银行卡号识别

导入库

from typing import Any, Union, Sequence

from cv2.mat_wrapper import Mat
from imutils import contours
import numpy as np
import argparse
import imutils
import cv2
import myutils

设置参数

# 设置参数
from numpy import dtype, ndarray, generic

ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="path to input image")
ap.add_argument("-t", "--template", required=True, help="path to template OCR-A image")
args = vars(ap.parse_args())

pycharm中参数设置

在运行中点击编辑配置
在这里插入图片描述
找到项目
在这里插入图片描述
在Parameters中输入参数和图像路径
在这里插入图片描述
相对路径所以图片与项目要在一个文件夹，不能出现中文名。
在这里插入图片描述

制定信用卡类型

FIRST_NUMBER = {
    "3": "American Express",
    "4": "Visa",
    "5": "MasterCard",
    "6": "Discover Card"
}

定义一个绘图函数

def cv_show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

对模板操作

读取一个模板图像

img = cv2.imread(args["template"])
cv_show('img', img)

在这里插入图片描述
转化为灰度图

ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref', ref)

在这里插入图片描述
转化为二值图

ref = cv2.threshold(ref, 100, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref', ref)

在这里插入图片描述
找到外轮廓

refcnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  # RETR_EXTERNAL表示只画外轮廓
cv2.drawContours(img, refcnts, -1, (200, 255, 0), 3)
cv_show('img', img)

在这里插入图片描述
对轮廓进行从左到右排序，并定义一个字典

refcnts = imutils.contours.sort_contours(refcnts, method="left-to-right")[0]    # 排序，从左到右，从上到下
digits = {}     # 字典

遍历每一个轮廓，填入字典中

# 遍历每一个轮廓
for (i, c) in enumerate(refcnts):
    #  计算外接矩形并resize成合适大小
    (x, y, w, h) = cv2.boundingRect(c)
    roi = ref[y:y+h, x:x+w]     # 抠出矩形
    roi = cv2.resize(roi, (57, 88))
    # 一个数字对应一个模板
    digits[i] = roi

初始化卷积核

# 初始化卷积核
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))      # MORPH_RECT表示内核为矩形，MORPH_CROSS交叉形，MORPH_ELLIPSE椭圆形
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

对图像操作

读取输入图像，改变为合适大小，并转化为灰度图

image = cv2.imread(args["image"])
cv_show('image', image)
image = imutils.resize(image, width=300)     # 改变大小
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)      # 灰度图
cv_show('gray', gray)

在这里插入图片描述
在这里插入图片描述

礼帽操作，突出更明亮区域，过滤掉背景等无关信息

tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
cv_show('tophat', tophat)

在这里插入图片描述

sobel算子梯度检测，计算x，和y方向的梯度并结合

# sobel算子梯度检测
gradx = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)  # ksize=-1相当于使用3*3
gradx = np.absolute(gradx)      # 绝对值使白到黑，黑到白都可以检测到
grady = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=0, dy=1, ksize=-1)
grady = np.absolute(grady)
gradxy = cv2.addWeighted(gradx, 0.5, grady, 0.5, 0)

(minVal, maxVal) = (np.min(gradxy), np.max(gradxy))
gradxy = (255 * ((gradxy - minVal) / (maxVal - minVal)))    # 归一化，看得更清楚
gradxy = gradxy.astype("uint8")    # 转化为8位无符号数

print(np.array(gradx).shape)
cv_show('gradxy', gradxy)

在这里插入图片描述

通过闭操作（先膨胀，再腐蚀）将数字连接起来

gradxy = cv2.morphologyEx(gradxy, cv2.MORPH_CLOSE, rectKernel)
cv_show('gradxy', gradxy)

在这里插入图片描述

二值化，阈值参数设为0，与THRESH_OTSU结合使用，适合双峰，可以自动寻找合适阈值

thresh = cv2.threshold(gradxy, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show('thresh', thresh)

在这里插入图片描述

再来一个闭操作，使块更加紧密

thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel)
cv_show('thresh', thresh)

