预定义形状来探测输入图像,并根据结构元素与图像相应区域的匹配情况来修改像素值。

开运算 (Morphological Opening)

定义:开运算是先对图像进行腐蚀 (Erosion) 操作,然后对结果进行膨胀 (Dilation) 操作

Opening ( A , B ) = ( A ⊖ B ) ⊕ B \text{Opening}(A, B) = (A \ominus B) \oplus B Opening(A,B)=(AB)B

其中, A A A 是输入图像, B B B 是结构元素, o m i n u s \\ominus ominus 代表腐蚀, o p l u s \\oplus oplus 代表膨胀。

视觉效果与作用

  • 去除小的明亮物体/噪声:能够消除图像中尺寸小于结构元素的孤立亮点或细小连接(“盐”噪声)。
  • 平滑物体轮廓:可以使物体的轮廓变得更加平滑。
  • 断开细窄的连接:如果物体之间有非常细微的连接,开运算可以将其断开,从而分离物体。
  • 打开裂缝或间隙:可以使物体内部的小裂缝变大。
  • 开运算通常不会显著改变较大物体的整体尺寸。

闭运算 (Morphological Closing)

定义:闭运算是先对图像进行膨胀 (Dilation) 操作,然后对结果进行腐蚀 (Erosion) 操作

Closing ( A , B ) = ( A ⊕ B ) ⊖ B \text{Closing}(A, B) = (A \oplus B) \ominus B Closing(A,B)=(AB)B

其中, A A A 是输入图像, B B B 是结构元素。

视觉效果与作用

  • 填充物体内的小孔洞/间隙:能够填充物体内部尺寸小于结构元素的暗区或小孔(“胡椒”噪声)。
  • 连接邻近的物体:可以将空间上非常接近但有细小断裂的物体连接起来。
  • 平滑物体轮廓:同样可以平滑轮廓,但与开运算侧重点不同,它倾向于填充轮廓的凹陷部分。
  • 闭运算通常不会显著改变较大物体的整体尺寸。

OpenCV核心函数:cv::morphologyEx()

OpenCV 中执行开运算和闭运算的主要函数是 cv::morphologyEx()

void cv::morphologyEx(cv::InputArray src,         // 输入图像cv::OutputArray dst,        // 输出图像,可以与 src 相同 (in-place)int op,                     // 形态学操作的类型cv::InputArray kernel,      // 结构元素 (核)cv::Point anchor = cv::Point(-1,-1), // 核的锚点位置,默认是核中心int iterations = 1,         // 操作迭代次数int borderType = cv::BORDER_CONSTANT, // 边界填充模式const cv::Scalar& borderValue = cv::morphologyDefaultBorderValue() // 边界填充值
);

关键参数解释

  • src: 输入图像,可以是单通道或多通道。如果为多通道,则对每个通道独立处理。通常在二值图或灰度图上效果最直观。
  • dst: 输出图像,与 src 具有相同的大小和类型。
  • op: 指定要执行的形态学操作:
    • cv::MORPH_OPEN: 执行开运算。
    • cv::MORPH_CLOSE: 执行闭运算。
    • (还有 cv::MORPH_ERODE, cv::MORPH_DILATE, cv::MORPH_GRADIENT, cv::MORPH_TOPHAT, cv::MORPH_BLACKHAT 等其他操作类型。)
  • kernel: 结构元素。这是一个小的二值(或灰度)矩阵,定义了操作的邻域形状。可以使用 cv::getStructuringElement() 函数来创建。
  • anchor: 结构元素内锚点的位置。默认值 cv::Point(-1, -1) 表示锚点位于核的中心。
  • iterations: 操作执行的次数。增加迭代次数会增强效果。例如,迭代两次开运算相当于 Open(Open(src, kernel), kernel)
  • borderType: 用于推断图像外部像素的边界模式。默认 cv::BORDER_CONSTANT
  • borderValue: 当 borderTypecv::BORDER_CONSTANT 时使用的边界值。

创建结构元素 (Kernel)

