opencv/c++的一些简单的操作（入门）

目录

读取图片

读取视频

读取摄像头

图像处理

腐蚀

膨胀

调整图像大小

裁剪和缩放

 绘制

绘制矩形

绘制圆形

绘制线条

透视变换

颜色检测

轮廓查找

人脸检测

检测人脸

检测嘴巴

可适当调整参数

读取图片

读取路径widows使用vis sto一定是\斜杠

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
​
using namespace cv;
using namespace std;
​
int main()
{string path = "Resources\test.png";Mat img = imread(path);imshow("Image", img);waitKey(0); 
​return 0;
}
​

读取视频

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
​
using namespace cv;
using namespace std;
​
int main()
{string path = "Resources/test_video.mp4";VideoCapture cap(path); //视频捕捉对象Mat img;while (true) {
​cap.read(img);
​imshow("Image", img);waitKey(1);}return 0;
}
​

读取摄像头

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
​
using namespace cv;
using namespace std;
​
int main()
{VideoCapture cap(0);Mat img;
​while (true) {
​cap.read(img);
​imshow("Image", img);waitKey(1);}
​return 0;
}
​

图像处理

腐蚀

图像腐蚀的主要作用包括：

  • 去除图像中的小噪声点。

  • 使物体边界收缩，细化物体的形状。

#include <iostream>
#include <opencv2/opencv.hpp>
​
using namespace std;
using namespace cv;
​
int main() {// 读取图像Mat img = imread("D:/桌面文件/fushi.png");if (img.empty()) {cout << "Could not open or find the image." << endl;return -1;}
​// 转换为灰度图像（腐蚀操作通常在灰度图像上进行效果更好）Mat grayImg;cvtColor(img, grayImg, COLOR_BGR2GRAY);
​// 创建结构元素（核）Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5));
​// 进行腐蚀操作Mat erodedImg;erode(grayImg, erodedImg, kernel);
​// 显示原始图像和腐蚀后的图像imshow("Original Image", img);imshow("Eroded Image", erodedImg);waitKey(0);destroyAllWindows();
​return 0;
}

  1. getStructuringElement(MORPH_RECT, Size(5, 5))：

    • 用于创建一个特定形状和大小的结构元素（也称为核），用于形态学操作。

    • MORPH_RECT表示创建一个矩形形状的结构元素。还可以选择其他形状，如MORPH_ELLIPSE（椭圆）、MORPH_CROSS（十字形）等。

    • Size(5, 5)指定了结构元素的大小，这里是一个 5x5 的矩形。

膨胀

图像膨胀的主要作用包括：

  • 使物体边界扩张，连接断开的部分。

  • 填充物体内部的小孔和狭窄的缝隙。

#include <iostream>
#include <opencv2/opencv.hpp>
​
using namespace std;
using namespace cv;
​
int main() {// 读取图像Mat img = imread("D:/桌面文件/peng.png");if (img.empty()) {cout << "Could not open or find the image." << endl;return -1;}
​// 转换为灰度图像（膨胀操作通常在灰度图像上进行效果更好）Mat grayImg;cvtColor(img, grayImg, COLOR_BGR2GRAY);
​// 创建结构元素（核）Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5));
​// 进行膨胀操作Mat dilatedImg;dilate(grayImg, dilatedImg, kernel);
​// 显示原始图像和膨胀后的图像imshow("Original Image", img);imshow("Dilated Image", dilatedImg);waitKey(0);destroyAllWindows();
​return 0;
}

 

调整图像大小

裁剪和缩放

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
​
using namespace cv;
using namespace std;
​
int main()
{string path = "resources/test.png";Mat img = imread(path);Mat imgResize, imgCrop;
​cout << img.size() << endl;resize(img, imgResize, Size(), 0.5, 0.5);
​Rect roi(200, 100, 300, 300);imgCrop = img(roi);
​imshow("Image", img);imshow("ImageResieze", imgResize);imshow("ImageCrop", imgCrop);waitKey(0);
​return 0;
}
​

