html_img_map图分块加链接

最新推荐文章于 2024-12-11 11:48:55 发布
原创 最新推荐文章于 2024-12-11 11:48:55 发布 · 208 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文全面覆盖信息技术领域的各个方面，从基础的前端开发、后端开发到移动应用开发，再到游戏开发、大数据开发、AI音视频处理等前沿技术。深入探讨了开发工具、嵌入式开发、音视频基础、图像处理、测试、基础运维、DevOps等关键领域，为读者提供了一站式的IT技术指南。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

<div style="text-align:center">
      <img src="/shop/school/tzbar/imgs/tz-01.jpg" border="0" usemap="#tzbar_map1"/>
	  <map name="tzbar_map1" id="tzbar_map1">
	     <area shape="rect" coords="165,190,311,210" href="/shop/index.shtml" target="_blank"/>
	     <area shape="rect" coords="354,190,518,210" href="/shop/school/index.shtml" target="_blank"/>
	     <area shape="rect" coords="591,190,704,210" href="/shop/school/swk.shtml" target="_blank"/>
	     <area shape="rect" coords="759,190,880,210" href="/shop/school/tc.shtml" target="_blank"/>
	  </map>
	</div>

 

用html给一张图片做多个热区链接,html 锚点链接 图像热区链接
weixin_35736086的博客
06-03 3017
锚点链接图像热区链接除了对整幅图像设置超链接外，还可以将图像划分为若干区域，这叫做"热区"，每个区域可设置不同的超链接。此时，包含热区的图像可以称为映射图像。要进行热区设置，首先需要在图像文件中设置映射图像名，格式为： 也就是说，此时需要使用标记的usemap属性，定义图像的映射图像名。然后，就要在图像中定义各个热区以及超链接了，主要语法为：……在该语法中又引入了两个标记：和。、标记用于包含多个标...
python图像分块_Python图像处理：基于边缘/区域的图像分割
weixin_32298151的博客
01-14 2557
图像分割的概念图像分割是将图像分割成不同的区域或类别，并使这些区域或类别对应于不同的目标或局部目标。每个区域包含具有相似属性的像素，并且图像中的每个像素都分配给这些类别之一。一个好的图像分割通常指同一类别的像素具有相似的强度值并形成一个连通区域，而相邻的不同类别的像素具有不同的值。这样做的目的是简化成改变图像的表示形式，使其更有意义、更易于分析。如果分割做得好，那么图像分析的所有其他阶段都将变得更...
图片分区块链接 12306网站地图分区块链接代码
01-31
图片分区块链接 12306网站地图分区块链接代码
html给图片划分区域添加链接
aiduo3346的博客
03-21 1157
<body><img src="logo.jpg" usemap="#myMap" border="0"/> <map ramo="myMap" id="myMap"> <area shape="circle" coords="32,35,31" href="https://www.cnblogs.com/837634902...
一张图图片分块html,神奇图片分割软件怎么将一张图片分割为多个图像块？
weixin_39600328的博客
06-03 1529
神奇图片分割软件作为一款专业的图片分割软件，拥有按行列数平均分割及按尺寸分割两种方式，能够轻松将图片分割成若干份，并且市面上主流的文件图片格式它都支持。那么，神奇图片分割软件怎么将一张图片分割为多个图像块呢？下面，我们一起往下看看吧！方法步骤1、用神奇图片分割软件打开一张待分割的图片文件；2、在左侧的设置侧边栏中，选择分割模式，平均分割模式可以按行数和列数将图片平均分割为几等分；按尺寸分割模式可以...
一张图图片分块html,css img图片是内联还是块？
weixin_35348635的博客
06-03 471
img图片是一个内联元素，默认CSS display属性的值是inline。但是他同时也是replace元素，他有着特殊的表现：1、可以设置width/height;2、默认的，img元素在屏幕占据的空间与其图片的实际像素一致，除非CSS有设置或者自身的width/height HTML 属性有设置3、如果img标签的包裹元素为也为inline元素，则img的边界可以超出其直接父元素的边界，直到自...