使用 cv::getStructuringElement() 函数可以方便地创建常见的结构元素形状:

cv::Mat cv::getStructuringElement(int shape,                 // 结构元素的形状cv::Size ksize,            // 结构元素的大小cv::Point anchor = cv::Point(-1,-1) // 锚点位置,默认中心
);
  • shape:
    • cv::MORPH_RECT: 矩形结构元素。
    • cv::MORPH_ELLIPSE: 椭圆形结构元素。
    • cv::MORPH_CROSS: 十字形结构元素。
  • ksize: 结构元素的尺寸,例如 cv::Size(5, 5) 表示一个 5 t i m e s 5 5 \\times 5 5times5 的核。

C++ 代码示例

以下示例展示了如何使用 OpenCV 在 C++ 中执行开运算和闭运算。

#include <opencv2/opencv.hpp> // 包含OpenCV主头文件
#include <opencv2/imgproc.hpp>  // 图像处理模块int main() {// 1. 加载图像// 请将 "input.png" 替换为你的图像路径// 为演示形态学效果,通常使用二值图或灰度图,这里我们加载后转为灰度图cv::Mat srcImage = cv::imread("input.png", cv::IMREAD_GRAYSCALE);if (srcImage.empty()) {std::cerr << "Error: Could not load image!" << std::endl;return -1;}// (可选) 如果图像不是二值的,可以先进行二值化处理// cv::Mat binaryImage;// cv::threshold(srcImage, binaryImage, 127, 255, cv::THRESH_BINARY);// cv::Mat targetImage = binaryImage; // 处理二值图cv::Mat targetImage = srcImage; // 或者直接处理灰度图// 2. 定义结构元素 (Kernel)int kernelSize = 5; // 核大小,可以调整cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, // 或者 cv::MORPH_ELLIPSE, cv::MORPH_CROSScv::Size(kernelSize, kernelSize));// 对于椭圆或十字形,(2*n+1, 2*n+1) 确保对称性,如 cv::Size(2*2+1, 2*2+1) 即 5x5// 3. 执行开运算cv::Mat openedImage;cv::morphologyEx(targetImage, openedImage, cv::MORPH_OPEN, kernel);// 4. 执行闭运算cv::Mat closedImage;cv::morphologyEx(targetImage, closedImage, cv::MORPH_CLOSE, kernel);// 5. (可选) 增加迭代次数以增强效果cv::Mat openedImage_iter2;cv::morphologyEx(targetImage, openedImage_iter2, cv::MORPH_OPEN, kernel, cv::Point(-1,-1), 2); // 迭代2次cv::Mat closedImage_iter2;cv::morphologyEx(targetImage, closedImage_iter2, cv::MORPH_CLOSE, kernel, cv::Point(-1,-1), 2); // 迭代2次// 6. 显示结果cv::imshow("Original Image", targetImage);cv::imshow("Opened Image (1 iter)", openedImage);cv::imshow("Closed Image (1 iter)", closedImage);cv::imshow("Opened Image (2 iter)", openedImage_iter2);cv::imshow("Closed Image (2 iter)", closedImage_iter2);// (可选) 保存结果// cv::imwrite("opened_image.png", openedImage);// cv::imwrite("closed_image.png", closedImage);cv::waitKey(0); // 等待按键cv::destroyAllWindows(); // 关闭所有窗口return 0;
}

编译命令示例 (g++):

g++ your_code_file.cpp -o morphological_ops `pkg-config --cflags --libs opencv4`

(如果你的 pkg-config 配置的是 opencv 而不是 opencv4,请相应修改。)

关键参数及其影响

  • 结构元素 (Kernel) 的大小和形状

    • 大小:核越大,影响范围越大。开运算会移除更大的物体,闭运算会填充更大的孔洞或连接更远的物体。过大的核可能会过度平滑或扭曲重要特征。
    • 形状:核的形状决定了操作的“方向性”和效果。例如,水平线状的核在去除垂直噪声时比方形核更有效。选择与待处理特征形状相似的核通常效果更好。
  • 迭代次数 (Iterations)

