- 博客(128)
- 收藏
- 关注
RSS订阅原创 计算机视觉第一课 初识opencv（一）
想踏入计算机视觉的大门，却被复杂的概念和工具吓退？OpenCV 作为视觉处理的 “瑞士军刀”，其实没那么难上手！本博客作为 “计算机视觉 OpenCV 第一课”，专为零基础新手打造保姆级教程：从 OpenCV 的安装（Windows/Linux/Mac 全平台覆盖），到第一个程序的编写与运行；从如何读取、显示、保存图片，到像素的基本操作（如修改颜色、裁剪图像），每一步都附带完整代码和清晰注释。
2025-12-07 14:20:16
604
原创 《Python开发之语言基础》第七集：库--时间库
本文介绍了Python标准库中的时间处理模块time库，重点讲解了时间戳获取、时间格式转换和I/O操作性能影响。主要内容包括：1）使用time()获取时间戳并测量程序执行时间；2）分析I/O操作对程序性能的影响；3）localtime()、gmtime()和ctime()三种时间获取方式；4）mktime()和strftime()等时间格式转换函数。通过实例代码展示了时间库的核心功能，为Python时间处理提供了实用参考。
2025-12-06 23:48:20
753
原创 《Python开发之语言基础》第六集：操作文件
本文介绍了Python文件操作的基本方法，包括文件打开、读取和写入操作。主要内容包括：1) 使用open()函数打开文件，支持r(只读)、w(覆盖写)、a(追加)等模式；2) 文件读取方法read()、readline()、readlines()的使用；3) 文件写入方法write()和writelines()；4) 文件路径处理及CSV文件操作。文章还介绍了with语句的复合写法，可以自动管理文件资源。通过学习这些内容，读者可以掌握Python中基本的文件读写操作技巧。
2025-11-27 23:14:22
899
原创 《Python开发之语言基础》第五集：类
本文介绍了Python中类的核心概念和使用方法。主要内容包括：1.类的基本概念和创建方式，通过实例演示了类的定义、初始化和对象创建；2.类的属性使用与管理，包括属性初始化、修改和文档说明获取；3.类的继承机制，详细说明了继承语法、子类方法添加和父类方法覆盖的实现方式。文章通过微波炉类的示例代码，展示了面向对象编程中类与对象的关系、属性操作以及继承特性，帮助读者掌握Python中类的定义、使用和扩展方法。
2025-11-24 20:14:38
616
原创 《Python开发之语言基础》第四集：函数
本文介绍了Python函数的基础知识与应用。主要内容包括：1）函数的创建与调用，详细说明了定义语法、调用方法和return返回值的多种使用场景；2）函数参数传递机制，涵盖形参/实参、默认参数、可变参数和关键字参数的使用；3）变量作用域，区分全局变量与局部变量，并讲解global关键字的作用；4）可变数据类型的特点。通过具体代码示例，展示了函数定义、参数传递、返回值处理等核心概念，帮助读者掌握Python函数编程的基本技能。
2025-11-23 16:38:51
1308
原创 《Python开发之语言基础》第三集：组合数据类型 (重要)
本文系统介绍了Python中三种核心组合数据类型：列表、元组和字典。列表作为可变序列，详细讲解了其索引切片、常用方法（append/remove/sort等）及转换函数list()；元组作为不可变序列，重点说明其创建方式和tuple()函数；字典则阐述了键值对结构，解析了get/keys/values等关键方法。这些数据结构各具特色：列表灵活可变、元组安全固定、字典高效查询，共同构成了Python处理复杂数据的核心工具集。掌握这些基础数据类型及其操作方法，是进行高效Python编程的重要前提。
2025-11-23 16:20:30
565
原创 《Python开发之语言基础》第二集：程序控制语句
本文介绍了Python中程序控制语句的使用方法，主要包括条件判断语句和循环语句。在条件判断部分，详细讲解了if、if-else、if-elif-else语句的结构和使用场景，以及布尔值的应用。循环语句部分则重点阐述了for循环和while循环的区别与用法，并介绍了break和continue语句的功能。文章还提到异常处理语句的重要性，它能有效防止程序因意外输入而崩溃。最后通过一个超市称重计价的实际案例，展示了如何综合运用这些控制语句解决实际问题。这些核心语法结构是编写灵活、健壮Python程序的基础。