学习threejs，局部纹理刷新，实现图片分块加载
我哎GIS博客
12-11 1427
本文详细介绍如何基于threejs在三维场景中局部纹理刷新，实现图片分块加载，亲测可用。希望能帮助到您。一起学习，加油！加油！
import cv2 import numpy as np import matplotlib.pyplot as plt import matplotlib as mpl # 设置Matplotlib中文字体 mpl.rcParams['font.sans-serif'] = ['SimHei'] mpl.rcParams['axes.unicode_minus'] = False # 相机内参和畸变系数 K = np.array([ [1881.4773 , 0 ,1016.363887], [0 , 1931.988488 , 547.1170723], [0 , 0 , 1]], dtype=np.float32) dist = np.array([-0.927214665,0.875249537,0.001301429,-0.006101325, 0], dtype=np.float32) # 控制点坐标 world_points_3d = np.array([ [4262845.751, 644463.054, 64.289], [4262844.149, 644468.755, 63.701], [4262846.106, 644470.001, 63.621], [4262847.099, 644471.268, 63.765], [4262853.252, 644455.049, 64.177], [4262846.305, 644431.715, 66.42], [4262851.769, 644434.948, 64.503], [4262852.526, 644431.694, 64.784], [4262858.526, 644426.641, 64.81], [4262865.608, 644419.362, 66.008], [4262858.634, 644475.401, 63.64], [4262868.267, 644480.64, 63.645], [4262871.129, 644477.184, 63.719] ], dtype=np.float32) image_points = np.array([ [205, 357], [31, 462], [74, 485], [88, 501], [593, 288], [525, 145], [644, 196], [674, 178], [815, 164], [968, 130], [748, 599], [1697, 763], [1739, 616] ], dtype=np.float32) # 读取图像 raw_img = cv2.imread(r"D:\shuiwei\1.jpg") if raw_img is None: raise FileNotFoundError("无法加载图像，请检查路径: D:\\shuiwei\\1.jpg") # 畸变校正 undistorted_img = cv2.undistort(raw_img, K, dist) # 修正后的旋转矩阵和平移向量 R = np.array([ [-0.99562414, -0.08557365, -0.03754638], [-0.01233105, -0.27796685, 0.96051152], [-0.09263113, 0.95677144, 0.27569529] ], dtype=np.float32) tvec = np.array([[4299360.374, 231647.0009, -221780.8828]], dtype=np.float32) tvec = tvec.reshape(3, 1) # 确保为3x1向量 # 计算水面平均高程 Z0 = np.mean(world_points_3d[:, 2]) print(f"水面平均高程: {Z0:.3f} 米") # 计算反投影函数 def inverse_project(points_2d, Z0): R_inv = np.linalg.inv(R) K_inv = np.linalg.inv(K) points_3d = [] for pt in points_2d: # 归一化坐标 uv = np.array([pt[0], pt[1], 1.0], dtype=np.float32) xyz_cam = K_inv @ uv # 计算射线方向 ray_dir = R_inv @ xyz_cam # 计算与高程平面相交的参数t # 方程: t * ray_dir[2] + (R_inv @ (-tvec))[2] = Z0 t = (Z0 - (R_inv @ (-tvec))[2, 0]) / ray_dir[2] # 计算世界坐标 P_c = t * xyz_cam P_w = R_inv @ (P_c - tvec) points_3d.append(P_w.flatten()) return np.array(points_3d) # 使用图像边界反投影 img_height, img_width = undistorted_img.shape[:2] img_corners = np.array([ [0, 0], # 左上 [0, img_height], # 左下 [img_width, img_height], # 右下 [img_width, 0] # 右上 ], dtype=np.float32) # 反投影得到世界坐标 world_corners = inverse_project(img_corners, Z0) # 提取XY范围 X_min, X_max = np.min(world_corners[:, 0]), np.max(world_corners[:, 0]) Y_min, Y_max = np.min(world_corners[:, 1]), np.max(world_corners[:, 1]) # 扩展5%边界缓冲 x_range = X_max - X_min y_range = Y_max - Y_min X_min -= 0.05 * x_range X_max += 0.05 * x_range Y_min -= 0.05 * y_range Y_max += 0.05 * y_range print(f"正射影像范围: X: {X_min:.2f}-{X_max:.2f}, Y: {Y_min:.2f}-{Y_max:.2f}") # 设置分辨率 pixels_per_meter = 5 # 降低分辨率以加速处理 width = int((X_max - X_min) * pixels_per_meter) height = int((Y_max - Y_min) * pixels_per_meter) print(f"正射影像尺寸: {width}x{height} 像素 (分辨率: {pixels_per_meter} 像素/米)") # 创建正射影像网格 ortho_x = np.linspace(X_min, X_max, width) ortho_y = np.linspace(Y_max, Y_min, height) # Y轴反转 ortho_xx, ortho_yy = np.meshgrid(ortho_x, ortho_y) ortho_zz = np.ones_like(ortho_xx) * Z0 # 将3D点展平 points_3d = np.dstack([ortho_xx, ortho_yy, ortho_zz]).reshape(-1, 3) # 世界坐标→图像坐标 projected_points, _ = cv2.projectPoints( points_3d, R, tvec, K, None ) # 重塑为网格坐标 map_x = projected_points[:, 0, 0].reshape(ortho_xx.shape) map_y = projected_points[:, 0, 1].reshape(ortho_yy.shape) # 检查坐标范围有效性 valid_mask = (map_x >= 0) & (map_x < img_width) & \ (map_y >= 0) & (map_y < img_height) valid_percentage = np.mean(valid_mask) * 100 print(f"有效投影点比例: {valid_percentage:.2f}%") # 重映射生成正射影像 ortho_img = cv2.remap( undistorted_img, map_x.astype(np.float32), map_y.astype(np.float32), cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT, borderValue=(0, 0, 0) ) # 创建带透明通道的图像 (RGBA) b, g, r = cv2.split(ortho_img) alpha = np.uint8(valid_mask * 255) ortho_img_rgba = cv2.merge([b, g, r, alpha]) # 保存结果 cv2.imwrite("river_ortho_corrected.png", ortho_img_rgba) # 可视化比较 plt.figure(figsize=(15, 10)) # 原始图像 plt.subplot(131) plt.imshow(cv2.cvtColor(raw_img, cv2.COLOR_BGR2RGB)) plt.title("原始图像") plt.axis('off') # 畸变校正后的图像 plt.subplot(132) plt.imshow(cv2.cvtColor(undistorted_img, cv2.COLOR_BGR2RGB)) plt.title("畸变校正后图像") plt.axis('off') # 正射影像（带透明通道） plt.subplot(133) # 将RGBA转换为RGB显示，透明部分显示为白色背景 ortho_rgb = cv2.cvtColor(ortho_img_rgba, cv2.COLOR_BGRA2RGBA) plt.imshow(ortho_rgb) plt.title(f"正射影像 ({width}x{height})\n有效区域: {valid_percentage:.1f}%") plt.axis('off') plt.tight_layout() plt.savefig("ortho_comparison.png", dpi=300, bbox_inches='tight') plt.show() # 保存调试图像（投影点可视化） debug_img = undistorted_img.copy() for i, pt in enumerate(projected_points.reshape(-1, 2)): x, y = pt if 0 <= x < img_width and 0 <= y < img_height: color = (0, 255, 0) if i % 100 == 0 else (0, 0, 255) # 每隔100个点用绿色，其他用红色 cv2.circle(debug_img, (int(x), int(y)), 2, color, -1) cv2.imwrite("projection_debug.jpg", debug_img) # 计算重投影误差 reprojected, _ = cv2.projectPoints(world_points_3d, R, tvec, K, None) errors = np.linalg.norm(reprojected - image_points, axis=2) print(f"控制点重投影误差统计:") print(f" 最小: {np.min(errors):.2f} 像素") print(f" 最大: {np.max(errors):.2f} 像素") print(f" 平均: {np.mean(errors):.2f} 像素") print(f" 中位数: {np.median(errors):.2f} 像素")D:\Anaconda\python.exe D:\水位检测\正射校正\基于控制点的单应性变换.py 水面平均高程: 64.391 米 正射影像范围: X: 4262651.85-4262875.15, Y: 4262780.67-4262985.83 正射影像尺寸: 1116x1025 像素 (分辨率: 5 像素/米) 有效投影点比例: 0.00% 控制点重投影误差统计: 最小: 32.22 像素 最大: 2048.67 像素 平均: 737.62 像素 中位数: 632.97 像素