    • 多次迭代会增强操作的效果。例如,迭代两次的开运算比迭代一次的开运算去除噪声的能力更强,平滑效果也更明显。但同样,过多迭代可能导致细节丢失。

重要注意事项

  1. 输入图像类型

    • 形态学操作在二值图像上定义最清晰,效果也最直观。
    • 对于灰度图像,腐蚀操作会将像素值替换为其邻域内的最小值,膨胀则替换为最大值。开闭运算也相应基于此。
    • 对于彩色图像cv::morphologyEx 会独立应用于每个颜色通道。这有时可能不是期望的效果。通常,处理彩色图像的形态学问题时,会先将其转换为灰度图或提取特定通道进行处理。
  2. 核的选择:选择合适的核大小和形状对结果至关重要,需要根据具体问题和图像特征进行实验和调整。

  3. 边界处理 (borderType):默认的 cv::BORDER_CONSTANT(用0填充)在大多数情况下是合适的。但在某些特殊应用中,可能需要考虑其他边界处理方式。

  4. 性能:对于大图像或大核以及多次迭代,形态学操作可能会比较耗时。

典型应用场景

开运算 (MORPH_OPEN)

  • 去除椒盐噪声中的“盐”部分(小的亮斑):尤其当噪声点小于结构元素时。
  • 分离物体:断开两个物体之间细微的连接处,使得它们在后续处理中被识别为独立个体。
  • 平滑轮廓:去除物体轮廓上的小的突出部分。
  • 获取背景:在某些情况下,用一个非常大的结构元素进行开运算可以估计图像的背景(如文本去除)。

闭运算 (MORPH_CLOSE)

  • 去除椒盐噪声中的“胡椒”部分(小的暗斑或孔洞)
  • 连接断裂的轮廓:弥合物体轮廓上的小缺口。
  • 填充物体内部的小孔
  • 合并邻近的区域:将一些小的、分离的区域连接成一个更大的区域。

开源项目中的应用

OpenCV 的形态学开闭运算作为基础的图像预处理和后处理步骤,广泛应用于各种计算机视觉相关的开源项目中:

  1. 物体检测与分割

    • 在得到初步的物体掩码 (mask) 后,使用闭运算填充掩码内部的小孔,使用开运算去除掩码外的孤立小噪点,使掩码更完整平滑。
    • 例如,在行人检测或车辆检测后,对检测框内的像素区域进行形态学处理以优化形状。
  2. 光学字符识别 (OCR)

    • 对扫描的文档图像进行预处理,使用闭运算连接字符中断裂的部分,使用开运算去除墨迹污点或背景噪声,从而提高字符识别的准确率。
  3. 医学图像分析

    • 在细胞计数或组织分析中,使用开运算分离粘连的细胞,使用闭运算填充细胞内部的空隙或修复细胞膜的断裂。
    • 去除X光片、MRI图像中的噪声或伪影。
  4. 工业自动化与缺陷检测

    • 在产品表面缺陷检测中,使用形态学操作增强缺陷区域(如划痕、孔洞),或去除背景纹理的干扰。
    • 对传送带上的物体进行分割和计数,形态学操作可用于改善分割效果。
  5. 文档扫描与增强

    • 类似OCR场景,用于清理扫描文档,去除背景斑点,增强文字对比度等。
  6. 机器人视觉与导航

    • 在基于视觉的路径规划中,对环境感知得到的地图或障碍物信息进行形态学处理,如闭运算填充感知盲区,开运算去除传感器噪声。

这些项目中,开闭运算往往不是单独使用,而是作为更复杂算法流程中的一个或多个步骤,与其他图像处理技术(如滤波、边缘检测、阈值化)结合,以达到最终的目标。

结论

OpenCV 中的形态学开运算和闭运算是强大且灵活的图像处理工具。通过精心选择结构元素和操作参数,它们能够有效地改善图像质量、提取有用特征、简化后续分析任务。理解其原理并熟练运用 cv::morphologyEx 函数,对于任何使用 C++ 和 OpenCV 进行图像处理的开发者来说都至关重要。

相关文章:

c/c++的opencv开闭操作

OpenCV 中的形态学开运算与闭运算 (C) 在计算机视觉和图像处理领域&#xff0c;形态学操作是用于分析和处理图像形状的一系列非线性操作。OpenCV 作为一个强大的开源计算机视觉库&#xff0c;提供了丰富的形态学转换函数。其中&#xff0c;“开运算”&#xff08;Opening&…...