 绘制

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main() {// 读取图像Mat img = imread("your_image.jpg");if (img.empty()) {cout << "Could not open or find the image." << endl;return -1;}// 绘制矩形rectangle(img, Rect(50, 50, 200, 150), Scalar(0, 255, 0), 2);// 绘制圆形circle(img, Point(300, 300), 100, Scalar(255, 0, 0), 2);// 绘制线条line(img, Point(100, 400), Point(400, 400), Scalar(0, 0, 255), 2);// 显示图像imshow("Image with Shapes", img);waitKey(0);destroyAllWindows();return 0;
}

绘制矩形

  • 使用rectangle函数可以绘制矩形。

  • 语法：void rectangle(Mat& img, Point pt1, Point pt2, const Scalar& color, int thickness = 1, int lineType = LINE_8, int shift = 0);

  • 参数解释：

    • img：要在其上绘制矩形的图像。

    • pt1：矩形的一个顶点。

    • pt2：矩形的对角顶点。

    • color：矩形的颜色。

    • thickness：矩形边框的粗细。如果为负值，则绘制填充的矩形。

    • lineType：线条类型。

    • shift：坐标点的小数位数。

绘制圆形

  • 使用circle函数可以绘制圆形。

  • 语法：void circle(Mat& img, Point center, int radius, const Scalar& color, int thickness = 1, int lineType = LINE_8, int shift = 0);

  • 参数解释：

    • img：要在其上绘制圆形的图像。

    • center：圆形的圆心。

    • radius：圆形的半径。

    • color：圆形的颜色。、

    • thickness：圆形边框的粗细。如果为负值，则绘制填充的圆形。

    • lineType：线条类型。

    • shift：坐标点的小数位数。

例：  circle(img, Point(256, 256), 155, Scalar(0, 69, 255), FILLED);

绘制线条

  • 使用line函数可以绘制线条。

  • 语法：void line(Mat& img, Point pt1, Point pt2, const Scalar& color, int thickness = 1, int lineType = LINE_8, int shift = 0);

  • 参数解释：

    • img：要在其上绘制线条的图像。

    • pt1：线条的一个端点。

    • pt2：线条的另一个端点。

    • color：线条的颜色。

    • thickness：线条的粗细。

    • lineType：线条类型。

    • shift：坐标点的小数位数。

例：  line(img, Point(130, 296), Point(382, 296), Scalar(255, 255, 0), 2);

使用putText函数可以在图像上绘制文字。

  • 语法：void putText(Mat& img, const String& text, Point org, int fontFace, double fontScale, Scalar color, int thickness = 1, int lineType = LINE_8, bool bottomLeftOrigin = false);

  • 参数解释：

    • img：要在其上绘制文字的图像。

    • text：要绘制的文字内容。

    • org：文字的左下角坐标。

    • fontFace：字体类型。可以使用cv::HersheyFonts中的预定义字体。

    • fontScale：字体大小的缩放因子。

    • color：文字的颜色。

    • thickness：文字的粗细。

    • lineType：线条类型。

    • bottomLeftOrigin：如果为true，则文字的原点在图像的左下角，否则在左上角。

例：  putText(img, "你好 Opencv", Point(137, 262), FONT_HERSHEY_DUPLEX, 0.95, Scalar(0, 69, 255), 2);
​

 

若不支持中文的话，可以换第三方库试试。

透视变换

（简单理解就是把斜的东西摆正）

变换后

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
​
using namespace cv;
using namespace std;
​
float w = 750, h = 170;
Mat matrix, imgWarp;
​
int main()
{string path = "D:/桌面文件/card.jpg";Mat img = imread(path);
​Point2f src[4] = { {67, 519}, {452, 31}, {197, 609}, {701, 167} };Point2f dst[4] = { {0.0f, 0.0f}, {w, 0.0f}, {0.0f, h}, {w, h} };
​matrix = getPerspectiveTransform(src, dst);warpPerspective(img, imgWarp, matrix, Point(w, h));
​for (int i = 0; i < 4; i++) {circle(img, src[i], 10, Scalar(0, 0, 255), FILLED);}
​imshow("Image", img);imshow("ImageWarp", imgWarp);waitKey(0);
​return 0;
}
​

  1. matrix = getPerspectiveTransform(src, dst);

