OpenCV图像的基本操作

图像的基本操作(Python)

素材图

P1:die.jpg

在这里插入图片描述

P2:cool.jpg

在这里插入图片描述

V:rabbit.mp4, 下载地址

在这里插入图片描述

读取展示-图像

import cv2

img_1 = cv2.imread('./die.jpg')  # default cv2.IMREAD_COLOR
print("die.jpg shape(imread default) : ", img_1.shape)  # 展示图像信息 (行,列,颜色通道数)(h,w,c)
cv2.imshow("die default", img_1)

img_2 = cv2.imread('./die.jpg', cv2.IMREAD_GRAYSCALE)  # 指定为灰度图
print("die.jpg shape(imread gray) : ", img_2.shape)  # 展示图像信息 (行,列,颜色通道数)(h,w,c)
cv2.imshow("die gray", img_2)
cv2.imwrite("./grayscale.jpg", img_2)  # 保存图像信息

img_3 = cv2.imread('./cool.jpg')  # default cv2.IMREAD_COLOR
print("cool.jpg shape(imread default) : ", img_3.shape)  # 展示图像信息 (行,列,颜色通道数)(h,w,c)
cv2.imshow("cool default", img_3)

cv2.waitKey(0)  # 单位是毫秒
cv2.destroyAllWindows()  # 释放所有窗口

在这里插入图片描述

cv2.imshow()

原型:cv2.imshow(winname, mat)

参数:

  • winname(窗口名称): 字符串,表示显示窗口的名称。
  • mat(图像矩阵): 要显示的图像矩阵,通常是一个NumPy数组。

返回值:

功能:

cv2.imshow 主要是用于显示图像,而不是播放视频。**当你使用 cv2.imshow 显示视频帧时,它只会显示当前帧,并不会按照视频的原速度播放。**你需要在代码中通过循环读取视频的帧,并将每一帧传递给 cv2.imshow,以模拟视频的播放效果。

注意: 如果两次imshow的winname相同的话,那将自动关闭前一个窗口。

cv2.waitKey()

原型:cv2.waitKey([delay])

参数:

  • delay(延迟时间): 表示等待时间的毫秒数,如果设置为0,表示无限等待用户输入。默认值是0。

返回值:

  • 返回按键的 ASCII 值(整数)。如果没有按键被按下,返回-1。

功能:

  • 等待用户按下键盘上的按键。
  • 在指定的延迟时间内等待用户输入,然后继续执行程序。

cv2.destroyAllWindows()

原型:cv2.destroyAllWindows()

参数:

返回值:

功能:

  • 关闭所有通过 cv2.namedWindow()cv2.imshow() 创建的窗口。通常在程序执行的最后调用这个函数,以确保在程序结束时关闭所有图形界面窗口,防止它们在程序退出后仍然保留。

cv2.imread()

原型:cv2.imread(filename [,flags])

参数:

  • filename(文件名): 要读取的图像文件的路径。
  • flags(标志): 可选参数,表示如何读取图像。默认值是 cv2.IMREAD_COLOR,表示以彩色图像的形式读取。可以使用以下常量:
    • cv2.IMREAD_COLOR: 以彩色图像形式读取(默认值),注:OpenCV读取的图像是BGR格式,而非RGB
    • cv2.IMREAD_GRAYSCALE: 以灰度图像形式读取。
    • cv2.IMREAD_UNCHANGED: 读取包括 alpha 通道在内的所有图像信息。

返回值:

  • 读取的图像数据,以 NumPy 数组的形式表示。

功能:

  • 读取指定路径下的图像文件,并将其加载到一个 NumPy 数组中,以便在程序中进行处理和分析。

cv2.imwrite()

原型: cv2.imwrite(filename, img [,params])

参数:

  • filename(文件名): 要写入的目标文件的路径。
  • img(图像数据): 要写入文件的图像数据,通常是一个 NumPy 数组。
  • params(可选参数): 写入文件时的附加参数。可以指定图像质量、压缩格式等。

返回值:

  • 如果成功写入文件,则返回 True;否则返回 False

功能:

  • 将图像数据写入指定的文件。

读取展示-视频

import cv2

# 打开视频文件
cap = cv2.VideoCapture('./rabbit.mp4')

# 检查视频是否成功打开
if not cap.isOpened():
    print("Error: 无法打开视频文件.")
    opn = 0
else:
    opn = 1

while opn:
    # 读取视频帧
    ret, frame = cap.read()

    # 检查是否成功读取帧(视频播放完成退出)
    if not ret:
        print("Error: 无法读取帧.")
        break

    # 转换为灰度帧
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 在窗口中显示帧
    cv2.imshow('Video Player', gray)

    # 检查用户是否按下了 'q' 键,如果是则退出循环
    if cv2.waitKey(25) & 0xFF == 27:
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

在这里插入图片描述

cv2.VideoCapture()

原型:cv2.VideoCapture([filename or index, apiPreference])

参数:

  • filename(可选): 视频文件的路径。
  • index(可选): 摄像头设备的索引号,用于选择要使用的摄像头。通常从0开始递增。
  • apiPreference(可选): 指定视频捕获 API 的首选项。可以是 cv2.CAP_ANYcv2.CAP_V4L2cv2.CAP_FFMPEG 等。

功能:

  • 打开一个视频文件、摄像头或其他图像来源,准备读取帧。
  • 提供方法用于从视频源中读取帧,获取视频的参数等信息。

返回值:

  • VideoCapture 对象:一个用于从视频源读取帧的对象。下面介绍该对象常用属性:

    1. read()

      • 读取视频的下一帧。
      • 返回一个布尔值 ret,表示帧是否成功读取,以及帧的图像数据frame(视频帧的 NumPy 数组)。
      ret, frame = cap.read()
      
    2. get(propId)

      • 获取视频的属性值,例如帧的宽度、高度、帧速率等。
      • propId 是用于指定要获取的属性的标识符。
      width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
      height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
      
    3. set(propId, value)

      • 设置视频的属性值,例如帧的宽度、高度、帧速率等。
      • propId 是用于指定要设置的属性的标识符,value 是要设置的属性值。
      cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
      cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
      
    4. release()

      • 释放 VideoCapture 对象占用的资源,关闭视频源。
      cap.release()
      
    5. isOpened()

      • 检查 VideoCapture 对象是否成功打开了视频源。
      if not cap.isOpened():
          print("Error: Could not open video source.")
      

cv2.cvtColor()

原型:cv2.cvtColor(src, code)

参数:

  • src(源图像): 要进行颜色空间转换的输入图像,通常是一个 NumPy 数组。
  • code(颜色空间转换代码): 指定颜色空间转换的方式,如 cv2.COLOR_BGR2GRAY 表示将 BGR 彩色图转换为灰度图。
  • 还有两个可选参数,用于设置输出图像的尺寸、深度、通道数,这里不进行介绍。

返回值:

  • 转换后的图像,仍是一个 NumPy 数组。

功能:

  • 将输入图像从一个颜色空间转换到另一个颜色空间。

其他:(关于code的其他可选项)

  1. BGR 转灰度:cv2.COLOR_BGR2GRAY
  2. BGR 转HSV:cv2.COLOR_BGR2HSV
  3. BGR 转RGB:cv2.COLOR_BGR2RGB
  4. 灰度转BGR:cv2.COLOR_GRAY2BGR
  5. RGB 转BGR:cv2.COLOR_RGB2BGR

ROI(感兴趣的范围——裁剪)

图像数据的表示方式:

用 “:” 表示区间(左闭右开)

import cv2
img = cv2.imread('./die.jpg')
print(img.shape)  #(40, 240, 3)

# 取三维矩阵的前一行、前两列、深度为all
print(img[0:1, 0:2], "\n")
# [[[40 39 83]     [[[BGR][BGR]  ]  ]
#   [39 38 82]]]   三维 —— 图像(r * w) * BGR(h = 3)

# 取三维矩阵的前一行、前两列、深度为0
print(img[0:1, 0:2, 0], "\n")
# [[40 39]]      二维 (r * w)  仅显示BGR其中之一(B)

print(img[0:1, 0:2, 1], "\n")
# [[39 38]]        仅显示(G)

print(img[0:1, 0:2, 2], "\n")
# [[83 82]]        仅显示(R)