Linux利用多线程和线程同步实现一个简单的聊天服务器

1. 概述 本文实现一个基于TCP/IP的简单多人聊天室程序。它包含一个服务器端和一个客户端&#xff1a;服务器能够接收多个客户端的连接&#xff0c;并将任何一个客户端发来的消息广播给所有其他连接的客户端&#xff1b;客户端则可以连接到服务器&#xff0c;发送消息并接收来自…...

无人机遥控器光纤通信模块技术要点!

一、技术要点 1. 长距离低损耗传输 采用单模光纤&#xff08;如G.654.E光纤&#xff09;&#xff0c;利用光纤的低衰减特性&#xff08;0.17 dB/km以下&#xff09;&#xff0c;支持10公里以上的远距离通信&#xff0c;突破了传统无线信号因衰减导致的覆盖限制。例如&…...

深入解析OkHttp与Retrofit:Android网络请求的黄金组合

前言 在移动应用开发中&#xff0c;网络请求是连接客户端与服务器的关键桥梁。对于Android开发者而言&#xff0c;OkHttp和Retrofit这对组合已经成为处理网络请求的事实标准。本文将全面剖析这两个框架的设计理念、核心功能、协同关系以及最佳实践&#xff0c;帮助开发者构建高…...

Python操作PDF书签详解 - 添加、修改、提取和删除

目录 简介 使用工具 Python 向 PDF 添加书签 添加书签 添加嵌套书签 Python 修改 PDF 书签 Python 展开或折叠 PDF 书签 Python 提取 PDF 书签 Python 删除 PDF 书签 简介 PDF 书签是 PDF 文件中的导航工具&#xff0c;通常包含一个标题和一个跳转位置&#xff08;如…...

Spring Boot与Kafka集成实践:从入门到实战

Spring Boot与Kafka集成实践 引言 在现代分布式系统中&#xff0c;消息队列是不可或缺的组件之一。Apache Kafka作为一种高吞吐量的分布式消息系统&#xff0c;广泛应用于日志收集、流处理、事件驱动架构等场景。Spring Boot作为Java生态中最流行的微服务框架&#xff0c;提供…...

luckysheet的使用——17.将表格作为pdf下载到本地

luckysheet源码里面自带有打印按钮&#xff0c;但是功能是无法使用的&#xff0c;所以我把该功能重写了一遍 1.在menuButton.js文件中找到源码打印按钮的触发事件&#xff1a; $("#luckysheet-icon-print").click(function () {}2.使用自己写的挂载方法 window.pr…...

矿井支架LCYVB-6钢丝编织护套连接器介绍

LCYVB-6钢丝编织护套连接器是一种专为矿井支架设计的连接装置&#xff0c;主要用于增强支架的稳定性和安全性。该连接器采用高强度钢丝编织护套&#xff0c;具有优异的抗拉强度和耐磨性&#xff0c;适用于恶劣的矿井环境。 主要特点 高强度钢丝编织护套&#xff1a;采用优质钢…...

git仓库中.git 文件很大,怎么清理掉一部分

查询 .git 文件大小&#xff0c;在 git-bash 里执行&#xff08;后面有些命令不能执行&#xff0c;也请在 git-bash 里执行&#xff09; windows11 安装好后右键没有 git bash 命令-CSDN博客 du -sh .git // 592m .git 操作前最好先备份一份&#xff0c;避免推送到远程时出错…...

Qt框架核心组件完全指南:从按钮交互到定时器实现

文章目录 前言一、QAbstractButton 按钮类概述1.1 常用属性1.2 常用信号1.3QButtonGroup 按钮组 二、QComboBox 组合框三、若干与数字相关的组件四、QString 字符串类五、Qt容器类5.1 顺序容器 QList5.2 关联容器 QMap 六、QVariant七、跨平台数据类型7.1 基础数据类型7.2 特殊…...