    • 使用getPerspectiveTransform函数计算从原始图像的四个角点（src）到目标图像的四个角点（dst）的透视变换矩阵，并将结果存储在matrix中。

  2. warpPerspective(img, imgWarp, matrix, Point(w, h));

    • 使用计算得到的透视变换矩阵matrix对原始图像img进行透视变换，得到变换后的图像imgWarp。

    • 第三个参数是透视变换矩阵。

    • 最后一个参数Point(w, h)指定了输出图像的大小，这里是宽度为w，高度为h。

一、原始图像中的四个点（src）

  1. 这些点通常是在原始图像上手动选择或通过某种算法确定的。

  2. 它们定义了原始图像中要进行透视变换的区域。例如，如果要对原始图像中的一个矩形区域进行变换，这四个点就是该矩形的四个角点。

  3. 点的顺序通常是按照顺时针或逆时针方向排列，以确保正确定义四边形的形状和方向。

二、目标图像中的四个点（dst）

  1. 这些点指定了透视变换后图像中相应四边形的四个角点的位置。

  2. 通过指定目标点的位置，可以控制透视变换后图像的形状和大小。

  3. 同样，点的顺序也应该与原始图像中的点的顺序相对应，以确保正确的变换。

颜色检测

颜色识别蓝色

效果如下

代码如下

#include <iostream>
#include <opencv2/opencv.hpp>
​
using namespace std;
using namespace cv;
​
int main() {Mat img = imread("your_image.jpg");if (img.empty()) {cout << "Could not open or find the image" << endl;return -1;}
​Mat hsvImg;cvtColor(img, hsvImg, COLOR_BGR2HSV);
​Scalar lowerBlue(100, 50, 50);Scalar upperBlue(130, 255, 255);
​Mat blueMask;inRange(hsvImg, lowerBlue, upperBlue, blueMask);
​imshow("Original Image", img);imshow("Blue Mask", blueMask);waitKey(0);destroyAllWindows();
​return 0;
}

1. 转换颜色空间

通常将图像从 BGR（Blue-Green-Red）颜色空间转换为 HSV（Hue-Saturation-Value）颜色空间，因为在 HSV 空间中更容易进行颜色检测。

Mat hsvImg;
cvtColor(img, hsvImg, COLOR_BGR2HSV);

2. 定义颜色范围

确定要检测的颜色范围，在 HSV 颜色空间中，颜色可以用一个范围来表示。例如，对于蓝色：

Scalar lowerBlue(100, 50, 50);
Scalar upperBlue(130, 255, 255);

这里，lowerBlue和upperBlue分别定义了蓝色的下限和上限范围。你可以根据需要调整这些值来检测不同的颜色。

3. 进行颜色检测

使用inRange函数在 HSV 图像中检测指定颜色范围内的像素。

Mat blueMask;
inRange(hsvImg, lowerBlue, upperBlue, blueMask);

这将创建一个二值图像，其中在指定颜色范围内的像素为白色（255），其他像素为黑色（0）。

轮廓查找

为了进行形状和轮廓检测，通常将图像转换为灰度图像。

Mat grayImg;
cvtColor(img, grayImg, COLOR_BGR2GRAY);

应用阈值处理或边缘检测

  1. 阈值处理：可以使用cv::threshold函数将灰度图像转换为二值图像，以便更好地检测形状和轮廓。

   Mat binaryImg;threshold(grayImg, binaryImg, 127, 255, THRESH_BINARY);

  1. 边缘检测：也可以使用边缘检测算法，如 Canny 边缘检测，来突出图像中的边缘，从而更容易检测形状和轮廓。

   Mat edges;Canny(grayImg, edges, 50, 150);

四、查找轮廓

使用cv::findContours函数查找图像中的轮廓。

vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(binaryImg, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);

