04 2023 档案
python打包工具-Nuitka
摘要：nuitka将python源码转成C++（这里得到的是二进制的pyd文件，防止了反编译），然后再编译成可执行文件。提高安全性和运行速度。 github：https://github.com/2267770481/cython_test 安装 pip install nuitka pip instal
python 编译成.pyd/.so
摘要：所谓pyd文件，就是D语言(C/C++综合进化版本)编写的一种dll 文件，相比起容易被反编译的pyc文件，pyd文件目前还没有办法进行反编译，只能被反汇编，因此有很高的安全性，并且运行效率也比较高。 在windows会编译出pyd,linux会编译称.so 编译前准备 要想编译pyd，首先要通过p
Supervisor
摘要：安装 pip install supervisor 生成配置配置文件 # 查看默认模板语法 echo_supervisord_conf 生成配置文件 echo_supervisord_conf > <虚拟环境>/etc/supervisor.conf 添加项目配置 1.在<虚拟环境>/etc 下创建
kubernetes(k8s) 一 安装工具
摘要：参考文档：https://kubernetes.io/zh-cn/docs/tasks/tools/install-kubectl-linux/ 安装 1.用以下命令下载最新发行版： curl -LO "https://dl.k8s.io/release/$(curl -L -s https://d
zookeeper 搭建 linux
摘要：jdk安装 1.从网盘里下载jkd 2.创建安装目录，然后将jdk包解压到目录中 mkdir jdk tar -zxvf jdk-8u271-linux-x64.tar.gz -C /home/ubuntu/app/jdk/ 3.设置环境变量 修改 vi /etc/profile, 在 profil
python yeah 邮箱发邮件
摘要：设置 先理一下常见的电子邮件协议： SMTP、POP、IMAP 都遵循TCP/IP协议规范。至于Exchange是邮件服务器，不是收邮件和发邮件的协议，不要混淆概念，一般情况下不用，因为它是微软的产品。 SMTP：即简单邮件传输协议,它是一组用于由源地址到目的地址传送邮件的规则，由它来控制信件的中转
opencv-python 4.16. 基于GrabCut算法的交互式前景提取
摘要：理论 GrabCut算法由英国剑桥微软研究院的Carsten Rother，Vladimir Kolmogorov和Andrew Blake设计。在他们的论文："GrabCut": interactive foreground extraction using iterated graph cuts
opencv-python 4.15. 基于分水岭算法的图像分割
摘要：理论 任何灰度图像都可以看作是地形表面，其中高强度表示峰和丘陵，而低强度表示山谷。你开始用不同颜色的水（标签）填充每个孤立的山谷（局部最小值）。随着水的上升，取决于附近的峰值（梯度），来自不同山谷的水，明显具有不同的颜色将开始融合。为避免这种情况，你需要在水合并的位置建立障碍。你继续填补水和建筑障碍
opencv-python 4.14. 霍夫圆变换
摘要：基础知识铺垫 通过检索相关资料，学习到了霍夫圆检测的一点点皮毛知识，它的基本内容是认为图像上任何一个非零像素点，都有可能是一个潜在圆形上的一点。通过投票计算，生成累计坐标平面，然后在设置一个累计权重，去定位圆。 在笛卡尔坐标系中圆的方程为(x - a)^2 + (y - b)^2 = r^2，其中(
opencv-python 4.13. 霍夫线变换
摘要：前言 霍夫变换是一种特征检测(feature extraction)，被广泛应用在图像分析（image analysis）、计算机视觉(computer vision)以及数位影像处理(digital image processing)。 霍夫变换(Hough Transform)是图像处理中的一种
opencv-python 4.12. 模板匹配
摘要：理论 模板匹配是一种在较大图像中搜索和查找模板图像位置的方法。为此，OpenCV附带了一个函数cv.matchTemplate()。它只是在输入图像上滑动模板图像（如在2D卷积中），并比较模板图像下的输入图像的模板和补丁。在OpenCV中实现了几种比较方法。它返回一个灰度图像，其中每个像素表示该像素
opencv-python 4.11.1 傅里叶变换
摘要：理论 傅立叶变换用于分析各种滤波器的频率特性。对于图像，2D离散傅里叶变换（DFT）用于找到频域。称为快速傅里叶变换（FFT）的快速算法用于计算DFT。有关这些的详细信息可以在任何图像处理或信号处理教科书中找到。 对于正弦信号，x（t）= Asin（2πft），我们可以说f是信号的频率，如果采用其频
opencv-python 4.10.4. 反投影直方图
摘要：理论 它由Michael J. Swain，Dana H. Ballard在他们的论文“Indexing via color histograms”中提出。 用简单的话来说，它到底是什么?它用于图像分割或查找图像中感兴趣的对象。简单地说，它创建了与输入图像大小相同(但是是单一通道)的图像，其中每个像
opencv-python 4.10.3. 直方图3：2D直方图
摘要：介绍 我们学习计算并绘制了一维直方图。 它之所以被称为一维，是因为我们只考虑一个特征，即像素的灰度强度值。 但在二维直方图中，需要考虑两个特征。 通常，它用于查找颜色直方图，其中两个特征是每个像素的色调值和饱和度值。 OpenCV中的2D直方图 它很简单，使用相同的函数cv.calcHist()计算
opencv-python 4.10.2 直方图2：均衡直方图
摘要：理论 考虑一个像素值仅限于某些特定值范围的图像。 例如，较亮的图像将所有像素限制为高值。 但是，良好的图像将具有来自图像的所有区域的像素。 所以你需要将这个直方图拉伸到两端（如下图所示，来自维基百科），这就是直方图均衡所做的，通常可以改善图像的对比度。 建议阅读直方图均衡的维基百科页面，了解更多相关
opencv-python 4.10.1 直方图1：查找，绘画，分析
摘要：理论 直方图是什么？你可以将直方图视为图形或绘图，它可以让你全面了解图像的强度分布。它是在X轴上具有像素值（范围从0到255，并非总是）的图和在Y轴上的图像中的对应像素数。 这只是理解图像的另一种方式。通过查看图像的直方图，你可以直观了解该图像的对比度，亮度，强度分布等。今天几乎所有的图像处理工具都
opencv-python 4.9.4. 轮廓：层次结构
摘要：理论 在最近几篇关于轮廓的文章中，我们使用了与OpenCV提供的轮廓相关的几个函数。但是当我们使用cv.findContours()函数在图像中找到轮廓时，我们已经传递了一个参数Contour Retrieval Mode。我们通常传递cv.RETR_LIST或cv.RETR_TREE，它运行的效果
opencv-python 4.9.3. 轮廓属性
摘要：1. Aspect Ratio（长宽比） 它是对象的边界矩形的宽度与高度的比。 $$ Aspect\ Ratio= \frac{Width}{Height} $$ x,y,w,h = cv.boundingRect(cnt) aspect_ratio = float(w)/h 2. Extent（大