Axure设计数字乡村可视化大屏:从布局到交互的实战经验分享

乡村治理正从传统模式向“数据驱动”转型。数字乡村可视化大屏作为数据展示的核心载体&#xff0c;不仅能直观呈现乡村发展全貌&#xff0c;还能为决策提供科学依据。本文以Axure为工具&#xff0c;结合实际案例&#xff0c;分享如何从零设计一个功能完备、交互流畅的数字乡村大…...

60天python训练计划----day30

DAY 30 模块和库的导入 知识点回顾&#xff1a; 导入官方库的三种手段导入自定义库/模块的方式导入库/模块的核心逻辑&#xff1a;找到根目录&#xff08;python解释器的目录和终端的目录不一致&#xff09; 一.导入官方库 我们复盘下学习python的逻辑&#xff0c;所谓学习pyth…...

HJ3 明明的随机数【牛客网】

文章目录 零、原题链接一、题目描述二、测试用例三、解题思路3.1 快排去重3.2 散列 四、参考代码4.1 快排去重4.2 散列 零、原题链接 HJ3 明明的随机数 一、题目描述 二、测试用例 三、解题思路 3.1 快排去重 基本思路&#xff1a;   先将序列进行快速排序&#xff0c;然后…...

BGP选路

一、拓扑图 二、要求及分析 1.要求 1.使用Preva1策略&#xff0c;确保R4通过R2到达192.168.10.0/24 2、用As Path策略&#xff0c;确保R4通过R3到达192.168.11.0/24 3.配置MED策略&#xff0c;确保R4通过R3到达192.168.12.0/24 4.使用Local Preference策略&#xff0c;确保…...

践行“科学智能”!和鲸打造 AI for Science 专属应用

AI for good, AI for Science. 在传统科研领域&#xff0c;人力与经验的局限始终如影随形。而“AI for Science”正逐渐改变科学研究的模式&#xff0c;以科学数据为基石、以强大算力为支撑&#xff0c;借助人工智能技术&#xff0c;开展计算密集度高且能够实现高效迭代的科学…...

【vs2022的C#窗体项目】打开运行+sql Server改为mysql数据库+发布

1. vs2022打开运行原sql Server的C#窗体项目更改为mysql数据库 1.1. vs2022安装基础模块即可 安装1️⃣vs核心编辑器2️⃣.net桌面开发必选&#xff0c;可选均不安装&#xff01;&#xff01;&#xff01; 为了成功连接mysql数据库&#xff0c;需要安装组件NuGet包管理器 安…...

wpf DataGrid 行选择事件

在WPF中处理DataGrid行选择事件主要有以下几种实现方式: 1.SelectionChanged事件处理 ‌ 通过直接订阅DataGrid的SelectionChanged事件实现行选择响应: <DataGrid SelectionChanged="DataGridAccurateLocationList_SelectionChanged" .../>后台代码中处理…...

Spring Cloud Seata 深度解析:原理与架构设计

文章目录 前言&#xff1a;为什么我们需要理解分布式事务&#xff1f;一、Seata 核心架构深度拆解1.1 分布式事务核心模型1.2 Seata undo_log 存储结构与版本控制存储结构版本控制核心算法 1.3 Seata 事务模型深度对比与实现原理AT 模式&#xff08;Auto Transaction&#xff0…...

从产品展示到工程设计:3DXML 转 STP 的跨流程数据转换技术解析

在数字化设计与制造领域&#xff0c;不同格式的三维模型文件常常需要进行转换&#xff0c;以满足不同软件和工作流程的需求。3DXML 和 STP&#xff08;STEP AP214/AP242&#xff09;是工业领域常用的两种三维模型文件格式&#xff0c;3DXML 格式以其轻量化和便于网络传输、可视…...

基于RT-Thread的STM32F4开发第五讲——软件模拟I2C

文章目录 前言一、RT-Thread工程创建二、AT24C02三、函数编写1.I2C_soft.c2.I2C_soft.h3.main.h 四、效果展示五、资源分享总结 前言 本章是基于RT-Thread studio实现软件模拟I2C&#xff0c;开发板是正点原子的STM32F4探索者&#xff0c;使用的RT-Thread驱动是5.1.0&#xff0…...

pkucpc2025 L:Game on Tree

题意 两个人在一棵无根树上玩游戏&#xff0c;每次可以删掉若干个叶子节点&#xff0c;不能操作的人输。 思路 比赛的时候我去写H Quintuple了&#xff0c;队友貌似在我写的时候把这道题讨论出来了。 后来补题的时候花了大概花了70分钟左右ac这道题。 首先考虑一条链的情况…...