  • Vec4i是一个由四个整数组成的向量，在轮廓层次结构中，每个Vec4i元素代表一个轮廓的层次结构信息。

  • 这四个整数的含义分别是：

    • next：下一个同级轮廓的索引。如果当前轮廓是最后一个同级轮廓，则此值为 -1。

    • previous：上一个同级轮廓的索引。如果当前轮廓是第一个同级轮廓，则此值为 -1。

    • first_child：第一个子轮廓的索引。如果当前轮廓没有子轮廓，则此值为 -1。

    • parent：父轮廓的索引。如果当前轮廓是顶级轮廓（没有父轮廓），则此值为 -1。

参数解释：

  • binaryImg：输入的二值图像。

  • contours：检测到的轮廓，存储为点的向量的向量。

  • hierarchy：轮廓的层次结构信息。

  • RETR_TREE：轮廓检索模式，表示检索所有的轮廓并建立完整的层次结构。

  • CHAIN_APPROX_SIMPLE：轮廓逼近方法，表示压缩水平、垂直和对角线段，只保留它们的端点。

绘制轮廓

可以在原始图像上绘制检测到的轮廓，以便可视化。

Mat resultImg = img.clone();
drawContours(resultImg, contours, -1, Scalar(0, 255, 0), 2);

参数解释：

  • resultImg：要在其上绘制轮廓的图像。

  • contours：检测到的轮廓。

  • -1：表示绘制所有的轮廓。如果传入一个特定的整数索引值（比如 0、1、2 等），那么只会绘制contours集合中对应索引的那个轮廓。

  • Scalar(0, 255, 0)：轮廓的颜色（这里是绿色）。

  • 2：轮廓的线宽。

六、显示结果

最后，显示原始图像和带有轮廓的图像。

imshow("Original Image", img);
imshow("Contours", resultImg);
waitKey(0);
destroyAllWindows();

Vec4i是一个模板类，表示一个由四个整数组成的向量。

具体来说，Vec4i可以存储四个整数值，通常用于表示具有四个分量的向量，例如在图像中表示一个具有四个坐标值的向量或者一个具有四个索引值的向量。

ps:如果你想让他的效果更好，可以用之前的图像膨胀和图像腐蚀

完整代码如下

#include <iostream>
#include <opencv2/opencv.hpp>
​
using namespace std;
using namespace cv;
​
int main() {Mat img = imread("D:/桌面文件/dog.png");if (img.empty()) {cout << "Could not open or find the image" << endl;return -1;}
​Mat grayImg;cvtColor(img, grayImg, COLOR_BGR2GRAY);
​Mat binaryImg;threshold(grayImg, binaryImg, 200, 255, THRESH_BINARY);
​vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(binaryImg, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
​Mat resultImg = img.clone();drawContours(resultImg, contours, -1, Scalar(0, 255, 0), 2);
​imshow("Original Image", img);imshow("Original grayImg", grayImg);imshow("Contours", resultImg);waitKey(0);destroyAllWindows();
​return 0;
}
Mat imgErode;
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5));
erode(binaryImg, imgErode, kernel);

腐蚀后的效果

人脸检测

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/objdetect.hpp>
#include <iostream>
​
using namespace cv;
using namespace std;
​
int main()
{string path = "D:/桌面文件/face.png";Mat img1 = imread(path);
​CascadeClassifier faceCascade;faceCascade.load("D:/桌面文件/md文件大集合/opencv/haarcascade_eye.xml");​if (faceCascade.empty()) { cout << "XML file not loaded" << endl; }
​vector<Rect> faces;faceCascade.detectMultiScale(img1, faces, 1.1, 10);
​for (int i = 0; i < faces.size(); i++){rectangle(img1, faces[i].tl(), faces[i].br(), Scalar(255, 0, 255), 3);}
​imshow("Image", img1);waitKey(0);
​return 0;
}
​

faceCascade.detectMultiScale是 OpenCV 中用于检测对象（这里通常是人脸）的函数。其函数原型如下：

void detectMultiScale( InputArray image,CV_OUT std::vector<Rect>& objects,double scaleFactor = 1.1,int minNeighbors = 3,int flags = 0,Size minSize = Size(),Size maxSize = Size() );

参数解释如下：

  1. image：

    • 输入图像，可以是彩色图像（会在内部被转换为灰度图像进行处理）或灰度图像。

  2. objects：

    • 输出参数，用于存储检测到的对象（如人脸）的矩形区域。它是一个std::vector<cv::Rect>类型的容器，其中每个cv::Rect对象表示一个检测到的对象的位置和大小。

