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 = 130
   height = 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_DUPLEX
   img = 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] // 2
    y_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 np

img = 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] // 2
    y_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：/a/158447.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

修改服务器端Apache默认根目录

修改服务器端Apache默认根目录

目标：修改默认Apache网站根目录 /var/www/html 一、找到 DocumentRoot “/var/www/html” 这一段 apache的根目录，把/var/www/html 这个目录改 #DocumentRoot "/var/www/html" DocumentRoot "/home/cloud/tuya_mini_h5/build" 二、…
阅读更多...
echarts 横向柱状图示例

echarts 横向柱状图示例

该示例有如下几个特点： ①实现tooltip自定义样式（echarts 实现tooltip提示框样式自定义-CSDN博客） ②实现数据过多时滚动展示（echarts 数据过多时展示滚动条-CSDN博客） ③柱状图首尾展示文字，文字内容嵌入图…
阅读更多...
【C++】内存管理

【C++】内存管理

目录 C/C内存分布 C语言中动态内存管理方式 C内存管理方式 operator new与 operator delete函数 匹配使用的相关问题-内存泄漏: delete与delete [ ] malloc/free和 new/delete的区别 内存泄漏 C/C内存分布 栈又叫堆栈--非静态局部变量/函数参数/返回值等等，栈…
阅读更多...
人工智能引领环境保护的新浪潮：技术应用及其影响

人工智能引领环境保护的新浪潮：技术应用及其影响

在全球范围内，环境保护已经成为一个迫切的话题。随着人工智能技术的发展，它开始在环境保护领域扮演越来越重要的角色。AI不仅能够帮助更有效地监测环境变化，还能提出解决方案来应对环境问题。 污染监测与控制： AI系统可以分析来自…
阅读更多...
redis运维(十)列表

redis运维(十)列表

一 列表 强调： 知道原生redis具备的能力,以便后续API调用 ① 基础概念 备注： 单个list最多2^32-1个元素 列表操作常用命令,涉及：CURD ② lpush 左插入 说明： 如果key不存在就会初始化,否则就是插入元素备注： l…
阅读更多...
指针——C语言初阶

指针——C语言初阶

一.指针基本概念&#xff1a; 指针是内存中一个最小单元的编号&#xff0c;也就是地址平时口语中说的指针&#xff0c;通常指的是指针变量&#xff0c;是用来存放地址的变量 #include<stdio.h> int main() {int a 0;//a是整型变量&#xff0c;占用四个字节的内存空间&a…
阅读更多...
Linux系统(CentOS7)上安装MYSQL8.x

Linux系统(CentOS7)上安装MYSQL8.x

Linux系统是CentOS7版本&#xff0c;今天在新电脑上安装MYSQL&#xff0c;跟着网上的文章&#xff0c;尝试了好几次&#xff0c;都是启动失败&#xff0c;删了安&#xff0c;安了删&#xff0c;搞了一下午&#xff0c;头昏脑胀&#xff0c;网上的一些文章太乱了&#xff0c;每种…
阅读更多...
SSM框架

SSM框架

SSM SSM框架说明SpringBootMyBatis整合MyBatis数据库中表的设计Pojo对象设计Dao接口设计Dao单元方法进行测试 XML管理整合MyBatis框架映射配置文件的位置XML配置SQL标签常用的SQL标签 动态SQL语句动态删除数据动态修改数据 SSM框架说明 Spring 指 Spring Framework&#xff0c…
阅读更多...
前段-用面向对象的方式开发一个水管小鸟的游戏

前段-用面向对象的方式开发一个水管小鸟的游戏

首先准备好各类空文件 index.js css html 和图片 图片是下面这些&#xff0c;如果没有的可在这里下载 2 开发开始 好了&#xff0c;基础准备工作完毕&#xff0c;开发开始&#xff0c; 首先&#xff0c;先把天空&#xff0c;大地&#xff0c;小鸟的盒子准备好&#xff0c;并…
阅读更多...
Redis数据库双写一致性解决方案

Redis数据库双写一致性解决方案

程序员的公众号&#xff1a;源1024&#xff0c;获取更多资料&#xff0c;无加密无套路&#xff01; 最近整理了一份大厂面试资料《史上最全大厂面试题》&#xff0c;Springboot、微服务、算法、数据结构、Zookeeper、Mybatis、Dubbo、linux、Kafka、Elasticsearch、数据库等等 …
阅读更多...
好用的企业防泄密软件盘点