在这里插入图片描述

计算轮廓，并在原图画出轮廓

threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

cnts = threshCnts
cur_img = image.copy()
cv2.drawContours(cur_img, cnts, -1, (0, 0, 255), 3)
cv_show('img', cur_img)

在这里插入图片描述

  1. 定义一个locs列表，用来存放银行卡号位置的大轮廓。
  2. 遍历轮廓，计算矩形并找出所要范围，添加到locs中去。
  3. 然后将符合的轮廓从左到右排序。
  4. 定义一个output列表，用来存放最终数字。
locs = []

# 遍历轮廓
for (i, c) in enumerate(cnts):
    # 计算矩形
    (x, y, w, h) = cv2.boundingRect(c)
    print(w, h)
    ar = w / float(h)
    # 由w与h的比找出所要的范围
    if 2.5 < ar < 4.0:
        if (40 < w < 55) and (10 < h < 20):
            locs.append((x, y, w, h))   # append() 函数可以向列表末尾添加元素
# 符合的轮廓从左到右排序
locs = sorted(locs, key=lambda x:x[0])      # x:x[0]表示字典的第一个值，即使用x进行排序，升序。
output = []
print(locs)

在这里插入图片描述
这是每个轮廓矩形的长与宽，所以可知要找的矩形范围为：长宽比在2.5到4之间，长在40到55，宽在10到20之间。

在这里插入图片描述
大轮廓参数

  1. 遍历每个轮廓中的数字
  2. 根据坐标提取每一个组
  3. 二值化处理
  4. 计算每一组轮廓，并从左到右排序
  5. 模板匹配计算每组中每个数值
  6. 绘图
  7. 添加到output中
for (i, (gx, gy, gw, gh)) in enumerate(locs):
    # 初始化组号列表
    groupOutput = []
    # 根据坐标提取每一个组
    group = gray[gy - 5:gy + gh + 5, gx - 5:gx + gw + 5]    # 框出稍大区域的大轮廓
    cv_show('group', group)
    # 预处理，二值化
    group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    cv_show('group', group)
    # 计算每一组轮廓
    digitCnts, hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    digitCnts = contours.sort_contours(digitCnts, method="left-to-right")[0]    # 从左到右排序

    # 计算每组中每个数值
    for c in digitCnts:
        # 找到数值轮廓，resize成合适大小
        (x, y, w, h) = cv2.boundingRect(c)
        roi = group[y:y + h, x:x + w]  # 抠出矩形
        roi = cv2.resize(roi, (57, 88))
        cv_show('roi', roi)

        # 计算匹配得分list
        scores = []

        # 在模板中计算每个得分
        # items()以列表返回可遍历的(键, 值) 元组数组
        for (dight, dightRoi) in digits.items():
            result = cv2.matchTemplate(roi, dightRoi, cv2.TM_CCOEFF)    # 计算相关系数，结果越大越相关
            (_, score, _, _) = cv2.minMaxLoc(result)
            scores.append(score)    # append() 函数可以向列表末尾添加元素

        # 找到最合适的数字
        groupOutput.append(str(np.argmax(scores)))  # np.argmax()用于返回一个numpy数组中最大值的索引值

    # 画出来
    cv2.rectangle(image, (gx - 5, gy - 5), (gx + gw + 5, gy + gh + 5), (0, 255, 255), 1)
    cv2.putText(image, "".join(groupOutput), (gx, gy - 15), cv2.FONT_HERSHEY_SIMPLEX, 0.65, (255, 0, 255), 2)     # 添加文字

    # 得到结果
    output.extend(groupOutput)      # extend()用于在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）

一次循环结果展示
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在银行卡上画出卡号
在这里插入图片描述

打印银行卡类型与卡号

print("Credit Card Type: {}".format(FIRST_NUMBER[output[0]]))
print("Credit Card #: {}".format("".join(output)))
cv2.imshow("Image", image)
cv2.waitKey(0)

在这里插入图片描述

完整代码

from typing import Any, Union, Sequence

from cv2.mat_wrapper import Mat
from imutils import contours
import numpy as np
import argparse
import imutils
import cv2
import myutils