  3. scaleFactor：

    • 图像缩放比例因子。在进行多尺度检测时，每次对图像进行缩放的比例。较小的值会增加检测的时间，但可能检测到更小的对象；较大的值会减少检测时间，但可能错过一些较小的对象。在使用detectMultiScale函数时，缩放因子scaleFactor的取值范围通常在 1.01 到 1.5 之间，但这并不是绝对的，实际取值取决于具体的应用场景和图像特征。较小的缩放因子（如接近 1.01）会使检测过程更加精细，可能检测到更小的目标，但计算时间会增加。较大的缩放因子（如接近 1.5）会加快检测速度，但可能错过一些较小的目标或者不够准确地定位目标。

  4. minNeighbors：

    • 最小邻域数量。在检测过程中，一个候选区域需要至少有这么多个相邻的区域认为它是对象，才会被确认为真正的对象。这个参数可以用来过滤掉一些误检测的区域。

  5. flags：

    • 标志位，通常设置为 0 即可。它可以用来指定一些特殊的检测模式或参数，但在一般情况下不需要修改。

  6. minSize：

    • 最小可能的对象尺寸。检测过程中会忽略比这个尺寸更小的区域，以减少误检测。

  7. maxSize：

    • 最大可能的对象尺寸。检测过程中会忽略比这个尺寸更大的区域，可根据实际情况设置以减少不必要的检测时间或过滤掉过大的误检测区域。

检测眼睛

发现有重复的框，可以使用iou类似的方法删除有交集的框

具体代码如下

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/objdetect.hpp>
#include <iostream>
​
using namespace cv;
using namespace std;
double calculateIoU(const cv::Rect_<int>& rect1, const cv::Rect_<int>& rect2) {int interRectX = std::max(rect1.x, rect2.x);int interRectY = std::max(rect1.y, rect2.y);int interRectWidth = std::min(rect1.x + rect1.width, rect2.x + rect2.width) - interRectX;int interRectHeight = std::min(rect1.y + rect1.height, rect2.y + rect2.height) - interRectY;
​if (interRectWidth <= 0 || interRectHeight <= 0)return 0.0;
​int interArea = interRectWidth * interRectHeight;int unionArea = rect1.area() + rect2.area() - interArea;
​return static_cast<double>(interArea) / unionArea;
}
​
void calculateIoUsForVector( std::vector<cv::Rect_<int>>& rects) {for (size_t i = 0; i < rects.size(); ++i) {for (size_t j = i + 1; j < rects.size(); ++j) {double iou = calculateIoU(rects[i], rects[j]);if (iou > 0.1) {rects.erase(rects.begin()+i);
​
​}std::cout << "IoU between rectangle " << i << " and rectangle " << j << " is: " << iou << std::endl;}}
}int main()
{//std::vector<cv::Rect> faces = { cv::Rect(10, 10, 50, 50), cv::Rect(20, 20, 60, 60),cv::Rect(10, 12, 50, 50) };string path = "D:/桌面文件/faces.png";Mat img1 = imread(path);
​CascadeClassifier faceCascade;faceCascade.load("D:/桌面文件/md文件大集合/opencv/haarcascade_eye.xml");//
​if (faceCascade.empty()) { cout << "XML file not loaded" << endl; }
​vector<Rect> faces;//faceCascade.detectMultiScale(img1, faces);faceCascade.detectMultiScale(img1, faces,1.1, 4);calculateIoUsForVector(faces);for (int i = 0; i < faces.size(); i++){rectangle(img1, faces[i].tl(), faces[i].br(), Scalar(255, 0, 255), 3);}
​imshow("Image", img1);waitKey(0);
​return 0;
}
​

 