2025-11-22 15:15:44
961
原创 Python3.9和Pycharm编译器超全安装与环境搭建攻略大全来袭！
本文详细介绍了在Windows系统下安装Python和PyCharm的完整流程。主要内容包括：1）从Python官网下载合适版本并安装，注意勾选添加环境变量选项；2）配置Python环境变量；3）从PyCharm官网下载安装IDE，配置Python解释器路径；4）推荐安装Chinese插件实现界面汉化。文章提供了详细的图文指引，特别适合初学者按照步骤完成Python开发环境的搭建。安装过程强调选择合适版本、正确配置路径等关键注意事项，确保开发环境正常运行。
2025-11-22 00:20:08
726
原创 《Python开发之语言基础》第一集：python的语法元素
本文介绍了Python编程语言的基础知识，主要包括：1）Python的优势，如简单易学、应用广泛；2）print函数的6种使用方式；3）变量命名规则和基本数据类型（整数、浮点数）；4）字符串操作，包括索引、切片、连接及常用方法；5）转义字符和数据类型检测；6）input函数的基本用法。文章通过示例代码详细说明了各知识点的实际应用，适合Python初学者快速掌握基础语法。
2025-11-21 22:18:00
505
原创 python语言开发进阶-------网络爬虫篇 第二篇（selenium库）
本文介绍了Selenium库的基本使用方法和准备工作。Selenium是一个用于Web应用程序测试的工具，可驱动浏览器自动执行点击、输入等操作，支持多种主流浏览器。文章详细说明了安装WebDriver驱动程序的步骤，以Edge浏览器为例，包括版本查看、驱动下载和环境配置。同时介绍了如何安装Selenium库，并通过代码示例演示了如何驱动浏览器和加载网页。此外，还概述了WebDriver类的主要方法，如页面导航、元素定位、脚本执行等常用功能，为浏览器自动化操作提供了基础指导。
2025-11-20 21:01:36
946
1
原创 YOLO的再进步---YOLOv3算法详解(上)
YOLOv3作为目标检测领域的重要算法，在YOLO系列基础上进行了多项优化改进。其核心创新包括：采用Darknet-53网络架构，融合残差连接技术；设计多尺度检测策略，通过三个不同尺度的预测层实现更精准的物体检测；优化特征融合策略，增强小目标检测能力；改进先验框系统，增加检测框的多样性。这些改进使YOLOv3在保持较快推理速度的同时，显著提升了检测精度，特别是在COCO数据集上的表现优异。文章详细分析了YOLOv3的网络结构设计和技术创新点，展示了其平衡速度与精度的优势。
2025-11-19 00:15:35
935
原创 python语言开发进阶--------网络爬虫篇 开篇：(requests库）
本文介绍了Python网络爬虫的基本概念和requests库的使用方法，主要内容包括：1) 网络爬虫定义及常用爬虫库（urllib、requests、scrapy、selenium）的特点；2) robots.txt文件的爬取规则；3) requests库的安装及网页源代码查看；4) 使用get()函数获取网页资源，包括搜索和添加参数；5) Response对象的属性和处理方法，如状态码、headers、编码设置等；6) 简要提及post()函数和代理服务器的使用，在爬取过程中需遵守网站规则，适合Pytho
2025-11-17 12:24:25
1094
1
原创 HTML 基础知识二：创建容器和表格（附html实战案例）
本文介绍了HTML容器元素和表格的核心用法。容器元素包括通用容器<div>、行内容器<span>以及HTML5语义化容器（如<header>、<nav>等），用于组织页面结构。表格部分详解了<table>基本结构、跨行跨列属性(colspan/rowspan)及实际应用案例。最后通过图书馆网站的实战演示，展示了如何综合运用容器和表格构建完整网页。这些基础元素是网页开发的重要组件，掌握它们能有效提升页面结构性和数据展示效果。
2025-11-16 13:01:51
820
原创 HTML基础知识 一（简单易上手的语法教学）
本文介绍了HTML网页的基础知识，包括HTML发展历程和基本结构，详细讲解了常用标签如标题、段落、超链接和注释标签的使用方法。同时阐述了如何设置网页字体格式（字形、大小、颜色）以及添加多媒体内容（图片、音频、视频）。最后提供了获取网页资源的实用方法。文章包含完整示例代码，适合HTML初学者快速掌握网页制作基础技能。