# 设置参数
from numpy import dtype, ndarray, generic

ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="path to input image")
ap.add_argument("-t", "--template", required=True, help="path to template OCR-A image")
args = vars(ap.parse_args())

# 制定信用卡类型
FIRST_NUMBER = {
    "3": "American Express",
    "4": "Visa",
    "5": "MasterCard",
    "6": "Discover Card"
}


# 绘图
def cv_show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


# 读取一个模板图像
img = cv2.imread(args["template"])
cv_show('img', img)
# 灰度图
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref', ref)
# 二值图像
ref = cv2.threshold(ref, 100, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref', ref)
# 外轮廓
refcnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  # RETR_EXTERNAL表示只画外轮廓
cv2.drawContours(img, refcnts, -1, (200, 255, 0), 3)
cv_show('img', img)
# print(hierarchy)
# print(np.array(refcnts).shape)
refcnts = imutils.contours.sort_contours(refcnts, method="left-to-right")[0]    # 排序，从左到右，从上到下
digits = {}     # 字典

# 遍历每一个轮廓
for (i, c) in enumerate(refcnts):
    #  计算外接矩形并resize成合适大小
    (x, y, w, h) = cv2.boundingRect(c)
    roi = ref[y:y+h, x:x+w]     # 抠出矩形
    roi = cv2.resize(roi, (57, 88))
    # 一个数字对应一个模板
    digits[i] = roi

# 初始化卷积核
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))      # MORPH_RECT表示内核为矩形，MORPH_CROSS交叉形，MORPH_ELLIPSE椭圆形
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

# 读取输入图像，预处理
image = cv2.imread(args["image"])
cv_show('image', image)
image = imutils.resize(image, width=300)     # 改变大小
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)      # 灰度图
cv_show('gray', gray)

# 礼帽操作，突出更明亮区域，过滤掉背景等无关信息
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
cv_show('tophat', tophat)

# sobel算子梯度检测
gradx = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)  # ksize=-1相当于使用3*3
gradx = np.absolute(gradx)      # 绝对值使白到黑，黑到白都可以检测到
grady = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=0, dy=1, ksize=-1)
grady = np.absolute(grady)
gradxy = cv2.addWeighted(gradx, 0.5, grady, 0.5, 0)

(minVal, maxVal) = (np.min(gradxy), np.max(gradxy))
gradxy = (255 * ((gradxy - minVal) / (maxVal - minVal)))    # 归一化，看得更清楚
gradxy = gradxy.astype("uint8")    # 转化为8位无符号数

print(np.array(gradx).shape)
cv_show('gradxy', gradxy)

# 通过闭操作（先膨胀，再腐蚀）将数字连接起来
gradxy = cv2.morphologyEx(gradxy, cv2.MORPH_CLOSE, rectKernel)
cv_show('gradxy', gradxy)
# 二值化，阈值参数设为0，与THRESH_OTSU结合使用，适合双峰，可以自动寻找合适阈值
thresh = cv2.threshold(gradxy, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show('thresh', thresh)

# 再来一个闭操作，使块更加紧密
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel)
cv_show('thresh', thresh)

# 计算轮廓，并在原图画出轮廓
threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

cnts = threshCnts
cur_img = image.copy()
cv2.drawContours(cur_img, cnts, -1, (0, 0, 255), 3)
cv_show('img', cur_img)

locs = []

# 遍历轮廓
for (i, c) in enumerate(cnts):
    # 计算矩形
    (x, y, w, h) = cv2.boundingRect(c)
    print(w, h)
    ar = w / float(h)
    # 由w与h的比找出所要的范围
    if 2.5 < ar < 4.0:
        if (40 < w < 55) and (10 < h < 20):
            locs.append((x, y, w, h))   # append() 函数可以向列表末尾添加元素

