- 博客(71)
- 收藏
- 关注
RSS订阅原创 Text-guided Controllable Diffusion for Realistic Camouflage Images Generation阅读笔记
摘要： 本文提出了一种基于文本引导的可控扩散模型（CT-CIG）用于生成真实伪装图像。针对现有方法在纹理一致性、频率分布和语义逻辑方面的不足，该框架创新性地结合视觉语言模型（VLM）与扩散模型，通过伪装揭示对话机制（CRDM）生成语义合理的文本提示，并设计频率交互细化模块（FIRM）解决纹理融合问题。实验表明，该方法在保持物体完整性的同时实现了更自然的伪装效果，解决了传统方法中"贴纸效应"和逻辑不一致等问题。核心贡献包括多模态特征对齐的交叉归一化技术和双提示训练策略，为伪装图像生成提供了
2025-12-14 20:49:29
880
原创 分布式锁-redission
Redisson分布式锁解决传统Redis锁的四大问题：可重入性、自动重试、超时释放和主从一致性。通过哈希结构存储锁信息，支持线程重入计数；提供tryLock方法实现锁重试机制；内置WatchDog自动续期防止业务未完成锁超时；同时优化主从架构下的锁可靠性。Redisson客户端配置简单，支持多种分布式锁功能，是Java分布式系统中处理并发问题的有效工具。
2025-12-09 16:01:55
928
原创 Redis之Lua脚本与分布式锁改造
本文探讨了Redis中Lua脚本在分布式锁中的应用。传统分布式锁存在非原子性和网络开销问题，Lua脚本通过原子性执行和减少网络往返解决了这些问题。文章详细介绍了Lua脚本的优势、语法及其在分布式锁改造中的具体实现方案，包括锁释放的Lua脚本示例和Java代码实现。同时分析了Lua脚本的原子性原理及其与MULTI/EXEC事务的对比，最终总结了Lua脚本改造带来的原子性保证、性能优化和安全性提升等优势，并建议生产环境优先使用Redisson等成熟框架。
2025-12-08 18:45:46
784
原创 Redis缓存三大问题深度解析与实战解决方案
Redis缓存三大问题深度解析与解决方案 本文系统分析了Redis使用中的三大核心问题： 缓存穿透（查询不存在数据）：推荐布隆过滤器拦截无效请求，辅以缓存空值策略 缓存雪崩（大量key同时失效）：采用随机过期时间+高可用架构+熔断降级机制 缓存击穿（热点key失效）：互斥锁保证强一致性或逻辑过期实现高性能访问 文章提供了详细解决方案对比表，强调多级缓存架构、监控告警和熔断降级等最佳实践，帮助开发者构建高可用缓存系统。针对不同场景推荐了布隆过滤器、随机过期、互斥锁等具体实现方案，并分析了各方案的优缺点。
2025-11-26 18:14:02
619
原创 CamoEnv Transferable and environment-consistent adversarial camouflage in autonomous driving论文笔记
本文提出CamoEnv方法，解决了自动驾驶场景中对抗伪装的两个关键问题：高可见性和有限可迁移性。通过目标-环境集成方法，在不同视点生成对齐的对象和环境图像，并使用隐式颜色模块降低过拟合风险。实验表明，该方法在保持环境一致性的同时，显著提升了对抗攻击的黑盒可迁移性，并在数字和仿真场景中分别获得18.62%和5.54%的攻击成功率提升。值得注意的是，该方法还能以零样本方式迁移到语义分割和图像定位等新任务。这种兼顾隐蔽性和迁移性的对抗伪装方法，为自动驾驶系统的安全性评估提供了新思路。
2025-11-18 22:13:29
928
原创 Stable Diffusion详解
Stable Diffusion是一种基于潜在扩散模型的AI图像生成技术，由Stability AI等团队开发并于2022年开源。它通过扩散过程(加噪/去噪)在潜空间中进行高效运算，大幅降低计算需求。核心组件包括CLIP文本编码器、U-Net去噪网络和VAE解码器，支持文生图、图生图等功能。主要优势包括快速出图(3秒/张)、本地运算保障数据安全、强大的可扩展性(支持110+插件)。该技术在创意设计、图像修复等领域有广泛应用，为数字艺术创作提供了高效安全的解决方案。
2025-11-13 22:13:56
1709