检测人脸

检测嘴巴

效果不理想

设置最大最小嘴尺寸后

可适当调整参数

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/objdetect.hpp>
#include <iostream>
​
using namespace cv;
using namespace std;
double calculateIoU(const cv::Rect_<int>& rect1, const cv::Rect_<int>& rect2) {int interRectX = std::max(rect1.x, rect2.x);int interRectY = std::max(rect1.y, rect2.y);int interRectWidth = std::min(rect1.x + rect1.width, rect2.x + rect2.width) - interRectX;int interRectHeight = std::min(rect1.y + rect1.height, rect2.y + rect2.height) - interRectY;
​if (interRectWidth <= 0 || interRectHeight <= 0)return 0.0;
​int interArea = interRectWidth * interRectHeight;int unionArea = rect1.area() + rect2.area() - interArea;
​return static_cast<double>(interArea) / unionArea;
}
​
void calculateIoUsForVector( std::vector<cv::Rect_<int>>& rects) {vector<int> del_nums;for (size_t i = 0; i < rects.size(); ++i) {for (size_t j = i + 1; j < rects.size(); ++j) {double iou = calculateIoU(rects[i], rects[j]);if (iou > 0.1) {del_nums.push_back(i);}std::cout << "IoU between rectangle " << i << " and rectangle " << j << " is: " << iou << std::endl;}for (auto i : del_nums) {rects.erase(rects.begin() + i);}}
}
​
int main()
{//std::vector<cv::Rect> faces = { cv::Rect(10, 10, 50, 50), cv::Rect(20, 20, 60, 60),cv::Rect(10, 12, 50, 50) };string path = "D:/桌面文件/face.png";Mat img1 = imread(path);
​CascadeClassifier faceCascade;faceCascade.load("D:/桌面文件/md文件大集合/opencv/haarcascade_mcs_mouth.xml");//
​if (faceCascade.empty()) { cout << "XML file not loaded" << endl; }
​vector<Rect> faces;//faceCascade.detectMultiScale(img1, faces);faceCascade.detectMultiScale(img1, faces, 1.5, 3, 0, Size(50, 50),Size(150,150));calculateIoUsForVector(faces);for (int i = 0; i < faces.size(); i++){rectangle(img1, faces[i].tl(), faces[i].br(), Scalar(255, 0, 255), 3);}
​imshow("Image", img1);waitKey(0);
​return 0;
}
​

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.rhkb.cn/news/413460.html

如若内容造成侵权/违法违规/事实不符，请联系长河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

界面控件Telerik UI for ASP.NET Core 2024 Q2亮点 - AI与UI的融合

界面控件Telerik UI for ASP.NET Core 2024 Q2亮点 - AI与UI的融合

Telerik UI for ASP.NET Core是用于跨平台响应式Web和云开发的最完整的UI工具集&#xff0c;拥有超过60个由Kendo UI支持的ASP.NET核心组件。它的响应式和自适应的HTML5网格&#xff0c;提供从过滤、排序数据到分页和分层数据分组等100多项高级功能。 本文将介绍界面组件Teler…
阅读更多...
【服务对接】✈️SpringBoot 项目整合华为云 obs 对象存储服务

【服务对接】✈️SpringBoot 项目整合华为云 obs 对象存储服务

目录 &#x1f44b;前言 &#x1f440;一、环境准备 &#x1f331;二、整合实现 1.依赖引入 2.准备 AK 和 SK ​ 3.配置类 4.obs 工具类封装 &#x1f49e;️三、测试使用 &#x1f37b;四、 obs 客户端 &#x1f4eb;五、章末 &#x1f44b;前言 小伙伴们大家好&…
阅读更多...
Oracle查询优化--分区表建立/普通表转分区表

Oracle查询优化--分区表建立/普通表转分区表

本文介绍了Oracle表分区的方法&#xff0c;将已有的非分区表转化为分区表&#xff0c;也可以直接建立新的分区表&#xff0c;从而实现大表查询的优化。主要通过DBMS_REDEFINITION 和 alter table xxx modify 方法&#xff0c;DBMS_REDEFINITION 适用于所有版本&#xff0c;操作…
阅读更多...
计算机毕业设计选题推荐-大学生竞赛管理系统-Java/Python项目实战