查看图像指定区域(imshow时可实现裁剪效果):

import cv2
img = cv2.imread('./die.jpg')
print(img.shape)

cv2.imshow("image", img)
cv2.imshow("cut", img[50:150, 0:200])

cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

提取/合并 图像的R、G、B

import cv2

img = cv2.imread('./die.jpg')

# 提取   如果直接show相当于灰度图像,把颜色值当作亮度
img_B = img[:, :, 0]
img_G = img[:, :, 1]
img_R = img[:, :, 2]
# 合并   合并时要注意维度保持一致
img_T = cv2.merge((img_B, img_G, img_R))

在这里插入图片描述

置空通道 (e.g只保留R通道)

import cv2

img = cv2.imread('./die.jpg')

img_T = img.copy()

img_T[:, :, 0] = 0  # 置空 B 通道
img_T[:, :, 1] = 1  # 置空 G 通道

cv2.imshow("img_T", img_T)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

cv2.merge()

原型:cv2.merge(mv[, dst])

参数:

  • mv:包含要合并的图像通道的序列(例如,一个包含三个通道的元组或列表)。
  • dst:输出图像,可选。

返回值:

如果指定了 dst 参数,则返回输出图像 dst;否则,返回合并后的图像。

功能:

cv2.merge 函数用于将多个单通道的图像合并成一个多通道的图像。通常,在图像处理中,图像被拆分为单个通道进行处理,然后再合并回来。mv 参数是一个包含要合并的图像通道的序列,通常是一个包含多个单通道图像的元组或列表。在合并时要注意每个通道的尺寸和数据类型保持一致,并注意通道的顺序。

关于dst参数

手动指定 dst 和使用返回值接收的主要区别在于对输出图像的处理和内存管理

手动指定 dst

  • 如果你手动指定了 dst,则你需要提前创建一个多通道的数组,用于存储合并后的结果。这样可以避免在函数内部创建新的数组,有助于更好地控制内存的分配和释放。
  • 通过手动指定 dst,你可以在函数调用之后继续使用这个数组,而不需要将它的内容复制到其他数组中。

使用返回值接收:

  • 如果你使用返回值接收合并后的结果,那么函数会在内部创建一个新的多通道数组,并将合并后的图像存储在其中。这个新数组将作为函数的返回值返回。
  • 使用返回值接收合并后的图像时,你不需要提前创建输出数组,但需要注意新数组的内存管理。你可能需要确保及时释放不再需要的内存,以避免内存泄漏。

在实际应用中,选择手动指定 dst 还是使用返回值接收通常取决于对内存和代码结构的特定需求。如果你有特定的内存管理需求或者想要更好地控制输出数组的生命周期,那么手动指定 dst 可能更为合适。否则,使用返回值接收通常更为简便。

缩放&融合

import cv2

img1 = cv2.imread('./die.jpg')
img2 = cv2.imread('./cool.jpg')

# 两张图片尺寸不一致不能进行计算(融合)
print(img1.shape)  # (240, 240, 3)
print(img2.shape)  # (1000, 1000, 3)

img2_T = cv2.resize(img2, (240, 240))

res = cv2.addWeighted(img1, 0.4, img2_T, 0.6, 0)

cv2.imshow("blend", res)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

按缩放因子进行scale

import cv2

img = cv2.imread('./die.jpg')
print(img.shape)  # (240, 240, 3)

# 将y坐标拉伸2倍数,x不变
img_T = cv2.resize(img, (0, 0), fx=1, fy=2)
print(img.shape)  # (240, 240, 3)

cv2.imshow("img", img)
cv2.imshow("scale", img_T)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

cv2.resize()

原型:cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])

参数:

  • src: 输入图像。

  • dsize: 输出图像的大小,可以是元组 (width, height) 或者 None

  • dst: 输出图像,可选。

  • fx: 沿水平轴的缩放因子,可选。

  • fy: 沿垂直轴的缩放因子,可选。

  • interpolation: 插值方法,用于图像的缩放。默认为 cv2.INTER_LINEAR

    常见的插值方法包括:

    • cv2.INTER_NEAREST: 最近邻插值
    • cv2.INTER_LINEAR: 线性插值(默认)
    • cv2.INTER_CUBIC: 三次样条插值
    • cv2.INTER_AREA: 区域插值

返回值:

  • 返回缩放后的图像。

功能:

  • 该函数用于调整图像大小,可以进行放大或缩小。可以通过指定输出图像的大小 (dsize) 或者缩放因子 (fx, fy) 来控制缩放的程度

cv2.addWeighted()

函数原型:cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])

参数:

  • src1:第一个输入图像。
  • alphasrc1 的权重。
  • src2:第二个输入图像。
  • betasrc2 的权重。
  • gamma:添加到每个和的标量值,用于调整输出图像的亮度。
  • dst:输出图像,可选。
  • dtype:输出图像的数据类型,可选。

返回值:

  • 如果指定了 dst 参数,则返回输出图像 dst;否则,返回合并后的新图像。

功能:

  • cv2.addWeighted 函数用于将两个图像线性组合,即按照一定的权重相加。具体而言,它的计算公式为:

d s t = s r c 1 × a l p h a + s r c 2 × b e t a + g a m m a dst=src1×alpha+src2×beta+gamma dst=src1×alpha+src2×beta+gamma

  • 这个函数在图像混合、图像融合、对比度调整等方面非常有用。例如,可以使用 cv2.addWeighted 将两个图像按照一定的比例融合,调整图像的对比度和亮度。

数值计算

cv2.add()

img1 = img1 + 5   # 每个像素值都增加了5
imgT = img2 + img1  # img1 的每个像素值都与相应位置上的 img2 的像素值相加

# 因为每个值都是uint8,所以可能会出现越界溢出的情况(%256)
# cv2.add()  可以实现饱和截断(溢出时会保持在255)
cv2.add(img1,img2)

matplotlib.pyplot绘制子图

import cv2
import matplotlib.pyplot as plt
import numpy as np                # 暂时没用到

# 读取图像
img1 = cv2.imread('./die.jpg')
img2 = cv2.imread('./grayscale.jpg')
img3 = cv2.imread('./cool.jpg')

# 使用Matplotlib显示不同边界填充方式的图像(221: 2*2的网格的第1个位置)
plt.subplot(221), plt.imshow(img1), plt.title('die')
plt.subplot(222), plt.imshow(img2), plt.title('grayscale')
plt.subplot(223), plt.imshow(img3), plt.title('cool')

plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

边界填充

import cv2
import matplotlib.pyplot as plt
import numpy as np                # 暂时没用到

# 读取图像
img = cv2.imread('./die.jpg')

# 定义上、下、左、右填充的大小
top_size, bottom_size, left_size, right_size = (70, 70, 70, 70)

# 使用不同的边界填充方式生成新的图像
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_CONSTANT, value=0)

# 使用Matplotlib显示不同边界填充方式的图像(231: 2*3的网格的第1个位置)
plt.subplot(231), plt.imshow(img), plt.title('ORIGINAL')
plt.subplot(232), plt.imshow(replicate), plt.title('REPLICATE')
plt.subplot(233), plt.imshow(reflect), plt.title('REFLECT')
plt.subplot(234), plt.imshow(reflect101), plt.title('REFLECT_101')
plt.subplot(235), plt.imshow(wrap), plt.title('WRAP')
plt.subplot(236), plt.imshow(constant), plt.title('CONSTANT')

# 显示图像
plt.show()

# 关闭所有OpenCV窗口
cv2.destroyAllWindows()

在这里插入图片描述

cv2.copyMakeBorder()

函数原型:cv2.copyMakeBorder(src, top, bottom, left, right, borderType[, dst[, value]])

参数:

  • src:输入图像。
  • topbottomleftright:指定在每个边界添加的像素数。
  • borderType
    • BORDER_REPLICATE:复制法,也就是复制最边缘像素。
    • BORDER_REFLECT:反射法,对感兴趣的图像中的像素在两边进行复制例如:fedcba|abcdefgh|hgfedcb
    • BORDER_REFLECT_101:反射法,也就是以最边缘像素为轴,对称,gfedcb|abcdefgh|gfedcba
    • BORDER_WRAP:外包装法cdefgh|abcdefgh|abcdefg
    • BORDER_CONSTANT:常量法,常数值填充。
  • dst:输出图像,可选。
  • value:当 borderTypecv2.BORDER_CONSTANT 时使用的边界常数。

返回值:

  • 如果指定了 dst 参数,则返回输出图像 dst;否则,返回添加边界后的新图像。

功能:

  • cv2.copyMakeBorder 函数用于在图像的四个边界上添加边界。你可以指定要添加的像素数以及边界的类型。不同的 borderType 选项会导致不同的边界填充方式。

  • 这个函数在图像处理中常用于图像扩展、填充以及处理边界条件的情况,例如在进行卷积运算时。

      

Numpy

.shape

shapeNumPy 数组的一个属性。在 NumPy 中,shape 用于获取数组的维度信息。

示例:array.shape

返回值:

  • 一个元组(tuple),表示数组的维度。

功能:

  • 提供数组的维度信息,以元组的形式返回。
  • 对于二维数组,返回的元组包含两个元素,表示行数和列数;对于三维数组,包含三个元素,以此类推。

.copy()

  在NumPy中,copy() 方法用于创建数组的副本(复制)。这个方法返回一个新的数组对象,该对象是原始数组的完整副本,包括数据和属性。这意味着对新数组的任何更改都不会影响原始数组,反之亦然。

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/349758.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

Python 实现自动化测试 dubbo 协议接口

前言 在工作或学习过程中,可能会遇到后端服务里有使用 dubbo 协议实现的接口,dubbo 协议接口的测试方法不同于 http/https 类型的接口,不能简单使用request.post的方法来完成自动化测试。 如果需要对 dubbo 协议的接口进行自动化测试&#…

数据结构篇-02:最小栈

对于这道题,除了 getMin 外的功能,传统的 栈 结构中都有,所以重点在于如何实现 getMin 方法。 有两类方法:使用辅助栈/不使用辅助栈 使用辅助栈的解法一 定义一个 栈 来实现常规功能,另外定义一个栈(最小…

2016年认证杯SPSSPRO杯数学建模A题(第一阶段)洗衣机全过程文档及程序

2016年认证杯SPSSPRO杯数学建模 A题 洗衣机 原题再现: 洗衣机是普及率极高的家用电器,它给人们的生活带来了很大的方便。家用洗衣机从工作方式来看,有波轮式、滚筒式、搅拌式等若干种类。在此基础上,各厂商也推出了多种具体方案…

Flink多流转换(2)—— 双流连结

双流连结(Join):根据某个字段的值将数据联结起来,“配对”去做处理 窗口联结(Window Join) 可以定义时间窗口,并将两条流中共享一个公共键(key)的数据放在窗口中进行配…

软考培训机构哪家比较好?各软考培训机构排名如何?

先放上机构测评图 一、机构情况 (1)主营业务 大多数软考培训机构主要致力于IT培训或者软件行业。这些机构的课程更加专业,因为他们起源于该行业。我相信报考软考的同学大部分也是从事这个行业的。个人认为选择这类机构进行培训会有更多好处…

图片保存后多了个水印?教你如何用华为手机保存无水印图片

对于各类生活App的深度用户来说,有时候碰到实用的生活技巧、攻略,甚至是一张好看的风景照,都会第一时间想要长按把图片保存到手机相册,有时候还会分享给朋友、朋友圈。 但是有些图片在App上显示的时候是干净的,保存下…

day30_回溯总结

文章目录 回溯的问题总结:1. 回溯三部曲:2. 回溯的模板3. 回溯题型4. 回溯的概念:5. 回溯的重点问题:组合和去重。[5.1 组合问题:](https://programmercarl.com/0077.%E7%BB%84%E5%90%88.html)剪枝优化[5.2 去重问题—…

接口自动化中如何完成接口加密与解密?

加密是一种限制对网络上传输数据的访问权的技术。将密文还原为原始明文的过程称为解密,它是加密的反向处理。在接口开发中使用加密、解密技术,可以防止机密数据被泄露或篡改。在接口自动化测试过程中,如果要验证加密接口响应值正确性的话&…

temu跨境电商怎么样?做temu蓝海项目有哪些优势?

