- 博客(23)
- 收藏
- 关注
RSS订阅原创 series为什么可以同时添加红绿蓝三组分量并进行对应属性设置？
图表库中的series参数采用数组类型设计，支持同时定义多个独立数据系列（如RGB三色分量），每个系列可独立配置样式、数据等属性。这种多系列容器设计能够：1）将关联但独立的数据维度整合在同一图表中；2）通过独立属性配置实现多维度数据对比；3）满足图像处理等场景对多维度数据可视化对比的需求，避免分开展示导致的对比性差问题。该设计是图表库应对复杂数据展示的基础特性。
2025-12-16 14:15:47
240
原创 在VS的winform中基于C#和OPenCV实现基于python的yolo模型深度学习的使用与训练
本文提出了一种基于WinForm(C#)与Python混合开发的YOLO目标检测系统解决方案。系统采用前后端分离架构：C#负责前端界面交互和图像显示，Python负责YOLO模型的ONNX推理和训练任务。关键技术点包括：1)通过进程调用和JSON数据格式实现跨语言通信；2)Python端实现YOLOv8的ONNX推理和训练功能；3)C#端完成图像处理、结果可视化及训练监控界面。系统支持模型推理、训练及ONNX模型导出功能，并提供了路径处理、性能优化等实用调试技巧。该方案有效解决了Pythonnet环境冲突问
2025-12-09 17:09:39
666
原创 基于C#绘制图表，如柱状图、折线图、饼状图等
摘要：本文介绍了C#开发中图表组件配置类(UIBarOption、UILineOption等)的使用方法。这些类封装了图表渲染参数，通过设置标题、坐标轴、数据系列等属性传递给图表控件。文章详细说明了柱状图(UIBarOption)和折线图(UILineOption)的核心属性及应用场景，并简要介绍了饼图、散点图等其他图表配置类的特点。开发中应根据数据类型和业务目标选择合适的Option类，通过配置属性实现个性化图表展示。(148字)
2025-12-02 14:13:20
666
原创 int? 与int
int?num = 10;定义一个「允许存 null」的整数变量num，当前值为10；解决普通int无法表示「无值」的问题，适配数据库、表单等实际场景；操作时需先判断是否有值（HasValue或），用Value或??安全取值；int?是值类型（），不是引用类型，性能与普通int接近。int?int+ 允许null，是处理 “可选数值” 的必备语法。
2025-11-24 09:19:13
403
原创 理解XAML是什么？
XAML是微软为.NET生态设计的声明式UI描述语言，主要用于定义界面结构、控件布局和样式。它采用标签化语法，与C#分工协作：XAML负责UI呈现，C#处理业务逻辑。XAML支持强类型绑定、样式模板和数据驱动UI更新，广泛应用于WPF、MAUI等.NET UI框架。其核心价值在于分离关注点、提高开发效率，通过声明式语法简化界面开发，同时保持与C#的无缝交互。XAML不是独立语言，而是紧密依赖于.NET控件模型的UI描述工具，使.NET UI开发更加直观和可维护。
2025-11-14 15:02:12
996
原创 ＜Grid＞-＜/Grid＞与C#关系
</Grid>是XAML中网格布局控件的闭合标签，与<Grid>配对使用，用于定义子控件的布局范围。Grid作为XAML框架（如WPF、MAUI）的核心布局容器，通过行和列划分界面区域，支持跨行跨列布局。虽然在C#中没有直接对应的闭合语法，但可以通过Grid类动态创建和操作网格布局。XAML负责声明式UI设计，C#处理后端逻辑控制，二者协同实现灵活的界面布局。</Grid>的合理使用是构建网格化界面的关键。
2025-11-14 14:50:22
844
原创 GDI+ 是什么，什么时候使用，为什么要通过外接矩形绘制
GDI+（Graphics Device Interface Plus）是Windows系统提供的2D图形绘制API，主要用于传统桌面应用的图形处理。它支持基础形状绘制（矩形、椭圆等）、图像处理（缩放、裁剪）、文字渲染和复杂绘图操作，适合WinForms开发、简单图像处理、报表打印等场景。GDI+采用外接矩形机制统一形状绘制逻辑，通过定义形状的边界框来简化坐标计算和变换操作，既提升开发效率也优化底层渲染性能。这种设计使开发者能用统一的参数格式（左上角坐标+宽高）处理各类形状，特别适合鼠标拖拽绘制等交互场景。