原创 LAKE-RED Camouflaged Images Generation by Latent ackground Knowledge Retrieval-Augmented Diffusion
本文提出LAKE-RED方法，通过潜在背景知识检索增强扩散模型生成伪装图像。针对伪装视觉任务数据稀缺问题，该方法仅需前景对象即可自动生成匹配背景，无需人工指定。核心创新包括：1)使用LMP提取细粒度前景特征；2)基于多注意力机制的BKRM检索背景知识；3)通过RCEM重建背景并监督生成质量。实验表明，该方法在FID和KID指标上显著优于基线，且计算代价小。该工作为伪装图像生成提供了新范式，解决了以往方法依赖人工背景的限制。
2025-11-13 11:42:35
258
原创 伪装图像生成之——GAN与Diffusion
近年来，图像生成技术在计算机视觉领域取得了显著突破，其中生成对抗网络（GAN）与扩散模型（Diffusion Model）成为两大核心方法。GAN通过生成器与判别器的博弈学习，实现以假乱真的图像生成；其优点在于生成速度快、结构清晰，但训练不稳定且易崩溃。Diffusion模型则通过逐步添加与去除噪声来学习数据分布，生成图像质量极高、细节逼真，成为当前主流生成范式。本文系统介绍了GAN与Diffusion的基本原理、生成流程、代表性模型及其优缺点，并比较两者在图像生成中的应用差异，为伪装图像生成等任务提供理论
2025-11-10 14:34:29
988
原创 SpringCloud微服务保护与分布式事务知识点总结
本文总结了SpringCloud微服务保护与分布式事务的核心知识点。在微服务保护方面，分析了雪崩问题及解决方案（线程隔离、熔断降级、请求限流），对比了Sentinel与Hystrix的功能差异，并详细介绍了流量控制与熔断机制。在分布式事务方面，阐述了CAP定理和BASE理论，介绍了Seata框架的XA模式和AT模式特性差异及实现原理。文章还提供了Sentinel和Seata的实践集成步骤，强调根据不同业务场景选择合适方案以平衡系统稳定性和性能。
2025-11-07 18:20:53
625
原创 Camouflage Anything Learning to Hide using Controlled Out-painting and Representation论文笔记
本文提出了一种创新的伪装图像生成框架Camouflage Anything，通过控制外绘和表示增强技术实现了高质量的伪装图像生成。研究贡献包括：1)开发了集成ControlNet和CLIP表示增强的生成框架；2)设计了基于最优传输的CamOT评估指标，专门量化伪装效果；3)提出BiRefNet+LoRA微调策略，提升了检测模型在未知场景的泛化能力。实验表明，该方法在生成质量和伪装效果上优于现有技术，且生成的图像能有效增强检测模型性能。该研究为伪装视觉理解领域提供了新的生成方法和评估标准，具有重要的理论和应用
2025-10-24 20:00:37
800
原创 A Survey of Camouflaged Object Detection and Beyond论文阅读笔记
本文旨在对伪装目标检测（COD）领域进行迄今为止最全面的综述。与传统目标检测（GOD）和显著目标检测（SOD）不同，COD专注于检测那些与背景高度融合、难以察觉的目标，极具挑战性。核心贡献：全面性： 涵盖了约180篇前沿研究，包括图像和视频级别的COD，并延伸至相关的伪装场景理解任务。系统性基准测试： 对40个图像模型和8个视频模型在6个数据集和6个评估指标上进行了定量和定性分析。前瞻性指导： 系统性地指出了当前方法的局限性，并提出了9个有前景的未来研究方向。资源整合。
2025-10-21 16:50:56
1230
原创 SCOUT Semi-supervised Camouflaged Object Detection by Utilizing Text and Adaptive Data Selection
本文提出SCOUT框架，通过自适应数据选择(ADAS)和文本融合(TFM)模块解决半监督伪装目标检测问题。ADAS模块采用对抗性增强和智能样本选择策略，优先标注中等难度样本；TFM模块利用CLIP文本编码器提取语义信息，通过跨模态注意力机制增强视觉特征。实验表明，该方法在1%-10%标注比例下显著超越现有方法(MAE降低52%)，并构建了包含文本标注的RefTextCOD数据集。创新点在于将主动学习策略与多模态融合相结合，为低资源场景下的精细视觉任务提供了新思路。