计算机毕业设计选题推荐-大学生竞赛管理系统-Java/Python项目实战

✨作者主页&#xff1a;IT毕设梦工厂✨ 个人简介&#xff1a;曾从事计算机专业培训教学&#xff0c;擅长Java、Python、微信小程序、Golang、安卓Android等项目实战。接项目定制开发、代码讲解、答辩教学、文档编写、降重等。 ☑文末获取源码☑ 精彩专栏推荐⬇⬇⬇ Java项目 Py…
阅读更多...
【C++ 第十六章】哈希

【C++ 第十六章】哈希

1. unordered系列关联式容器 在C98中&#xff0c;STL提供了底层为红黑树结构的一系列关联式容器&#xff0c;在查询时效率可达到 &#xff0c;即最差情况下需要比较红黑树的高度次&#xff0c;当树中的节点非常多时&#xff0c;查询效率也不理想。最好 的查询是&#xff0c;进行…
阅读更多...
基于爬山法MPPT和PI的直驱式永磁同步风力发电机控制系统simulink建模与仿真

基于爬山法MPPT和PI的直驱式永磁同步风力发电机控制系统simulink建模与仿真

目录 1.课题概述 2.系统仿真结果 3.核心程序与模型 4.系统原理简介 4.1 PMSM 4.2 MPPT 4.3 PI 控制器原理 5.完整工程文件 1.课题概述 基于爬山法最大功率点跟踪 (Maximum Power Point Tracking, MPPT) 和比例积分控制器 (Proportional Integral, PI) 的直驱式永磁同步…
阅读更多...
两个月冲刺软考——关系模式中的候选关键字与如何分解为无损连接并保持函数依赖的解法(例题讲解，看完必会)

两个月冲刺软考——关系模式中的候选关键字与如何分解为无损连接并保持函数依赖的解法(例题讲解，看完必会)

1. 数据库中的简单属性、多值属性、复合属性、派生属性 简单属性&#xff1a;指不能够再分解成更小部分的属性&#xff0c;通常是数据表中的一个列。例如学生表中的“学号”、“姓名”等均为简单属性。 多值属性&#xff1a;指一个属性可以有多个值。例如一个学生可能会有多个…
阅读更多...
栈OJ题——有效的括号

栈OJ题——有效的括号

文章目录 一、题目链接二、解题思路三、解题代码 一、题目链接 有效的括号 题目描述&#xff1a;给定一个只包括 ‘(’&#xff0c;‘)’&#xff0c;‘{’&#xff0c;‘}’&#xff0c;‘[’&#xff0c;‘]’ 的字符串 s &#xff0c;判断字符串是否有效。括号匹配。 二、…
阅读更多...
异业联盟的巅峰之作！某店生活 两年百亿销售额！

异业联盟的巅峰之作！某店生活 两年百亿销售额！

大家好 我是一家软件开发公司的产品经理 吴军 最近有个爆火的商业模式 带动了三方消费 平台能赚到钱 消费者能省钱 商家也能获取到客源甚至还能赚钱 他究竟是怎么样做到三方都赚到钱的&#xff1f; 在当前经济形势下&#xff0c;许多消费者变得谨慎&#xff0c;减少了不必…
阅读更多...
100天带你精通Python——第8天面向对象编程

100天带你精通Python——第8天面向对象编程

文章目录 前言面向对象技术简介类&#xff08;Class&#xff09;对象&#xff08;Object&#xff09;继承&#xff08;Inheritance&#xff09;封装&#xff08;Encapsulation&#xff09;多态&#xff08;Polymorphism&#xff09;Python类详解静态变量&#xff08;Static Var…
阅读更多...
day39(8/29)——harbor私有仓库管理

day39(8/29)——harbor私有仓库管理

一、harbor私有仓库管理 是python的包管理工具&#xff0c;和yum对redhat的关系是一样的 yum -y install epel-release yum -y install python2-pip pip install --upgrade pip pip list pip 8x pip install --upgrade pip pip install --upgrade pip20.3 -i https://mirror…
阅读更多...
应用层（Web与HTTP）