# 符合的轮廓从左到右排序
locs = sorted(locs, key=lambda x:x[0])      # x:x[0]表示字典的第一个值，即使用x进行排序，升序。
output = []
print(locs)

# 遍历每个轮廓中的数字
for (i, (gx, gy, gw, gh)) in enumerate(locs):
    # 初始化组号列表
    groupOutput = []
    # 根据坐标提取每一个组
    group = gray[gy - 5:gy + gh + 5, gx - 5:gx + gw + 5]    # 框出稍大区域的大轮廓
    cv_show('group', group)
    # 预处理，二值化
    group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    cv_show('group', group)
    # 计算每一组轮廓
    digitCnts, hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    digitCnts = contours.sort_contours(digitCnts, method="left-to-right")[0]    # 从左到右排序

    # 计算每组中每个数值
    for c in digitCnts:
        # 找到数值轮廓，resize成合适大小
        (x, y, w, h) = cv2.boundingRect(c)
        roi = group[y:y + h, x:x + w]  # 抠出矩形
        roi = cv2.resize(roi, (57, 88))
        cv_show('roi', roi)

        # 计算匹配得分list
        scores = []

        # 在模板中计算每个得分
        # items()以列表返回可遍历的(键, 值) 元组数组
        for (dight, dightRoi) in digits.items():
            result = cv2.matchTemplate(roi, dightRoi, cv2.TM_CCOEFF)    # 计算相关系数，结果越大越相关
            (_, score, _, _) = cv2.minMaxLoc(result)
            scores.append(score)    # append() 函数可以向列表末尾添加元素

        # 找到最合适的数字
        groupOutput.append(str(np.argmax(scores)))  # np.argmax()用于返回一个numpy数组中最大值的索引值

    # 画出来
    cv2.rectangle(image, (gx - 5, gy - 5), (gx + gw + 5, gy + gh + 5), (0, 255, 255), 1)
    cv2.putText(image, "".join(groupOutput), (gx, gy - 15), cv2.FONT_HERSHEY_SIMPLEX, 0.65, (255, 0, 255), 2)     # 添加文字

    # 得到结果
    output.extend(groupOutput)      # extend()用于在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）

# 打印结果
print("Credit Card Type: {}".format(FIRST_NUMBER[output[0]]))
print("Credit Card #: {}".format("".join(output)))
cv2.imshow("Image", image)
cv2.waitKey(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：/a/295522.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

“巴渝工匠杯”2022年重庆市职业院校技能大赛（高职组）云计算样题

“巴渝工匠杯”2022年重庆市职业院校技能大赛（高职组）云计算样题

“巴渝工匠杯”2022年重庆市职业院校技能大赛&#xff08;高职组&#xff09;云计算样题 需要软件包环境可私信博主 【赛程名称】云计算赛项第一场次-私有云 某企业拟使用OpenStack搭建一个企业云平台&#xff0c;以实现资源池化弹性管理、企业应用集中管理、统一安全认证和授…
阅读更多...
Visual Studio 2022进行文件差异比较

Visual Studio 2022进行文件差异比较

前言 Visual Studio 2022在版本17.7.4中发布在解决方案资源管理器中比较文件的功能&#xff0c;通过使用此功能&#xff0c;可以轻松地查看两个文件之间的差异&#xff0c;包括添加、删除和修改的代码行。可以逐行查看差异&#xff0c;并根据需要手动调整和编辑文件内容以进行…
阅读更多...
易图讯便携式三维电子沙盘实战应用系统

易图讯便携式三维电子沙盘实战应用系统

便携式三维电子沙盘采用军工加固三防高性能笔记本&#xff0c;具有IP65级防尘防水防摔性能&#xff0c;以大数据、云计算、虚拟现实、物联网、AI等先进技术为支撑&#xff0c;支持高清卫星影像、DEM高程数据、矢量数据、三维模型、倾斜摄像、BIM、点云、城市白模、等高线、标高…
阅读更多...
数据结构学习 jz56数组中数字出现的次数

数据结构学习 jz56数组中数字出现的次数

关键词&#xff1a;位运算 异或性质 虽然有两道题&#xff0c;但是其实应该分成三个级别的题目。 题目一&#xff1a; 一个整型数组 sockets 里除 一个 数字之外&#xff0c;其他数字都出现了两次。 思路&#xff1a;异或的性质 复杂度计算&#xff1a; 时间复杂度O(n) 空…
阅读更多...
在Go语言中处理HTTP请求中的Cookie