大数据实时分析:ClickHouse、Doris、TiDB 对比分析

随着企业对数据分析实时性、复杂性和多样性的要求越来越高,传统的批处理数仓已经无法满足实时指标看板、流量监控、用户行为分析等场景需求。因此,越来越多的公司开始引入实时分析型数据库系统。 目前,国内外常见的实时分析数据库有: ClickHouse:列式数据库,极致的分析性…...

网络流量分析系统的十大应用场景

在现代企业和组织的IT运维体系中&#xff0c;网络流量分析系统&#xff08;Network Traffic Analysis, NTA&#xff09;早已不仅仅是用来查看带宽使用率的“流量计数器”。随着网络环境的复杂化、攻击技术的不断演进&#xff0c;以及对业务连续性要求的提升&#xff0c;网络流量…...

问题 | 代码审查:函数是否包含返回语句

“函数是否包含返回语句”这一问题的核心是&#xff1a;在编程中&#xff0c;函数是否按照设计要求正确使用了 返回语句&#xff08;如 return、return value&#xff09;&#xff0c;以便向调用者传递结果或控制权。以下是详细解释&#xff1a; 1. 什么是函数的返回语句&#…...

Spring Bean 生命周期中设计模式的应用与解析

Spring Bean 生命周期中使用的设计模式 Spring Bean 的生命周期涉及多个阶段和扩展点&#xff0c;Spring 框架在这一过程中巧妙运用了多种设计模式&#xff0c;以实现强大的功能和灵活性。以下是主要设计模式及其应用场景&#xff1a; 1. 工厂模式&#xff08;Factory Patter…...

设计模式的原理及深入解析

创建型模式 创建型模式主要关注对象的创建过程&#xff0c;旨在通过不同的方式创建对象&#xff0c;以满足不同的需求。 工厂方法模式 定义&#xff1a;定义一个创建对象的接口&#xff0c;让子类决定实例化哪一个类。 解释&#xff1a;工厂方法模式通过定义一个创建对象的…...

kotlin flow的两种SharingStarted策略的区别

一 两种 SharingStarted 策略的区别&#xff1a; SharingStarted.Eagerly: 立即开始收集上游流&#xff0c;即使没有下游订阅者持续保持活跃状态&#xff0c;直到 ViewModel 被清除优点&#xff1a;响应更快&#xff0c;数据始终保持最新缺点&#xff1a;消耗更多资源&#x…...

BGP综合实验(2)

一、实验需求 1、实验拓扑图 2、实验需求 使用 PreVal 策略&#xff0c;让 R4 经 R2 到达 192.168.10.0/24 。 使用 AS_Path 策略&#xff0c;让 R4 经 R3 到达 192.168.11.0/24 。 配置 MED 策略&#xff0c;让 R4 经 R3 到达 192.168.12.0/24 。 使用 Local Preference 策…...

python使用jsonpath-ng库操作json数据

jsonpath-ng 库的详细使用如下&#xff1a; 一、安装与导入 安装 通过 pip 安装库&#xff1a; pip install jsonpath-ng支持 Python 3.6 及以上版本。 导入核心模块 主要使用 parse 函数和 JSONPath 对象&#xff1a; from jsonpath_ng import parse二、基础查询操作 1. 简单…...

通用简洁工作汇报项目评估营销策划工作总结年终汇报PPT模版8套一组分享

工作总结汇报PPT模版8套一组分享&#xff1a;工作总结汇报PPT模版分享https://pan.quark.cn/s/04b7ab7a47c4 第一套PPT模版&#xff0c;主要是黄色和灰色调&#xff0c;上方有大面积黄色不规则形状背景&#xff0c;有“POWERPOINT”和“XXXXPPT模版”字样&#xff0c;左侧是黑…...