06-26
(map_x >= 0) & (map_x < img_width) & (map_y >= 0) & (map_y < img_height) ) # 重映射图像块 block_img = cv2.remap( undistorted_img, map_x.astype(np.float32), map_y.astype(np.float32), cv2....
使用目标检测模型检测test_img和temp_img，返回test_boxes和temp_boxes，使用pyhon将temp_boxes进行整体变化（旋转&平移，不使用拉伸变化），使得temp_boxes和test_boxes重叠的框数量以及重叠度最高，并计算每个框的iou
最新发布
08-09
由于代码较长，我们分块实现。 注意：由于OpenCV的旋转矩形表示中，角度是度数，并且范围在[0,90)度（因为宽高可以互换，所以角度归一化到0~90度）。但是，当我们进行旋转时，我们可能旋转任意角度（例如45度），...
import os import argparse import sys import shutil from PIL import Image import time MAX_DIMENSION = 65000 # 最大允许尺寸（留500像素余量） SAFE_MODE = False # 设置为True可禁用删除操作（用于测试） def merge_images_with_chunks(input_dir, output_path=None, direction='vertical', spacing=0, background=(255, 255, 255)): """ 将多张图片合并为多个长图并清理原始图片 """ # 自动生成输出文件名（如果未提供） if not output_path: timestamp = time.strftime("%Y%m%d_%H%M%S") output_path = os.path.join(input_dir, f"merged_{timestamp}.jpg") # 获取目录中的所有图片文件（按文件名排序） valid_extensions = ('.jpg', '.jpeg', '.png', '.bmp', '.gif', '.webp') image_files = sorted([f for f in os.listdir(input_dir) if f.lower().endswith(valid_extensions)]) if not image_files: print(f"错误: 目录中没有图片文件: {input_dir}") return False print(f"找到 {len(image_files)} 张图片，开始合并...") # 准备变量 base_name, ext = os.path.splitext(output_path) current_chunk = 1 all_chunks = [] current_images = [] current_size = 0 # 当前块的总尺寸（高度或宽度） processed_files = [] # 记录已处理的原始图片 for i, file in enumerate(image_files): try: img_path = os.path.join(input_dir, file) img = Image.open(img_path) img = img.convert('RGB') # 确保RGB模式 # 获取图片尺寸 width, height = img.size img_size = height if direction == 'vertical' else width # 计算添加此图片后的新尺寸 new_size = current_size + img_size if current_images: # 如果不是第一张，加上间距 new_size += spacing # 检查是否需要创建新块 if new_size > MAX_DIMENSION and current_images: # 保存当前块 chunk_path = f"{base_name}_part{current_chunk}{ext}" if create_chunk(current_images, chunk_path, direction, spacing, background): all_chunks.append(chunk_path) print(f"已创建分块 {current_chunk}: {chunk_path}") # 重置变量，开始新块 current_chunk += 1 current_images = [] current_size = 0 new_size = img_size # 新块从当前图片开始 # 添加到当前块 current_images.append(img) processed_files.append(img_path) # 记录已处理的图片 current_size = new_size print(f"添加图片 {i+1}/{len(image_files)}: {file} ({width}x{height})") except Exception as e: print(f"警告: 无法处理图片 {file}: {str(e)}") # 处理最后一个块 if current_images: chunk_path = f"{base_name}_part{current_chunk}{ext}" if len(all_chunks) > 0 else output_path if create_chunk(current_images, chunk_path, direction, spacing, background): all_chunks.append(chunk_path) print(f"已创建分块 {current_chunk}: {chunk_path}") # 汇总结果 if all_chunks: print("\n合并完成! 