在Go语言中处理HTTP请求中的Cookie

在Web开发中&#xff0c;Cookie是一种常用的技术&#xff0c;用于在客户端存储数据&#xff0c;并在随后的请求中发送回服务器。Go语言的标准库提供了强大的支持来处理HTTP请求中的Cookie。 首先&#xff0c;让我们了解如何在Go语言中设置Cookie。以下是一个简单的示例&#x…
阅读更多...
three.js场景设计器-小地图的视角参考功能

three.js场景设计器-小地图的视角参考功能

three.js实现场景方向的左上角小地图 思路 1&#xff1a;创建单独场景 2.添加辅助线 3.添加坐标轴的XYZ文字-使用sprite实现 4.旋转主视图时同步相机位置到小地图。 <template> <div ref"miniMapContainer" class"mini-map"></div>…
阅读更多...
Apache Commons Email在邮件发送中的应用

Apache Commons Email在邮件发送中的应用

第1章&#xff1a;简介 大家好&#xff0c;我是小黑&#xff0c;今天咱们聊聊Apache Commons Email这个库&#xff0c;它在发送邮件方面可谓是小而美的利器。Apache Commons Email基于JavaMail API&#xff0c;但它提供了更简洁、更易用的接口&#xff0c;让咱们在处理电子邮件…
阅读更多...
如果PostgreSQL有两层nginx代理，会发生什么事？

如果PostgreSQL有两层nginx代理，会发生什么事？

转载说明&#xff1a;如果您喜欢这篇文章并打算转载它&#xff0c;请私信作者取得授权。感谢您喜爱本文&#xff0c;请文明转载&#xff0c;谢谢。 1. 前言 PostgreSQL默认只能本机连接&#xff0c;若要在别的客户端远程连接pgsql&#xff0c;则需要修改配置文件pg_hba.conf&a…
阅读更多...
CommonJS 和 ES6 Module：一场模块规范的对决（下）

CommonJS 和 ES6 Module：一场模块规范的对决（下）

&#x1f90d; 前端开发工程师&#xff08;主业&#xff09;、技术博主&#xff08;副业&#xff09;、已过CET6 &#x1f368; 阿珊和她的猫_CSDN个人主页 &#x1f560; 牛客高级专题作者、在牛客打造高质量专栏《前端面试必备》 &#x1f35a; 蓝桥云课签约作者、已在蓝桥云…
阅读更多...
QML —— SwipeView、PageIndicator组合示例（附完整源码）

QML —— SwipeView、PageIndicator组合示例（附完整源码）

示例效果 介绍 SwipeView提供了一个基于滑动的导航模型，由一组页面组成。一次只能看到一个页面。用户可以通过横向滑动在页面之间导航。请注意，SwipeView本身是完全不可见的。建议将其与PageIndicator结合使用，以向用户提供有多个页面的视觉线索。 PageIndicator用于指示包含…
阅读更多...
UG装配-沿线运动

UG装配-沿线运动

如果希望图中圆柱销沿着槽运动&#xff0c;直接约束面是困难的&#xff0c;我们可以画出圆弧的中心线和圆柱销的中心点&#xff0c;约束点在线上&#xff0c;进行移动 需要注意的是&#xff0c;我们在零件中画点和线的时候&#xff0c;在装配体默认加载模型引用集的时候是无法显…
阅读更多...
生活中的物理3——神奇陷阱（随机倒下的抽屉柜门）

生活中的物理3——神奇陷阱（随机倒下的抽屉柜门）

1实验 材料&#xff1a;大自然&#xff08;风&#xff09;、抽屉门松掉的抽屉 实验 1、找一个大风的日子&#xff0c;打开窗户&#xff08;不要找下雨天&#xff0c;不然你会被你亲爱的嫲嫲KO&#xff09; 2、让风在抽屉面前刮过 3、你发现了什么&#xff1f;&#xff1f;&…
阅读更多...
南某人：从工厂到品牌的华丽转身！