2025-11-16 12:12:23
1221
原创 PyTorch继承坑？看YOLOv3 Darknet类如何用super().__init__()继承父类灵魂
文章摘要： 本文深入剖析了PyTorch自定义神经网络时super().init()的关键作用。通过分析Python继承机制，揭示了PyOLOv3 Darknet类中super().init()的必要性：它初始化了nn.Module的核心数据结构（_modules/_parameters字典），为设备迁移、参数更新等框架功能奠定基础。实验证明，缺少这行代码会导致层注册失败、设备迁移报错和梯度消失等问题。文章强调在继承nn.Module时务必调用父类初始化，这是享受PyTorch所有高级功能的前提条件。
2025-11-12 17:26:07
694
1
原创 YOLOv2算法详解（下篇）：细节打磨与性能突破的终极密码
YOLOv2的成功，不仅在于其“单阶段检测”的高效基因，更在于对技术细节的极致打磨——从感受野的精准计算到小卷积核的参数优化，从Passthrough层的特征融合到多尺度训练的动态适配，每一个设计都直击目标检测的核心痛点。这种“用工程思维解决算法问题”的思路，至今仍是计算机视觉领域的宝贵经验。速度与精度的平衡，从来不是靠单一模块的突破，而是多维度细节的协同优化。未来，随着YOLOv3、v4等版本的迭代，这种“细节哲学”将继续引领行业的发展。
2025-11-11 20:50:39
972
1
原创 YOLOv2算法详解（上篇）：从经典到进化的目标检测之路
YOLOv2算法详解：核心优化与技术突破 本文深入解析YOLOv2目标检测算法的关键创新，包括：引入Batch Normalization稳定训练过程；采用高分辨率分类器提升特征提取能力；设计轻量高效的DarkNet骨干网络；基于K-means聚类优化Anchor先验框；改进定位预测方法防止训练发散。这些技术突破使YOLOv2在VOC2007数据集上的mAP从63.4%提升至78.6%，同时保持67FPS的高速检测性能，在精度与速度之间取得卓越平衡。文章系统梳理了各项改进的理论依据与实现细节，为理解现代目标
2025-11-11 20:40:01
1172
原创 Python类构造进阶：默认参数与可选参数的那些坑与最佳实践
本文深入讲解Python构造方法中默认参数和可选参数的使用技巧。通过Animal类案例，详细解析了默认参数语法、多参数传递方式，并重点分析了可变默认值陷阱问题及解决方案（用None替代可变对象）。文章还介绍了**kwargs动态参数的高级用法，最后总结了构造参数设计的黄金法则：必要性优先、避免可变默认值、关键字参数友好、灵活但有边界。帮助开发者设计出更健壮、易用的类构造方法。
2025-11-08 14:51:02
1017
原创 Python 类构造详解：从模板到实例的创建艺术
本文系统讲解了Python类构造方法（init）的原理与应用。核心内容包括：构造方法的作用（初始化实例属性）、基本语法（self参数和属性绑定）、默认参数设置、继承时的父类构造调用（super()使用），以及类属性与实例属性的区分。通过动物类的示例，演示了从基础构造到继承场景的实现方法，并总结了构造方法的三大核心作用：定义实例结构、初始化状态、实现继承复用。文章还指出了常见误区（如忘记self、过度复杂化构造逻辑），强调构造方法应专注于简洁高效的实例初始化。
2025-11-08 14:43:40
1427
原创 Python 类继承详解：深度学习神经网络架构的构建艺术
本文探讨了深度学习领域中面向对象编程继承机制的应用价值。通过PyTorch框架实例，展示了如何利用Python继承机制构建专业级神经网络架构，包括全连接层、卷积神经网络(如ResNet)和Transformer架构的实现。文章详细介绍了继承在代码复用、架构扩展和模块化设计中的优势，并提供了参数初始化、自定义激活函数等最佳实践案例。继承机制不仅能实现架构标准化，还能通过渐进式增强提升开发效率，是构建灵活且易维护的深度学习模型的关键技术。
2025-11-07 21:53:23
646
原创 Python 类继承详解：从单继承到多重继承的底层逻辑与实战指南