2025-10-21 16:34:14
516
原创 深度学习（鱼书）day12--卷积神经网络（后四节）
本文介绍了卷积神经网络(CNN)中卷积层和池化层的实现方法。主要内容包括：1) 使用im2col技术将4维输入数据转换为2维矩阵，以优化卷积运算效率；2) 卷积层的实现步骤，包括滤波器展开、矩阵乘法和结果形状转换；3) 池化层的实现，通过通道独立处理和应用最大值运算。文章还提供了Python代码示例，展示了如何利用NumPy高效实现这些操作，并解释了相关参数如步幅(stride)和填充(pad)的作用。这些技术在图像识别等应用中具有重要作用，能够有效利用计算机的矩阵计算能力。
2025-08-27 17:35:09
907
原创 深度学习（鱼书）day11--卷积神经网络（前三节）
本文介绍了卷积神经网络（CNN）的基本结构和工作原理。CNN通过引入卷积层和池化层解决了全连接网络忽视数据空间结构的问题。卷积层使用滤波器进行局部特征提取，保持输入数据的形状，并通过填充和步幅控制输出大小。池化层则通过最大池化等方式缩小空间维度，增强模型对微小变化的鲁棒性。CNN采用4维数据（批处理、通道、高、宽）进行运算，并支持批量处理提高效率。文中详细阐述了卷积运算的计算过程、3维数据处理方法，以及池化层的无参数特性和通道不变性等特点。
2025-08-07 17:43:28
717
原创 深度学习（鱼书）day10--与学习相关的技巧（后两节）
本文介绍了深度学习中防止过拟合的两种主要技巧：权值衰减和Dropout。权值衰减通过给损失函数添加L2正则化项来惩罚较大的权重参数，从而抑制过拟合现象。实验表明，在MNIST数据集上应用0.1的权值衰减系数能有效减小训练和测试精度差距。 Dropout则通过随机丢弃神经元来防止过拟合，训练时随机屏蔽部分神经元，测试时需按比例缩放输出。这两种方法都能显著提高模型的泛化能力，其中权值衰减适合参数较少的简单模型，而Dropout更适合复杂网络结构。实验代码展示了如何在多层神经网络中实现这些技术，并对比了使用前后的
2025-08-03 21:05:40
1136
原创 深度学习（鱼书）day09--与学习相关的技巧（前三节）
本文介绍了神经网络优化过程中常用的参数更新方法。首先通过探险家寻找最深谷底的比喻，说明随机梯度下降法（SGD）的基本原理：沿着当前梯度最大方向前进。随后指出SGD在非均向函数优化中的缺点，即会出现低效的"之"字形路径。 为改进SGD的不足，文章介绍了三种优化方法：1) Momentum（动量法），通过引入速度变量模拟物理运动，能有效减弱"之"字形波动；2) AdaGrad，为每个参数自适应调整学习率，使变化大的参数学习率逐渐减小；3) RMSProp，在AdaGrad
2025-08-02 22:37:15
1501
1
原创 深度学习（鱼书）day08--误差反向传播（后三节）
本文介绍了深度学习中的误差反向传播算法，重点讲解了激活函数层和Affine层的实现。在激活函数层部分，详细分析了ReLU层和Sigmoid层的前向传播和反向传播过程，包括数学表达式和Python实现代码。ReLU层通过mask机制实现开关功能，Sigmoid层则通过计算图分解步骤进行求导。在Affine层部分，解释了矩阵乘积运算的仿射变换性质，展示了单个数据和批处理数据的实现方式，并给出了相应的类实现代码。文章通过计算图直观地展示了各层的运算过程，并强调了矩阵运算中形状匹配的重要性。
2025-08-01 23:56:22
1012
1
原创 深度学习（鱼书）day07--误差反向传播（前四节）
本文介绍了深度学习中的误差反向传播法，重点讲解了计算图的概念及其应用。计算图通过节点和边表示计算过程，支持正向传播和反向传播两种计算方式。其中，反向传播利用链式法则高效计算导数，能够解决数值微分计算费时的问题。文章详细说明了加法节点和乘法节点的反向传播原理，并通过购买苹果的实例展示了如何用Python实现乘法层和加法层。反向传播法通过局部计算传递导数，为神经网络参数的高效优化提供了理论基础。
2025-07-31 23:30:47
936
1
原创 深度学习（鱼书）day06--神经网络的学习（后两节）