2025-11-13 09:23:14
707
原创 C#并行运行中的CLR算法，“爬山”算法和API
摘要： CLR为C#并行编程提供底层支撑（线程池、内存模型、同步原语），而C#通过Parallel类、Task等高级API封装并行算法（数据并行、任务并行）。爬山算法作为优化算法可与C#并行机制结合，通过Parallel.For并行评估候选解或Task并行多初始点搜索来加速执行。API本质是约定与封装的桥梁，隐藏复杂实现（如CLR线程调度），让开发者只需关注业务逻辑（如爬山算法）。三类典型API包括：语言API（如Task.Run）、系统API和WebAPI，均通过标准化接口简化开发。
2025-11-12 11:30:12
702
原创 C#+OpenCV进阶(四)_录屏
类型，用于控制录屏线程的取消（安全停止线程）：OpenCvSharp 库中的类型，负责将捕获的帧数据写入视频文件。
2025-11-12 11:11:02
458
原创 try-catch 无法捕获特定异常
Visual Studio 2022调试时try-catch无法捕获异常的根本原因是调试器的"异常设置"配置问题。当调试器配置为在异常首次抛出时中断（first-chance exception），会导致跳过代码中的catch块。解决方法：1）打开"异常设置"窗口（Ctrl+Alt+E）；2）取消勾选目标异常类型（如NullReferenceException）；3）调试器将不再中断，允许代码正常捕获异常。开发阶段可根据需要灵活配置中断策略，通过Debugger.Br
2025-11-11 11:32:17
714
原创 C#中readonly，const限制变量修改的关键字
摘要：C#中readonly和const关键字都用于限制变量修改，但有显著区别。const是编译时常量，值在编译时确定且不可修改，适用于简单值类型和字符串；readonly是运行时常量，在构造函数中初始化后不可修改引用，但可修改引用对象内部内容，适用于引用类型。const用于固定不变的值（如GripSize），readonly用于运行时确定的不可变引用（如shapes集合）。两者都能增强代码安全性，但应根据值的确定时机和类型选择使用。
2025-11-03 12:17:49
604
原创 C#中+=的两种常见用法
C#中+=运算符的两种主要用法：1.事件订阅：用于将方法注册到事件上，当事件触发时自动调用该方法，如this.MouseWheel += PictureBox_MouseWheel；2.数值累加：用于基本数值类型的加法运算，如a += 3等价于a = a + 3。在GUI开发中，+=常用于绑定事件处理方法来实现交互逻辑，这是C#事件驱动编程的核心语法。
2025-11-03 10:52:41
245
原创 利用DBSCAN聚类算法对相似直线或者相似圆进行图像边缘合并、轨迹拟合
文章摘要： DBSCAN是一种基于密度的聚类算法，通过定义邻域半径（ε）和最小点数（MinPts）识别密集区域为簇，并自动区分噪声点。其优势在于无需预设簇数量、可识别任意形状簇，但对参数敏感且在高维数据中性能下降。 应用扩展： 几何元素合并：通过自定义距离度量（如直线极坐标参数、圆心坐标与半径），结合角度差和位置差设计相似性函数，再用DBSCAN聚类相似直线或圆。 关键步骤： 直线/圆的特征向量化（如直线用(ρ,θ)，圆用(a,b,r)）； 定义加权距离函数（融合角度、距离等）； 设置ε和MinPts参数进
2025-10-24 09:35:05
743
原创 DeepSeek，豆包和腾讯元宝等有什么不同，如何选择？
四大AI产品技术特点与场景应用分析 摘要：ChatGPT、豆包、DeepSeek和腾讯元宝四款AI产品各具特色。ChatGPT作为OpenAI的标杆产品，在通用能力和国际化方面领先，但成本较高；字节跳动的豆包凭借多模态交互和极低成本（推理成本仅ChatGPT的1/7.5），成为个人用户首选；深度求索的DeepSeek在金融、代码等垂直领域表现突出（LeetCode难题通过率89%）；腾讯元宝则依托微信生态，在办公协同场景独具优势。代码生成场景中，DeepSeek适合专业开发者，豆包适合初学者，ChatGPT