本文系统介绍了Python类继承的使用方法，从代码复用需求出发详细讲解了单继承、方法重写、构造函数及super()的使用，着重分析多重继承中的菱形问题和MRO机制。通过员工管理系统和图形渲染系统两个实战场景，演示了继承在实际开发中的应用，同时强调"组合优于继承"等最佳实践。文章指出继承的核心价值在于代码复用、逻辑扩展和多态支持，建议合理使用单继承+组合的方式，避免过度设计。最后提出用继承实现车辆管理系统的练习任务，帮助读者巩固相关知识。
2025-11-07 21:34:35
944
原创 Python 类实战：从“函数堆函数”到“客户端对象”，看类如何让 API 请求代码脱胎换骨
摘要：本文通过API客户端开发案例，系统阐述了面向对象编程中类的三大核心优势。1）封装性：将配置、公共逻辑和业务接口封装为独立对象，解决全局变量污染和代码分散问题；2）继承复用：通过子类继承实现环境配置复用，减少90%重复代码；3）多态性：统一接口调用不同模块，消除类型判断的臃肿代码。文章指出类的本质是对业务实体的建模，特别适用于需要管理状态、复用逻辑和环境隔离的场景，最终将代码组织从"零散补丁"升级为"可组装积木"，并提供了数据库客户端的实践练习。
2025-11-06 23:03:38
1025
原创 Python 类生活实战：从“备忘录乱记”到“宠物管家”，看类如何让养宠日常井井有条
本文通过养宠家庭的生活场景，生动展示了面向对象编程中"类"的应用价值。针对宠物信息管理混乱的痛点，对比了传统字典方法和类封装方法：1)基类Pet封装通用属性和行为；2)子类Cat/Dog继承并扩展特有行为；3)实例化对象模拟真实宠物操作。类的三大优势得到体现：数据更安全(类型校验)、逻辑更清晰(行为封装)、扩展更灵活(继承复用)。文章最后建议读者尝试用类实现"家庭植物管理系统"，将编程思维融入生活场景。全文通过生动案例证明：类不仅是代码组织工具，更是模拟现
2025-11-06 23:03:26
861
原创 Python 类入门：从“字典堆字典”到“面向对象”，看类的三大优势如何碾压原始写法
面向对象编程通过类实现代码组织，显著提升开发效率。本文从学生管理系统案例出发，对比字典存储与类实现方式的差异，系统阐述类的三大核心优势：封装性（绑定数据与行为）、继承性（代码复用与扩展）、多态性（统一接口不同实现）。类将现实世界实体抽象为对象，使代码逻辑更直观、维护更简便、扩展更灵活。实践表明，当代码涉及状态管理、数据保护或类型扩展时，采用面向对象方法能有效解决字典嵌套导致的混乱问题，建议开发者在复杂业务场景中优先考虑使用类来组织代码。
2025-11-05 22:35:47
735
原创 高性能人工智能目标检测开山篇----YOLO v1算法详解（下篇）
YOLOv1作为首个实时目标检测算法，采用端到端的单阶段网络架构。其核心创新包括：1)基于7×7网格单元预测目标位置和类别；2)独特的30维输出设计(坐标、置信度、分类)；3)精心平衡的损失函数；4)应用NMS技术筛选最优检测框。虽然存在小目标检测不佳等局限，但YOLOv1开创了目标检测新范式，为后续系列算法奠定基础，在计算机视觉领域具有里程碑意义。
2025-11-05 15:56:52
878
原创 高性能人工智能目标检测开山篇----YOLO v1算法详解（上篇）
本文系统介绍了YOLOv1目标检测算法的核心思想与技术特点。作为YOLO系列的开山之作，YOLOv1创新性地将检测问题转化为回归问题，通过单一神经网络直接预测目标类别和位置，实现了45FPS的高速检测。文章对比了one-stage与two-stage检测方法的差异，阐述了精确率、召回率、IOU和mAP等关键评价指标，并展示了YOLOv1在mAP与检测速度上的优越表现。该算法为实时目标检测奠定了重要基础，在计算机视觉领域具有里程碑意义。
2025-10-30 21:42:07
722
原创 Python中装饰器：优雅代码的魔法棒
Python装饰器是一种强大的编程工具，通过接收函数或类并返回新函数来增强功能而不修改原代码。本文系统介绍了装饰器的基本概念、工作原理（包括闭包机制）、不同类型（无参、带参和类装饰器）及其在实际开发中的应用场景，如日志记录、性能测试、权限验证和缓存机制。同时阐述了编写技巧（如functools.wraps的使用）和注意事项（执行顺序、循环装饰等），帮助开发者掌握这一特性以提高代码质量和开发效率。装饰器为Python程序提供了优雅的扩展方式，是提升编程水平的重要工具。
2025-10-29 05:05:32
842
原创 深入理解端口与端口号：网络通信的“门牌号“系统