本文介绍了神经网络学习中的梯度计算和梯度下降法。梯度是由全部变量的偏导数组成的向量，指向函数值下降最快的方向。文章详细解释了梯度下降法的实现原理，通过不断沿梯度方向更新参数来最小化损失函数，并强调了学习率这一超参数的重要性。同时展示了如何在简单神经网络中计算权重参数的梯度。最后概述了神经网络学习的四个步骤：随机选取mini-batch数据、计算梯度、更新参数和重复上述过程。文中还指出，梯度法虽然指向最小值方向，但可能收敛于极小值或鞍点，需要通过调整学习率等方法来优化学习过程。
2025-07-30 23:36:36
1257
1
原创 深度学习（鱼书）day04--手写数字识别项目实战
鱼书的相关源代码下载：点击链接：http://www.ituring.com.cn/book/1921点击“随书下载”第三项就是源代码：解压后，在pycharm（或其它IDE）中打开此文件夹查看或运行即可。（红框内是本人自建的文件）
2025-07-27 19:11:16
2205
原创 深度学习（鱼书）day03--神经网络（后两节）
这篇文章介绍了深度学习中的神经网络实现，重点讲解了3层神经网络的前向传播过程以及输出层的设计。主要内容包括： 3层神经网络实现：详细展示了输入层到隐藏层再到输出层的信号传递过程，包括权重矩阵计算、偏置项添加和激活函数（sigmoid）的应用。 输出层设计：区分了分类问题和回归问题的输出层激活函数选择，回归问题使用恒等函数，分类问题使用softmax函数。 softmax函数实现：解释了softmax函数的数学表达式，提供了Python实现代码，并指出了计算时可能出现的溢出问题及解决方案（通过引入常数C来避免
2025-07-26 23:56:16
830
4
原创 深度学习（鱼书）day02--神经网络（前三节）
本文介绍了神经网络的基础知识，主要包括三个部分：从感知机到神经网络的过渡、激活函数的作用与实现，以及多维数组的运算。 第一部分阐述了感知机与神经网络的区别，重点在于激活函数的引入。神经网络通过输入层、隐藏层和输出层的结构，能够自动学习权重参数。 第二部分详细讲解了三种激活函数：阶跃函数、sigmoid函数和ReLU函数，比较了它们的特性与实现方法。特别强调了非线性函数的重要性，因为线性函数会使深层网络失去意义。 第三部分介绍了多维数组的基本概念和矩阵乘法运算，为理解神经网络中的权重计算打下基础。文章通过Py
2025-07-25 22:16:27
1414
原创 深度学习（鱼书）day01--感知机
本文介绍了感知机的基本概念及其在逻辑电路中的应用。感知机是一种接收多个输入信号并输出单一信号的神经网络基础模型，通过权重和阈值控制信号传递。文章详细阐述了与门、与非门和或门的实现方法，展示了如何通过调整参数实现不同逻辑功能。同时指出了单层感知机的局限性——无法表示非线性空间如异或门。最后提出多层感知机的解决方案，通过叠加感知机层实现异或门功能，为神经网络和深度学习奠定基础。
2025-07-24 22:31:37
1136
原创 LeetCode热题100--205
文章摘要 LeetCode 205题要求判断两个字符串是否同构（字符可双向唯一映射）。解题核心是使用两个哈希表分别记录s→t和t→s的映射关系，遍历时检查当前字符映射是否冲突。若发现某字符已被映射到不同值则返回false，否则建立映射。时间复杂度O(n)，空间复杂度O(1)（ASCII字符数固定）。典型用例包括空字符串返回true、自映射返回true，以及多对一映射返回false的情况。该方法通过双向哈希校验确保字符映射的唯一性和一致性。
2025-07-23 17:49:27
453
原创 LeetCode热题100--383
LeetCode 383题要求判断赎金信字符串ransomNote是否能由杂志字符串magazine中的字符构成。通过统计magazine中各字符出现次数，然后检查ransomNote中的每个字符是否都能在magazine中找到足够数量的对应字符。使用大小为26的整型数组记录字符频次，时间复杂度O(n+m)，空间复杂度O(1)。关键点在于遍历ransomNote时检查字符剩余数量是否足够，若任意字符不足立即返回false。
2025-07-23 16:56:15
233
原创 LeetCode热题100--121