好用的企业防泄密软件盘点

企业防泄密软件是专门设计用于保护企业敏感信息不被泄露的软件产品。这类软件通常采用多种安全技术和策略&#xff0c;以增强企业数据的安全性和保密性&#xff0c;防止核心知识产权和商业机密的泄露。 企业防泄密软件的主要功能包括数据加密、访问控制、审计和监控、文件和数据…
阅读更多...
CSS样式穿透

CSS样式穿透

当我们在vue项目中使用第三方组件时&#xff0c;有时候需要去修改某些元素的样式&#xff0c;但有时写的css样式不会覆盖组件的样式&#xff0c;所以要用到样式穿透。 常用的方法有这几种&#xff1a;&#xff08;1&#xff09;>>> &#xff08;2&#xff09;/deep/ …
阅读更多...
flink中配置Rockdb的重要配置项

flink中配置Rockdb的重要配置项

背景 由于我们在flink中使用了状态比较大&#xff0c;无法完全把状态数据存放到tm的堆内存中&#xff0c;所以我们选择了把状态存放到rockdb上&#xff0c;也就是使用rockdb作为状态后端存储,本文就是简单记录下使用rockdb状态后端存储的几个重要的配置项 使用rockdb状态后端…
阅读更多...
电子器件系列44：环形线圈电感

电子器件系列44：环形线圈电感

干货&#xff01;电感最重要、最常见的几个作用_线圈 环形线圈电感的原理&#xff1a; 电感中包含了哪三个物理学定律&#xff0c;为什么它能以磁场形式储能_哔哩哔哩_bilibili 电感的基本原理_哔哩哔哩_bilibili 环形线圈电感的作用: 1.储能器&#xff1a; 环形线圈电感能够…
阅读更多...
【Python大数据笔记_day10_Hive调优及Hadoop进阶】

【Python大数据笔记_day10_Hive调优及Hadoop进阶】

hive调优 hive官方配置url: Configuration Properties - Apache Hive - Apache Software Foundation hive命令和参数配置 hive参数配置的意义: 开发Hive应用/调优时&#xff0c;不可避免地需要设定Hive的参数。设定Hive的参数可以调优HQL代码的执行效率&#xff0c;或帮助定位问…
阅读更多...
005.存储管理

005.存储管理

使用硬盘设备前需要对其进行分区、格式化&#xff0c;分区可以使公司业务数据得到更有效的管理。我们需要提前规划好硬盘的存储空间&#xff0c;至于一块硬盘到底要分多少个区&#xff0c;每个分区预留多大空间&#xff0c;这需要根据文件数量、大小、类型等进行对应的设计。有…
阅读更多...
c语言：解决判断两个字符串是不是互为旋转字符的问题

c语言：解决判断两个字符串是不是互为旋转字符的问题

题目&#xff1a; 思路&#xff1a;先判断两个字符长度是否相等&#xff0c;如果不相等&#xff0c;肯定不是互为旋转字符串。 方法一&#xff1a;将第一份字符串右旋0-n&#xff08;字符个数&#xff09;次&#xff0c;判断是否有一次右旋完的字符串等于第二个字符串。如果有&…
阅读更多...
MIKE水动力笔记19_统计平均潮差

MIKE水动力笔记19_统计平均潮差

本文目录 前言Step 1 ArcGIS中创建渔网点Step 2 将dfsu数据提取到渔网点Step 3 Python统计平均潮差 前言 日平均潮差&#xff08;average daily tidal range&#xff09;&#xff1a;日高潮潮高合计之和除以实有高潮个数为日平均高潮潮高&#xff0c;日低潮潮高合计之和除以实…
阅读更多...
剑指offer(C++)-JZ39：数组中出现次数超过一半的数字(算法-其他)

剑指offer(C++)-JZ39：数组中出现次数超过一半的数字(算法-其他)

作者&#xff1a;翟天保Steven 版权声明&#xff1a;著作权归作者所有&#xff0c;商业转载请联系作者获得授权&#xff0c;非商业转载请注明出处 题目描述&#xff1a; 给一个长度为 n 的数组&#xff0c;数组中有一个数字出现的次数超过数组长度的一半&#xff0c;请找出这个…
阅读更多...
Taro.navigateTo 使用URL传参数和目标页面参数获取

Taro.navigateTo 使用URL传参数和目标页面参数获取

文章目录 1. Taro.navigateTo 简介2. 通过 URL 传递参数3. 目标页面参数获取4. 拓展与分析4.1 拓展4.2 URL参数的类型4.3 页面间通信 5. 总结 &#x1f389;欢迎来到Java学习路线专栏~Taro.navigateTo 使用URL传参数和目标页面参数获取 ☆* o(≧▽≦)o *☆嗨~我是IT陈寒&#x…
阅读更多...
最新文章

Copyright @ 2022~2023