端口号是网络通信中区分不同服务的数字标识，范围0-65535，分为知名端口(0-1023)、注册端口(1024-49151)和动态端口(49152-65535)。它使单IP地址能支持多服务并发，如HTTP(80)、FTP(21)等。UNIX系统中1024以下为特权端口。查看端口号可用netstat、lsof等命令。传统流量分类基于端口号，但现代应用使用动态端口或共用端口带来挑战。合理管理端口对网络安全至关重要，建议仅开放必要端口并定期检查。掌握端口知识是网络管理的基础技能。
2025-10-28 12:02:19
1011
原创 为什么小数据集（275张）做数据增强后效果反而变差？——深度解析与解决方案
小数据集增强效果反降的本质是数据量不足与训练轮次不足的双重作用。遵循文档建议：✅ 优先增加epoch至50-100轮✅ 减弱增强强度（特别是ColorJitter）✅ 采用迁移学习破解数据困局✅ 保存中间最优模型（非最终模型）当实施这些改进后，您将观察到增强策略的真正威力——这需要耐心等待模型度过"学习适应期"。正如文档强调："增强后需要更多训练才能显现优势"，这是深度学习中值得等待的质变过程。
2025-10-20 22:59:24
865
原创 从语言到向量：自然语言处理核心转换技术的深度拆解与工程实践
从统计语言模型的维度困境，到词嵌入的语义革命，再到word2vec的工程落地，自然语言处理的语言转换技术走过了一条从“符号统计”到“语义计算”的演进之路。如今，词嵌入已不再是孤立技术，而是深度学习与NLP融合的基础——BERT、GPT等预训练模型的核心，正是基于词嵌入的扩展与优化。未来，随着多模态学习（文本、图像、语音的联合建模）与小样本学习的兴起，语言转换技术将进一步突破“仅从文本学习”的限制。但不变的是，让计算机真正“理解”语言背后的语义，始终是NLP最根本的挑战，也是最激动人心的机遇。
2025-10-20 22:56:48
675
原创 YOLOv3目标检测算法深度解析：从核心改进到实战应用
YOLOv3作为目标检测领域的里程碑式突破，通过四大技术创新实现了性能飞跃：1）采用53层Darknet-53网络结构，引入残差连接解决深度网络训练难题；2）创新性多尺度检测机制（13×13/26×26/52×52三级特征图），显著提升小目标检测能力；3）优化锚框设计与分类器，支持多标签分类；4）完全卷积架构实现端到端高效检测。在智能安防、自动驾驶等场景展现强大实用性，同时为后续轻量化部署和多模态融合指明发展方向。该技术突破不仅奠定了现代目标检测基础，更为工业应用提供了可靠解决方案。
2025-10-20 22:36:33
827
原创 激活函数只是“非线性开关“？ReLU、Sigmoid、Leaky ReLU的区别与选择
摘要：激活函数是神经网络的核心组件，远非简单的非线性开关。本文深入解析了Sigmoid、ReLU和LeakyReLU三大经典激活函数的数学原理、特性（输出范围、梯度特性）及适用场景，揭示其作为"动力引擎"的关键作用：控制输出范围、调节梯度传播、引入稀疏性。通过PyTorch实验对比三种函数在二分类任务中的表现，提出激活函数选择的黄金法则：深层网络优先ReLU，警惕死亡问题时选用LeakyReLU，输出层按任务类型选择。正确的激活函数选择能显著提升模型训练效率和最终性能。
2025-10-20 22:33:53
1006
原创 YOLOv3目标检测算法深度解析：从核心改进到实战应用
本文系统剖析了YOLOv3目标检测算法的核心技术突破与应用实践。作为YOLO系列的里程碑，YOLOv3通过Darknet-53深层网络架构、多尺度特征检测机制和残差连接等创新，在保持实时性的同时显著提升检测精度，特别是解决了小目标检测难题。文章详细解析了其网络结构蜕变、三级检测策略、残差稳定机制等关键技术，并对比展示了与前期版本的性能优势。同时探讨了该算法在安防监控、自动驾驶等领域的典型应用案例，以及轻量化部署、多模态融合等未来发展方向，为理解现代目标检测技术提供了重要参考。
2025-10-20 22:08:45
1765
原创 YOLO 系列目标检测算法入门：从 YOLO v1 开始理解 One-Stage 检测器