共创建以下分块:") for path in all_chunks: print(f" - {path}") # 清理原始图片 if not SAFE_MODE and processed_files: print("\n开始清理原始图片...") for file_path in processed_files: try: os.remove(file_path) print(f"已删除: {os.path.basename(file_path)}") except Exception as e: print(f"删除失败: {os.path.basename(file_path)} - {str(e)}") print(f"\n已清理 {len(processed_files)} 张原始图片") return True print("错误: 未能创建任何分块") return False def create_chunk(images, output_path, direction, spacing, background): """创建单个分块的长图""" try: # 计算分块尺寸 if direction == 'vertical': total_width = max(img.width for img in images) total_height = sum(img.height for img in images) + spacing * (len(images) - 1) else: total_width = sum(img.width for img in images) + spacing * (len(images) - 1) total_height = max(img.height for img in images) # 创建图像 chunk_img = Image.new('RGB', (total_width, total_height), background) # 粘贴图片 offset = 0 for img in images: if direction == 'vertical': x_pos = (total_width - img.width) // 2 # 水平居中 chunk_img.paste(img, (x_pos, offset)) offset += img.height + spacing else: y_pos = (total_height - img.height) // 2 # 垂直居中 chunk_img.paste(img, (offset, y_pos)) offset += img.width + spacing # 保存分块 chunk_img.save(output_path) print(f" - 分块尺寸: {chunk_img.width}x{chunk_img.height}") return True except Exception as e: print(f"创建分块失败: {str(e)}") return False def main(): parser = argparse.ArgumentParser(description='图片合并与清理工具') parser.add_argument('input_dir', help='包含图片的目录路径') parser.add_argument('-o', '--output', help='输出文件路径 (可选，默认在输入目录生成)') parser.add_argument('-d', '--direction', choices=['vertical', 'horizontal'], default='vertical', help='合并方向: vertical(垂直) 或 horizontal(水平)') parser.add_argument('-s', '--spacing', type=int, default=0, help='图片间距(像素)') parser.add_argument('-b', '--background', default='white', help='背景颜色 (颜色名称如 white/black, 或 RGB值如 255,255,255)') parser.add_argument('--safe', action='store_true', help='安全模式（不删除原始图片）') args = parser.parse_args() # 处理安全模式 global SAFE_MODE SAFE_MODE = args.safe # 处理背景颜色 background = (255, 255, 255) # 默认白色 if args.background: try: # 尝试解析RGB值 (如 "255,255,255") if ',' in args.background: r, g, b = map(int, args.background.split(',')) background = (r, g, b) else: # 尝试颜色名称 from PIL import ImageColor background = ImageColor.getrgb(args.background) except: print(f"警告: 无法识别的颜色 '{args.background}', 使用默认白色") # 检查输入目录是否存在 if not os.path.isdir(args.input_dir): print(f"错误: 目录不存在: {args.input_dir}") sys.exit(1) # 执行合并 success = merge_images_with_chunks( args.input_dir, output_path=args.output, direction=args.direction, spacing=args.spacing, background=background ) if success: print("\n操作成功完成!") if SAFE_MODE: print("安全模式已启用 - 原始图片未删除") else: print("\n操作失败，原始图片保留") sys.exit(1) if __name__ == "__main__": main()这事我写的脚本现在这个功能只能处理单个文件我想让他处理多个文件我给他一个父目录他能按照现在处理单个文件逻辑去处理父文件下的所有文件
06-05
修改后的merge_images_in_dir函数中，在保存后关闭所有图片：new_image.save(output_path)#关闭所有打开的原图forimginimages:img.close()最后，如果用户没有安装PIL库，需要先安装：pipinstallPillow以上是根据要求...