掌握Git:版本控制与高效协作指南

一、初始Git 提出问题&#xff1a;无论是在工作还是学习&#xff0c;我们在编写各种文档的时候&#xff0c;更改失误&#xff0c;失误后恢复到原来版本&#xff0c;不得不复制出一个副本。 每个版本由各自的内容&#xff0c;但最终只有一个报告需要被我们使用。 但在此之前的…...

ubuntu下配置vscode生成c_cpp_properties.json

-------------学习记录--------------- 在ubuntu下使用vscode时发现cpp文件无法读到头文件&#xff0c;明明头文件在合适的路径下&#xff0c;由于没有制定头文件的路径造成的这个问题。用这篇文章进行简单记录解决方法 ctrlshiftp打开命令面板&#xff0c;也可以点击左上角, …...

Qt读取Excel文件的技术实现与最佳实践

目录 一、成果展示二、核心方法及原理1. QAxObject&#xff08;基于COM接口&#xff09;2. 第三方库QXlsx3. ODBC数据库驱动 三、实现步骤详解1. QAxObject读取Excel&#xff08;需安装Excel/WPS&#xff09;2. QXlsx读取Excel&#xff08;跨平台方案&#xff09; 四、技术选型…...

双条件拆分工作表,一键生成独立工作簿-Excel易用宝

你是否遇到过这样的崩溃瞬间&#xff1f;面对一张密密麻麻的销售数据表&#xff0c;需要按指定维度拆分成工作簿和工作表&#xff0c;而你却只能手动复制粘贴到不同工作簿、工作表&#xff0c;改一个字段就花半小时&#xff0c;数据量大时甚至要熬夜加班&#xff1f; 别担心&a…...

iOS 蓝牙开发中的 BT 与 BLE

在 iOS 开发者的语境里,大家把 BT 和 BLE 当成两种不同的蓝牙技术在谈——它们来自同一个 Bluetooth 规范,但面向的场景、协议栈乃至 Apple 提供的 API 都截然不同。 缩写全称 / 技术名称规范层叫法iOS 支持现状典型用途BTBluetooth Classic(经典蓝牙)又叫 BR/EDR(Basic R…...

TCP和套接字SSL加密连接行为分析

目录 一、前言 二、背景 三、参数介绍 3.1、 have_openssl 3.2、have_ssl 3.3、require_secure_transport 四、--ssl-modemode 五、CREATE USER SSL/TLS选项 六、问题验证 6.1、使用套接字连接 6.2、使用TCP连接 七、分析与总结 一、前言 SSL&#xff08;Secure S…...

kafka 问与答

kafka Q&A How does the client connect to kafka and discovery the brokers. client 只需要知道一部分nodes(brokers)的地址既可以&#xff0c;client 会自动发现剩下的所有topic partition leader nodes, 然后连接上。 When a client connects:It uses the bootstrap…...

docker默认存储迁移

在容器化场景下默认存储路径为&#xff08;/var/lib/docker&#xff09;大多数平台根目录不支持系统盘扩容&#xff0c;会有空间不足风险隐患&#xff0c;因未配置持久化存储导致容器数据丢失。以迁移Docker存储路径至大容量/data目录说明 一、停止容器 systemctl stop docke…...

Ubuntu20.04系统下使用交叉编译工具链(aarch、x86)交叉编译opencv4.5.0

文章目录 0. 引言1. 准备交叉编译工具链2. 安装依赖工具3. 下载 OpenCV 源码4. 创建交叉编译工具链文件5. 配置 CMake 构建6. 构建 OpenCV7. 安装 OpenCV8. 验证9. 问题及解决办法 0. 引言 Ubuntu20.04系统下使用交叉编译工具链&#xff08;aarch、x86&#xff09;交叉编译ope…...

R语言数据可视化

R note book 文档–输出html格式文档&#xff0c;plotly不能生成PDF文件 --- title: "R语言数据可视化" output: html_notebook ---在R语言中进行数据可视化是数据分析和呈现的重要环节&#xff0c;R提供了多种强大的绘图系统和工具。以下是常见的数据可视化方法和示…...