南某人：从工厂到品牌的华丽转身！

南某人&#xff0c;这个名字在中国的市场上已经响当当&#xff0c;但你知道吗&#xff1f;这个品牌其实并没有自己的工厂和门店。那么&#xff0c;他们是如何做到年收入高达40亿的呢&#xff1f; 起初&#xff0c;南某人和许多中国品牌一样&#xff0c;从生产保暖内衣起家。然…
阅读更多...
傅里叶级数、傅里叶变换、小波变换、离散余弦变换的理解

傅里叶级数、傅里叶变换、小波变换、离散余弦变换的理解

目录 1. 傅里叶级数2.傅里叶变换 1. 傅里叶级数 功能&#xff1a;能把任意周期性函数展开成一系列正弦、余弦函数的和。 公式&#xff1a; f ( x ) a 0 2 ∑ n 1 ∞ ( a n cos ⁡ ( 2 π n x T ) b n sin ⁡ ( 2 π n x T ) ) 傅里叶系数 a n 2 T ∫ x 0 x 0 T f ( x )…
阅读更多...
机器学习（三） -- 特征工程（1）

机器学习（三） -- 特征工程（1）

系列文章目录 机器学习&#xff08;一&#xff09; -- 概述 机器学习&#xff08;二&#xff09; -- 数据预处理&#xff08;1-3&#xff09; 机器学习&#xff08;三&#xff09; -- 特征工程&#xff08;1-2&#xff09; 未完待续…… 目录 系列文章目录 前言 一、特征…
阅读更多...
nginx 一、安装与conf浅析

nginx 一、安装与conf浅析

文章目录 一、安装nginxdocker方式安装linux方式安装Ubuntu 或 Debian 系统&#xff1a;CentOS 或 RHEL 系统&#xff1a; macOS 系统&#xff08;使用 Homebrew&#xff09;&#xff1a;Windows 系统&#xff1a; 二、nginx.conf浅析 Nginx&#xff08;发音为“engine-x”&…
阅读更多...
服务器CentOs8 安装RocketMQ 4.9.4

服务器CentOs8 安装RocketMQ 4.9.4

前置条件 安装好java环境 下载、上传、解压 下载二进制包 传送门 上传到服务器&#xff0c;这里上传到了/usr/local目录下 解压&#xff1a; unzip rocketmq-all-4.9.4-bin-release.zip移动到新的文件夹 mv /rocketmq-all-4.9.4-bin-release /rocketmq修改配置 修改conf下…
阅读更多...
第 378 场 LeetCode 周赛题解

第 378 场 LeetCode 周赛题解

A 检查按位或是否存在尾随零 枚举&#xff1a;枚举两个元素的组合即可 class Solution { public:bool hasTrailingZeros(vector<int> &nums) {int n nums.size();for (int i 0; i < n; i)for (int j 0; j < i; j)if ((nums[i] | nums[j]) % 2 0)return tru…
阅读更多...
Python从入门到精通总结规划

Python从入门到精通总结规划

Python从入门到精通专栏&#xff1a;http://t.csdnimg.cn/4Lals 时光飞逝&#xff0c;转眼间我们的Python从入门到精通专栏已经接近尾声。 在这里&#xff0c;向大家表示最诚挚的感谢。感谢你们一直以来对Python学习的热情&#xff0c;以及对本专栏的持续关注和支持。 回顾过去…
阅读更多...
还在苦苦寻找PPT模板？这5个好用的PPT模板网站来拯救你！

还在苦苦寻找PPT模板？这5个好用的PPT模板网站来拯救你！

行走职场&#xff0c;一大傍身的能力就是制作PPT&#xff0c;不过每回留给我们制作PPT的时间非常少&#xff0c;时间紧任务重&#xff0c;想在短时间内制作出高颜值的PPT&#xff0c;少不了平时有意识地收藏好看的PPT模板或PPT模板网站。 为方便各位找到可在工作中使用的PPT模…
阅读更多...
最新文章

Copyright @ 2022~2023