本文介绍了YOLOv1目标检测算法的核心原理与实现。作为One-Stage检测器的代表，YOLOv1将输入图像划分为7×7网格，每个网格预测2个边界框及类别概率，通过端到端网络实现快速检测。文章详细解析了其网络结构（24个卷积层+2个全连接层）和创新的多任务损失函数设计，该损失函数通过加权机制平衡定位、置信度和分类任务。YOLOv1具有速度快（45FPS）、全局信息利用充分等优点，但也存在网格预测单一类别、小目标检测效果差等局限。这些特性为后续YOLO系列算法的改进奠定了基础。
2025-10-18 23:53:46
811
原创 卷积神经网络搭建实战（二）——基于PyTorch框架和本地自定义图像数据集的食物分类案例（附输入图片预测功能）
本文详细介绍了基于PyTorch框架实现食物图像分类任务的全过程。主要内容包括：1. 数据准备阶段，通过自动生成train.txt和test.txt文件来组织本地数据集；2. 自定义FoodDataset类实现数据加载，支持自动获取类别名称；3. 构建包含3个卷积层和2个全连接层的CNN模型；4. 完整的训练、测试流程及预测功能实现；5. 常见问题分析与优化建议。该方案采用动态获取类别的方式，无需手动输入类别列表，实现了从“;输入图片路径→输出类别”;的端到端功能，为处理自定义图像分类任务提供了完整参考。
2025-10-17 22:14:15
1109
2
原创 基于OpenCV与Python的身份证号码识别案例详解
cv_show：快速显示图像（避免重复写imshow和waitKey：按指定方向排序轮廓（确保字符顺序正确）import cv2# 绘图展示函数：简化图像显示流程# 轮廓排序函数：支持左→右、右→左、上→下、下→上i = 0i = 1。
2025-10-17 08:35:01
773
原创 机器学习实战篇--TF-IDF实战--名著红楼梦的文本数据处理
加载《红楼梦》专属分词补充词库，让jieba更好地识别小说中的专有名词（如人名、地名等）jieba.load_userdict("红楼梦词库.txt")# 读取中文停用词表# stopwordsCN.txt是包含中文停用词的文件（如"的"、"了"、"在"等无实际意义的词）# encoding='utf8'指定编码，engine='python'避免编码相关的解析问题# index_col=False表示不将任何一列作为索引。
2025-10-16 11:19:53
860
原创 详细介绍ollama和open-webui的使用（带你一步步动手做）
本文介绍了大模型的本地部署、微调、提示词工程及扩展应用。首先讲解Ollama工具的本地安装与运行，支持通过命令快速部署开源大模型，并介绍相关管理命令及模型参数单位“B”（十亿）的含义。其次阐述大模型微调的显存需求，涉及全量微调、高效微调（PEFT:Lora）及QLora（参数降精度方法）。随后说明提示词工程的核心作用，即通过优化提示词提升AI生成效果。接着引入RAG（检索增强生成）技术，通过外部知识源减少模型幻觉并增强回答准确性。最后详细介绍Open WebUI的部署与功能，包括多模型支持、知识库管理、语音
2025-10-16 11:16:47
732
原创 计算机视觉--opencv---如何识别不同方向图片的识别（二）
本文介绍了使用OpenCV实现多模板匹配和图像旋转的技术。在模板匹配部分，详细说明了读取图像、选择匹配方法、设置阈值和处理重叠区域的步骤，并提供了示例代码。在图像旋转部分，重点分析了固定角度旋转（90°、180°、270°）的技术优势，包括像素位置预测、画布尺寸变化和计算效率等特性。文章还深入解析了cv2.rotate()函数的参数和底层实现机制，并给出两种旋转方法的代码示例。最后，通过一个案例展示了如何在大图片中识别不同角度的小图片，提供了完整的代码实现和效果展示。
2025-10-15 23:40:38
904
原创 计算机视觉--opencv---如何识别不同方向图片的识别（一）
本文介绍了使用OpenCV实现多模板匹配与多角度图像识别的完整流程。首先讲解了多模板匹配的核心步骤，包括读取图像、选择匹配方法、执行匹配和结果筛选。然后详细分析了OpenCV固定角度旋转的高效实现方法，比较了不同旋转模式的技术特点。最后提出了多角度图像识别的解决方案：通过生成旋转模板集合，结合通用匹配函数，实现在大图中识别不同角度的小模板。文章提供了完整的Python代码示例，展示了从单角度匹配扩展到多角度识别的完整过程，并讨论了阈值调整和性能优化等实际应用要点。
2025-10-15 23:33:51
1647
7
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人