NLP学习路线图(一): 线性代数(矩阵运算、特征值分解等)

引言&#xff1a;语言与矩阵的奇妙邂逅 在自然语言处理&#xff08;NLP&#xff09;的魔法世界里&#xff0c;每个词语都像被施了变形术的精灵&#xff0c;在数学的殿堂中翩翩起舞。当我们用"king - man woman queen"这样的向量魔法破解语义密码时&#xff0c;线性…...

【滑动窗口】LeetCode 1004题解 | 最大连续1的个数 Ⅲ

最大连续1的个数 Ⅲ 一、题目链接二、题目三、题目解析四、算法原理解法一&#xff1a;暴力枚举 zero计数器解法二&#xff1a;滑动窗口 五、编写代码六、时空复杂度 一、题目链接 最大连续1的个数 Ⅲ 二、题目 三、题目解析 注意题目中说的是最多k次&#xff0c;在一个数组…...

Linux 内核等待机制详解:prepare_to_wait_exclusive 与 TASK_INTERRUPTIBLE

1. prepare_to_wait_exclusive 函数解析 1.1 核心作用 prepare_to_wait_exclusive 是 Linux 内核中用于将进程以独占方式加入等待队列的关键函数,其主要功能包括: 标记独占等待:通过设置 WQ_FLAG_EXCLUSIVE 标志,表明此等待条目是独占的。 安全入队:在自旋锁保护下,将条…...

分布式数据库TiDB:深度解析原理、优化与架构设计

&#x1f482; 个人网站:【 摸鱼游戏】【神级代码资源网站】【星海网址导航】 一、TiDB架构设计与核心原理 1.1 分布式架构演进 传统分库分表 vs TiDB架构 #mermaid-svg-8I88Hg2AVkzYTb3O {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fi…...

【深度学习基础】损失函数与优化算法详解:从理论到实践

【深度学习基础】损失函数与优化算法详解&#xff1a;从理论到实践 一、引言 1. 损失函数与优化算法在深度学习中的核心作用 在深度学习中&#xff0c;模型训练的本质是通过不断调整参数&#xff0c;使模型输出尽可能接近真实值。这一过程的核心驱动力是损失函数&#xff08;…...

睿抗足球机器人

目录 大框架 战术 Lua脚本语言编辑环境 大框架 策略脚本&#xff08;LUA-官方脚本&#xff09;、决策算法&#xff08;C-自定义&#xff09;、ROS系统 战术 我们研究了场地的长度、宽度、禁区范围、机器人运动速度等等&#xff0c;发现即使 Kicker 点球往极端角度踢&#xf…...

助力DBA技能无缝平迁 | YashanDB携最新成果亮相XCOPS智能运维管理人年会

5 月 16 日&#xff0c;由上海市软件行业协会、上海市计算机行业协会指导&#xff0c; dbaplus社群主办的XCOPS智能运维管理人年会在广州盛大召开&#xff0c;活动汇聚500余名金融、政府、能源、教育、电信、交通等领域的行业专家。深算院崖山数据库受邀参会&#xff0c;系统性…...

服务端安全测试:OWASP ZAP使用

ZAP下载地址:https://www.zaproxy.org/download/ ZAP有两种扫描方式: 1、使用 OpenAPI / Swagger 地址进行扫描 2、ZAP Proxy + Postman 因为业务云没有添加swagger插件所以本次介绍第2种方式。 【第一步】设置 ZAP 的代理端口(默认是 127.0.0.1:8080) 成功安装并打…...

Amazon Q 从入门到精通 – 测试与重构

Amazon Q Developer 是亚马逊推出的一个专为专业开发人员设计的人工智能助手&#xff0c;旨在提升代码开发和管理效率。其主要功能包括代码生成、调试、故障排除和安全漏洞扫描&#xff0c;提供一站式代码服务。 众所周知&#xff0c;在软件开发领域&#xff0c;测试代码是软件…...

[CSS3]属性增强2

空间转换 使用transform属性实现元素在空间内的位移、旋转、缩放等效果 空间: 是从坐标轴角度定义的。x、y 和z三条坐标轴构成了一个立体空间&#xff0c;z轴位置与视线方向相同。空间转换也叫3D转换 空间位移 使用translate实现元素空间位移效果 transform: translate3d(x…...