摘要 本文介绍了LeetCode 121题"买卖股票的最佳时机"的解法。题目要求在某天买入股票并在未来某天卖出，获取最大利润。原始的双层循环暴力解法会超时，优化后采用单次遍历法：在遍历价格数组时，维护一个最小值变量minp记录历史最低价，同时计算当前价格与minp的差值来更新最大利润。这种方法时间复杂度为O(n)，空间复杂度O(1)，能高效解决问题。
2025-07-20 18:46:33
243
原创 OpenCV学习--day13（视频追踪）
本文介绍了两种基于直方图反向投影的视频追踪算法：Meanshift和Camshift。Meanshift通过迭代计算目标区域质心实现追踪，但窗口大小固定；Camshift在Meanshift基础上改进，能自适应调整窗口大小和角度。文章详细阐述了算法原理、实现步骤及OpenCV API应用，并比较了两者的优缺点：Meanshift简单但无法适应目标形变，Camshift能适应目标形变但在颜色相近时可能丢失目标。文中包含算法示意图和代码示例，完整展示了从视频读取到目标追踪的实现流程。
2025-07-19 23:42:28
647
原创 OpenCV学习--day12（视频读写）
本文介绍了使用OpenCV进行视频读写操作的方法。主要内容包括：1）从文件中读取视频并播放，涉及创建VideoCapture对象、获取视频属性、逐帧读取和显示图像等步骤；2）保存视频文件，讲解了VideoWriter对象的创建、编解码器设置、帧写入和资源释放。文章提供了完整的代码示例，涵盖了视频处理的基本流程，包括读取、显示、写入等关键操作，并说明了相关参数设置和注意事项。这些方法可以应用于视频处理的基础任务中。
2025-07-19 22:40:24
977
原创 OpenCV学习--day11（图像特征提取2）
SIFT算法是一种具有尺度不变性的图像特征提取方法。它通过四个主要步骤实现：1）在尺度空间检测极值点，使用高斯差分金字塔近似高斯拉普拉斯算子；2）精确定位关键点，去除低对比度和边缘响应点；3）基于局部梯度方向为关键点分配主方向；4）生成关键点描述符，通过分块统计梯度直方图构建特征向量。SIFT算法能有效提取旋转、尺度、光照不变的局部特征，广泛应用于物体识别、图像匹配等领域。
2025-07-19 17:58:37
885
原创 OpenCV学习--day10（图像特征提取1）
本文介绍了两种图像角点检测方法。首先阐述了角点作为图像特征的重要性，Harris角点检测通过计算窗口移动时的灰度变化来确定角点，使用角点响应值R进行判断。Shi-Tomasi算法改进了Harris方法，通过判断矩阵M的两个特征值中较小的一个是否超过阈值来检测角点。OpenCV实现中，Harris使用cornerHarris函数，而Shi-Tomasi使用goodFeaturesToTrack函数。两种方法都能有效检测角点，但Shi-Tomasi通常能获得更好的结果，适用于特征点识别、目标跟踪等计算机视觉任务
2025-07-17 23:46:02
656
原创 OpenCV学习--day09（图像模板匹配）
本文介绍了图像处理中的两种关键技术：模板匹配和霍夫变换。模板匹配通过滑动窗口计算相似度，在图像中定位与模板最相似的区域，OpenCV提供多种匹配算法实现。霍夫变换用于检测图像中的几何形状，重点讲解了直线检测原理：将笛卡尔坐标系转换到霍夫空间，通过累加器寻找交点对应原图中的直线。文章包含具体实现步骤、OpenCV API说明及可视化示例，展示了这两种方法在目标定位和几何形状检测中的应用。最后指出模板匹配的局限性，建议在复杂场景下使用更具鲁棒性的关键点匹配算法。
2025-07-15 22:50:10
1340
原创 OpenCV学习--day08（图像边缘检测）
本文介绍了三种图像边缘检测方法：Sobel算子、Scharr算子和Laplacian算子。边缘检测通过识别图像亮度变化明显的点来提取重要结构信息。Sobel算子基于一阶导数最大值检测边缘，通过水平和垂直方向的卷积核计算梯度；Scharr算子是对Sobel的优化，精度更高；Laplacian算子基于二阶导数零穿越检测边缘。文章详细说明了各算法的原理、卷积核形式和OpenCV实现方法，并通过马匹图像示例展示了不同算子的检测效果比较。
2025-07-13 18:50:34
840
原创 OpenCV学习--day07（图像直方图）