应用层（Web与HTTP）

目录 常见术语 1.HTTP概况 2.HTTP连接 非持久HTTP流程 响应时间模型 持久HTTP 3.HTTP报文 3.1HTTP请求报文 3.2HTTP响应报文 HTTP响应状态码 4.Cookies&#xff08;用户-服务器状态&#xff09; cookies&#xff1a;维护状态 Cookies的作用 5.Web缓冲&#xff08;…
阅读更多...
yolo格式数据集|自动驾驶|5类别|数据集已划分好|可以直接使用|yolov5|v6|v7|v8|v9|v10通用

yolo格式数据集|自动驾驶|5类别|数据集已划分好|可以直接使用|yolov5|v6|v7|v8|v9|v10通用

本数据为自动驾驶检测数据集&#xff0c;数据集是车类摄像头在不同场景下拍摄&#xff0c;有5类&#xff0c;分别为car、truck、person、bicycle、traffic_light。数据集整理不易&#xff0c;获取地址在最后。 数据集数量如下&#xff1a; 总共有:18000张 训练集&#xff1a;14…
阅读更多...
【卷起来】VUE3.0教程-01-环境搭建与安装

【卷起来】VUE3.0教程-01-环境搭建与安装

​分享不易&#xff0c;耗时耗力&#xff0c;麻烦给个不要钱的关注和赞吧 &#x1f332; 什么是VUE Vue 是一个框架&#xff0c;也是一个生态。其功能覆盖了大部分前端开发常见的需求。但 Web 世界是十分多样化的&#xff0c;不同的开发者在 Web 上构建的东西可能在形式和规模…
阅读更多...
算法-最长连续序列

算法-最长连续序列

leetcode的题目链接 这道题的思路主要是要求在O&#xff08;n)的时间复杂度下&#xff0c;所以你暴力解决肯定不行&#xff0c;暴力至少两层for循环&#xff0c;所以要在O&#xff08;n)的时间复杂度下&#xff0c;你可以使用HashSet来存储数组&#xff0c;对于每个数字&#…
阅读更多...
给鼠标一个好看的指针特效 鼠标光标如何修改形状？

给鼠标一个好看的指针特效 鼠标光标如何修改形状？

许多爱美的小伙伴们都想着如何给自己的电脑打扮一下&#xff0c;用各种各样的途径来美化我们的电脑。今天我们给大家分享一下&#xff0c;如何美化鼠标效果&#xff0c;给鼠标指针修改成一个非常好看的形状~ 一起来看几组鼠标的效果&#xff0c;小编我给大家做了个录屏&#x…
阅读更多...
YoloV8实战：使用YoloV8实现OBB框检测

YoloV8实战：使用YoloV8实现OBB框检测

定向边框（OBB）数据集概述 使用定向边界框（OBB）训练精确的物体检测模型需要一个全面的数据集。本文解释了与Ultralytics YOLO 模型兼容的各种 OBB 数据集格式，深入介绍了这些格式的结构、应用和格式转换方法。数据集使用DOTA。 YOLO支持的 OBB 格式 在Ultralytics YOLO …
阅读更多...
AI编码新时代：免费人工智能助手Blackbox AI

AI编码新时代：免费人工智能助手Blackbox AI

前言&#xff1a; 在当今快速发展的科技时代&#xff0c;人工智能已经渗透到我们生活的方方面面&#xff0c;从智能手机的语音助手到智能家居控制系统&#xff0c;再到在线客服和个性化推荐算法&#xff0c;AI智能工具正变得越来越普遍。它们以其高效、智能和用户友好的特性&am…
阅读更多...
git常见命令行及分支规范

git常见命令行及分支规范

文章目录 GIT常见命令行原理图基本设置初始化和克隆仓库文件管理提交更改查看状态和历史分支管理远程仓库交互高级功能GIT常见分支风格1. 单一主干分支（Single Main Branch）//极少使用优点：缺点：2. 多主干分支（Multiple Main Branches）//个人小型项目采用优点：缺点：3. …
阅读更多...
redis的共享session应用

redis的共享session应用

项目背景&#xff1a; 该项目背景就是黑马的黑马点评项目。 一&#xff1a;基于Session实现验证码登录流程 基本的登录流程我们做了很多了。这个是短信登录流程 其实和普通的登录流程就多了一个生成验证码&#xff0c;并将验证码保存在session中&#xff0c;并且呢&#xf…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023