菜鸟代码，python学习日常（二）图像分块拼接
GreedApple1的博客
10-20 357
注：菜鸟的前面的代码中有一个对原始图像灰度化的处理是因为我图像算法处理的方法时在灰度图片下进行的，如果处理图片时彩色的可以删掉这一步，并改一下通道数；我查了百度了一下解决办法，有一种 overlap 的方法能够缓解这个问题就试了一下，代码很简单，只要改动 for 循环中的步长参数就行。好像并没有什么用（😂😂😂😂😂），只是改变的拼接的位置，看来菜鸟还得继续找别的方法解决这个问题了。核心思路时通过 for 循环历遍图像xy轴像素，历遍的单位为图像块的大小，这个时可以自己设置的。下面附上完整的代码以供参考。
HTML之图像地图将图片分成不同区域，在不同区域上做跳转链接，即点击图片的不同区域让它跳转至不同链接
angrynouse的博客
10-29 2039
点击图片不同区域实现页面跳转，以及多边形的坐标的测量方法
指定图片某块区域加超链接 (热点)
热门推荐
flqbestboy的专栏
08-02 2万+
使用map标签可以给指定图片某块区域加超链接 使用方法： 1.为map标签首先加上一个id属性来为map标签定义一个唯一的名称 2.为了保证兼容性再加上name属性，属性值和id的值相同 注：img中的usemap属性可引用map中的id或name属性（由浏览器决定）所以需要添加id和name两个属性 3.为map标签所作用的图片加上usemap属性，属性值为#id(map标签的id值或
html图片定义可点击区域,HTML - 可点击区域
weixin_28951347的博客
06-09 1640
对于我的导航栏，我将如何使“Arc Studios”文本可点击。HTML - 可点击区域这是代码;Arc Studios那么如何制作可点击的链接并将CSS添加到文本中呢？.menu,.menu ul,.menu li,.menu a {margin: 0;padding: 0;border: none;outline: none;}.menu {margin-top: -8px;height: 5...
HTML中设置连接的区域为圆形,三种方式实现圆形可点击区域
weixin_39719729的博客
06-11 860
1. map和area将img和map标签连起来的是usemap，它的值是map的idarea属性：shape：表示热点区域的形状，支持rect(矩形)，circle(圆形)，poly(多边形)coords：表示热点区域的坐标，(0,0)表示图片左上角。rect四个值分别表示左上角坐标和右下角坐标。circle三个值分别表示圆心坐标和半径。poly有若干个值，每两个表示一个坐标点。href：表示链...
Flex地图分块加载的实现
hclworld的专栏
11-03 297
在家上网赚钱更容易 首先我们确定几个关键点：窗口大小：windowW:Number,windowH:Number; 指的是可视区域的大小 我们可以把他想成客户端的分别率单位地图大小： uintPicW：Number，uintPicH：Number; 指的是你切割的地图图片的单元大小。当前地图坐标：position：point;这里大家就可以想成是你人物的当前所处坐标清楚了上面的几个关键点...
HTML中点击图片不同区域触发不同事件 图片定位
我本可以
06-05 1万+
在一张图片上，点击不同部分区域触发不同事件。 其实就是根据一张已知像素大小的图片，以其左上角作为远点坐标，建立一个右下方向为正轴的二维坐标系。然后建立矩形，圆形等区域并绑定href属性或者其他js事件即可。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值