OpenCV图像直方图学习摘要 本文介绍了OpenCV中图像直方图的相关概念和应用。主要内容包括： 灰度直方图原理：直方图统计图像像素强度分布，横轴表示灰度值，纵轴表示像素数量。通过dims、bins和range等参数控制统计方式。 直方图计算与绘制：使用cv2.calcHist()函数计算直方图，配合matplotlib进行可视化展示。 掩膜应用：通过创建二值掩膜图像，可以统计特定区域的直方图，实现图像局部分析。 直方图均衡化：使用cv.equalizeHist()增强图像对比度，将像素值更均匀分布。但全
2025-07-12 23:51:34
966
原创 Win11系统安装Anaconda环境极简教程
《Win11安装Anaconda简明指南》摘要：本文详细介绍了在Win11系统安装Anaconda的完整流程。首先推荐下载Python 3.11版本，强调要选择64位安装包。安装过程中需注意勾选"Register Anaconda3"选项，建议更改默认安装路径。安装后需手动配置环境变量，包含Python、conda脚本等关键路径。最后通过Anaconda Prompt验证安装，并可选创建虚拟环境。文末还提供了常见问题解决方案，如环境变量配置、管理员权限运行等注意事项。（149字）
2025-07-10 19:43:21
1975
原创 OpenCV学习--day06（图像平滑）
本文介绍了图像噪声类型及平滑处理方法。主要内容包括：1) 图像噪声分类，重点讲解椒盐噪声和高斯噪声的特征及数学表达；2) 图像平滑原理，通过低通滤波消除高频噪声；3) 四种滤波方法：均值滤波简单快速但模糊细节；高斯滤波基于正态分布加权平均；中值滤波对椒盐噪声效果显著；双边滤波可保留边缘。文中提供了OpenCV API参数说明和应用示例，展示了不同滤波方法对噪声的去除效果及图像处理结果对比。
2025-07-07 19:12:42
1097
原创 OpenCV学习--day05（图像处理形态学操作）
本文介绍了OpenCV图像处理中的形态学操作基础知识。首先讲解了像素的连通性概念，包括4邻接、D邻接和8邻接三种连通方式。然后重点阐述了腐蚀和膨胀两种基本形态学操作，说明了它们的作用原理和API使用方法。接着介绍了开运算和闭运算的组合操作，以及它们对图像的不同处理效果。最后讲解了礼帽和黑帽运算的区别与应用场景。文章通过图示和代码示例展示了这些形态学操作的实际效果，为图像处理中的边界提取、噪声消除等任务提供了基础方法。
2025-07-05 18:55:09
910
原创 OpenCV学习--day04（图像几何变换）
OpenCV图像几何变换摘要 本文介绍了OpenCV中四种常见的图像几何变换方法： 图像缩放：使用cv2.resize()函数，可通过绝对尺寸或相对比例(fx,fy)调整图像大小，支持多种插值方法(INTER_LINEAR等)。 图像平移：通过cv.warpAffine()实现，需构建2×3移动矩阵指定x/y方向偏移量。 图像旋转：先使用cv.getRotationMatrix2D()获取旋转矩阵(指定中心点、角度和比例)，再应用warpAffine完成旋转。 仿射变换：综合了缩放、旋转和平移等操作的组合变
2025-07-04 15:20:17
1087
原创 OpenCV学习--day03（图像的算术操作）
本文介绍了OpenCV中图像算术操作的基本方法，主要包括图像加法与混合。通过对比OpenCV的饱和加法（cv.add）与Numpy的模运算加法，说明OpenCV处理更优。图像混合使用cv.addWeighted函数实现，通过调整权重系数α（0-1）可产生透明效果。示例代码展示了加法、减法、乘法、除法及混合操作的应用，并演示了不同操作对图像的影响。这些基础算术运算为图像处理提供了灵活的工具，可用于图像增强、特效制作等场景。
2025-07-02 11:49:37
291
原创 OpenCV学习--day02（图像的基本操作）
本文介绍了OpenCV图像处理的基础操作，主要内容包括：1) 图像IO操作（读取、显示和保存图像）；2) 绘制几何图形（直线、圆形、矩形）和添加文字；3) 像素点操作与图像属性获取；4) 图像通道拆分与合并；5) 色彩空间转换（BGR转灰度图和HSV）。文章通过代码示例演示了各项功能，如创建黑色画布绘制彩色图形、修改像素值、通道分离等核心操作，为后续图像处理任务奠定基础。
2025-07-01 19:32:25
1002
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人