在全球电商市场激烈的竞争中,Temu跨境电商平台以其独特的优势和策略,逐渐崭露头角。对于许多想要拓展海外市场的商家来说,Temu的蓝海项目提供了一个充满机遇的新平台。本文将深入探讨Temu跨境电商的优势以及在蓝海市场中的发展前景。 全球化市…

SpringBoot的自动装配原理

一、SpringBootConfiguration注解的作用 SpringBootApplication注解是SpringBoot项目的核心注解,加在启动引导类上。点击进去可以发现SpringBootApplication注解是一个组合注解。其中SpringBootConfiguration和EnableAutoConfiguration是由Spring提供的,剩下的注解是由JDK提供的…

牛客BC52 判断整数奇偶性(C语言)

#include <stdio.h> int main() {int a;while ((scanf("%d", &a)) ! EOF){ if (a%20)printf("Even\n");elseprintf("Odd\n");}return 0; }

跨平台Recorder录音插件:支持多种格式、音频可视化、实时上传、语音识别

视频教程地址&#xff1a;【跨平台Recorder录音插件&#xff1a;支持多种格式、音频可视化、实时上传、语音识别】 https://www.bilibili.com/video/BV1jQ4y1c7e4/?share_sourcecopy_web&vd_sourcee66c0e33402a09ca7ae1f0ed3d5ecf7c /** 先引入Recorder &#xff08; 需先…

Programming Abstractions in C阅读笔记:p254-p257

《Programming Abstractions in C》学习第70天&#xff0c;p254-p257总结&#xff0c;总计4页。 一、技术总结 1.minimax strategy(极小化极大算法) p255, This idea–finding the position that leaves your opponent with the worst possible best move–is called the mi…

MiniTab的单值的变量控制图——I-MR 控制图分析

单值的变量控制图分为&#xff1a;I-MR 控制图、Z-MR 控制图、单值控制图、移动极差控制图4种。 I-MR 控制图 功能菜单请选择&#xff1a;统计>控制图>单值的变量控制图>I-MR。 使用 I-MR 控制图 可以在拥有连续数据且这些数据是不属于子组的单个观测值的情况下监视…

Supervised Contrastive 损失函数详解

有什么不对的及时指出&#xff0c;共同学习进步。(●’◡’●) 有监督对比学习将自监督批量对比方法扩展到完全监督设置&#xff0c;能够有效地利用标签信息。属于同一类的点簇在嵌入空间中被拉到一起&#xff0c;同时将来自不同类的样本簇推开。这种损失显示出对自然损坏很稳…

专业远程控制软件有哪些品牌

远程办公、远程控制类的软件很多&#xff0c;主打方向和面向的客户人群也不一样。个人用户可能更在意便捷、免费等因素&#xff1b;专业用户会更注重安全性、管理功能等。今天我们介绍几个在全球知名的专业商业远程软件。 1、TeamViewer 简介&#xff1a;TeamViewer &#xf…

EXCEL VBA调用adobe的api识别电子PDF发票里内容并登记台账

EXCEL VBA调用adobe的api识别电子PDF发票里内容并登记台账 代码如下 使用须知&#xff1a; 1、工具--引用里勾选[Adobe Acrobat 10.0 Type Library] 2、安装Adobe Acrobat pro软件Dim sht As Worksheet Function BrowseFolders() As String 浏览目录Dim objshell As ObjectDim…

暗藏危险,警惕钓鱼邮件!

叮 您有一份福利待查收 您的信息资产需要排查 您的账户异常需要验证 这些看似“重要”的邮件 都藏着攻击者的恶意嘴脸 随着网络安全防护和建设的重要性日益凸显&#xff0c;国家安全、企业安全、合规需求及业务驱动等各个方面都亟需将网络安全作为基石。在企业业务转型发展…

【C++中STL】stack和queue容器

stack和queue stack基本概念常用接口 quque基本概念常用接口 stack 基本概念 stack是一种先进后出的数据结构&#xff0c;它只有一个出口 栈中只有顶端的元素可以被外界使用&#xff0c;因此栈不允许由遍历行为 可以判断是否为空empty(),和统计个数size(); 常用接口 1、st…

服务器是什么?(四种服务器类型)

服务器 服务器定义广义: 专门给其他机器提供服务的计算机。狭义:一台高性能的计算机&#xff0c;通过网络提供外部计算机一些业务服务 个人PC内存大概8G&#xff0c;服务器内存128G起步 服务器是什么 服务器指的是 网络中能对其他机器提供某些服务的计算机系统 &#xff0c;相对…