2025-10-23 15:35:56
2003
原创 C#+OpenCV进阶(三)_操作摄像头与视频文件
文章摘要 本代码实现了一个基于OpenCV的视频/相机操作工具类，主要功能包括： 视频/相机基础操作：支持打开视频文件或相机设备，提供读取帧、关闭资源等方法 视频录制功能：支持初始化视频文件、逐帧写入、释放资源等完整录制流程 静态照片拍摄：支持从相机捕获单帧并保存为图片文件 参数适配：自动获取相机参数（帧率、分辨率）确保与录制参数匹配 实用功能：提供预览画面、按键触发拍照等辅助功能 代码采用C#语言实现，封装了OpenCV的VideoCapture和VideoWriter类，简化了视频采集和保存的复杂操作，
2025-10-23 09:06:50
777
原创 C#+OpenCV进阶(一)_人体识别
本文介绍了三种人脸检测算法及其实现：LBP、Haar和CNN，效果排名为LBP<Haar<CNN。LBP算法通过局部二值模式特征检测人脸，适用于相机对焦等场景；Haar算法基于级联分类器，可检测人脸、眼睛等多种目标，适合轻量级视觉任务；CNN算法通过深度神经网络实现高精度检测，适用于安防监控等对准确性要求高的场景。三种算法都遵循相似流程：加载模型、图像预处理、目标检测和结果标记，但CNN在复杂场景下表现最优。
2025-10-23 09:01:25
1072
原创 C#+OpenCV实战-春天转秋天-玉米粒计数-钢板缺陷检测
本文介绍了三个基于C#和OpenCV的图像处理实战案例：1. 季节色调转换：通过Lab颜色空间调整，将春季图片转换为秋季暖色调效果，核心步骤包括颜色空间转换、通道调整和合并。2. 玉米粒自动计数：利用二值化、形态学处理和轮廓检测技术，实现物体自动计数与标注，适用于农业统计和工业检测。3. 钢板缺陷检测：采用双边滤波、二值化和轮廓分析，识别板材表面瑕疵并标注位置，主要应用于工业质检环节。每个案例都详细拆解了处理流程和关键代码实现，展示了OpenCV在图像处理中的强大功能。
2025-10-22 10:39:12
974
原创 LBP（局部二值模式）、Haar（Haar-like 特征）和 CNN（卷积神经网络）对比
摘要：LBP、Haar和CNN是计算机视觉中三种特征提取技术。LBP通过局部灰度比较生成纹理特征，计算简单但对光照敏感；Haar利用矩形模板计算区域灰度差，适合快速目标检测但表达能力有限；CNN通过深度学习自动提取层次化特征，适应复杂场景但需大量数据。三者的核心区别在于特征提取方式（人工设计vs自动学习）和表达能力，LBP和Haar适合简单任务，CNN则是当前主流技术，适用于复杂视觉任务。
2025-10-21 10:44:50
673
原创 C#+OpenCV实战(一)_图片简易角度矫正
本文介绍了一个自动矫正倾斜纸张图像的代码实现。该功能通过四个模块完成：1)图像预处理（降噪、强化边缘）；2)轮廓检测与筛选（找出纸张轮廓）；3)定位四角（拟合四边形顶点）；4)透视变换（将倾斜图像矫正为正面矩形）。算法适用于扫描或拍摄的文档图像矫正场景，能有效处理因纸张放置不当导致的图像倾斜问题。代码通过边缘检测、凸包计算和透视变换等技术，最终输出经过几何矫正的平整文档图像。
2025-10-21 09:47:15
651
原创 相机曝光值
曝光值不是一个 “独立参数”，而是 “光圈、快门、ISO” 三者的协同结果，核心目标是 “让画面明暗均衡、细节完整”。理解三者的关系后，无论是用自动模式快速拍摄，还是用手动模式精准控制，都能根据场景需求调整出合适的曝光，避免过亮或过暗的问题。
2025-10-15 11:16:16
1136
原创 彩色图直接转为二值化图像出现很多异常颜色的原因
彩色图直接转为二值化图像时出现 “异常颜色”（本质是二值化逻辑混乱、未生成纯黑白二值结果），核心原因是，或二值化过程中，导致算法无法正确判断 “像素该归为黑色（0）还是白色（255）”。
2025-10-14 16:57:33
541
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