opencv学习（十七）：图像金子塔
边缘检测算子 参考学习链接：https://blog.csdn.net/xiaowei_cqu/article/details/7829481 图像金子塔 参考学习链接：https://www.cnblogs.com/Matrix420/p/4214123.html opencv中的高斯金字塔、拉普拉斯金字塔与图片尺寸缩放常用函数说明， 可以使用OpenCV为我们提供的如下两种方式： <1>resize函数。这是最直接的方式， <2>pyrUp( )、pyrDown( )函数。即图像金字塔相关
opencv学习（十八）：图像梯度
程序代码：
#导入cv模块
# -*- coding=utf-8 -*-
import cv2 as cv
import numpy as np
#lapalian算子
def lapalian_demo(image):
# dst=cv.Laplacian(image,cv.CV_32F)
# lpls=cv.convertScaleAbs(dst)
kernel=np.array([[1,1,1],[1,-8,1],[1,1,1]])
dst=cv.f
opencv学习（十九）：Canny边缘检测
参考学习链接：https://www.cnblogs.com/mightycode/p/6394810.html 代码如下：
#导入cv模块
import cv2 as cv
import numpy as np
#Canny边缘提取
def edge_demo(image):
blurred=cv.GaussianBlur(image,(3,3),0)#进行高斯降噪，效果更好
gray=cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)
opencv学习（二十）：直线检测
霍夫直线检测原理： 1、对于直角坐标系中的任意一点A(x0,y0)，经过点A的直线满足Y0=k*X0+b.(k是斜率，b是截距) 2、那么在X-Y平面过点A(x0,y0)的直线簇可以用Y0=k*X0+b表示，但对于垂直于X轴的直线斜率是无穷大的则无法表示。因此将直角坐标系转换到极坐标系就能解决该特殊情况。 3、在极坐标系中表示直线的方程为ρ=xCosθ+ySinθ（ρ为原点到直线的距离）,如图所示： 参考链接：https://blog.csdn.net/ycj9090900/article/d
opencv学习（二十一）：圆检测
检测原理： 参考链接：https://www.cnblogs.com/ssyfj/p/9275977.html#一houghcircles方法 https://blog.csdn.net/zhaocj/article/details/50454847 实例演示： 代码如下：
#导入cv模块
import cv2 as cv
import numpy as np
#霍夫圆检测
def detect_circle_demo(image):
# dst = cv.bilateralFil
opencv学习（二十二）：轮廓发现
引言 当我们通过阈值分割提取到图像中的目标物体后，我们就需要通过边缘检测来提取目标物体的轮廓，使用这两种方法基本能够确定物体的边缘或者前景。接下来，我们通常需要做的是拟合这些边缘的前景，如拟合出包含前景或者边缘像素点的最小外包矩形、圆、凸包等几何形状，为计算它们的面积或者模板匹配等操作打下坚实的基础。 轮廓发现是是基于图像边缘提取的基础，寻找对象轮廓的方法，所以边缘提取的阈值选定会影响最终轮廓的发现。 相关函数 首先了解一下轮廓的定义。一个轮廓代表一系列的点（像素），这一系列的点构成一个有序的
opencv学习（二十三）：形态学操作
图像的形态学处理 数学形态学（Mathematical morphology）是一门 建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：腐蚀和膨胀、开运算和闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换等。 膨胀、腐蚀、开运算和闭运算是数学形态学的四个基本运算，它们在二值图像和灰度图像中各有特点。基于这些运算还可推导和组合成各种数学形态学实用算法，用它们可以进行图像形状和结构的分析和处理，包括图像分割、特
C++中的 break和continue语句
continue是指跳回 for循环的开始，执行调整语句并判断循环条件，就是"直接进入下一次循环"，而break是指直接跳出循环。 #include #include using namespace std; int main() { int i,j,x=0; for(i=0;i<=3;i++) { x++; for(j=0;j<=3;j++) { if(j)continue ; x++; } } cout<<x<<endl;。 } 输出结果：8 #include using namespac
django验证短信验证码的bug解答：TemplateDoesNotExist at /sms_code/15212345678/
TemplateDoesNotExist at /sms_code/15212345678/ 措施 注册应用时，缺少代码'rest_framework'，
关于celery的bug解决方法：AttributeError: module 'celery_tasks' has no attribute 'celery'
最近写代码突然出现了关于celery属性出错的问题，在网上查了很久也没有找到解决方法，后来重新检查代码才发现是代码的写错误了。 Bug截图 解决方法 检查代码是否出错： 错误代码：celery -A celery_tasks worker -l info 正确代码：celery -A celery_tasks.main worker -l info' 分析：celery属性是在main文件中，只有执行了main文件才能找到celery属性
关于celery的bug解决方法：ImportError: No module named 'celery_tasks'
错误原因：导入的文件夹出错，celery指令应在celery_tasks的上一级文件夹下执行，通常为项目文件夹下执行才行
富文本编辑器图片上传失败的BUG解决：IndexError：list index out of range
富文本编辑器图片上传失败的BUG解决 问题原因 我们将通过Django上传的图片保存到了FastDFS中，而保存在FastDFS中的文件名没有后缀名（.png/.jpg/.jif），而ckeditor在处理上传的文件名按照有后缀名来处理，所以会出现bug错误 解决方法 找到虚拟环境目录中的ckeditor_uploader/views.py文件，如 ~/.virtualenvs/meiduo/lib/python3.5/site-packages/ckeditor_uploader/views
django端口被占用三大Error: That port is already in use
问题描述 运行项目: python manage.py runserver 8000 端口报错: Error: That port is already in use 解决措施 方式一 : 查看端口号(所有命令在终端输入即可): lsof -i:端口号 杀死使用该端口的进程号: kill -9 [UID] 方式二 : 查看所有在运行的端口 ps aux | grep -i manage 杀死使用该端口的进程号: kill -9 [UID] 方式三 : 杀死所有端口为8000的进程 sudo f
json的四大函数介绍(json数据和python数据之间的转换)
json的四大函数介绍 在我们进行后端开发和爬虫开发的时候,常会遇到json数据和python数据的转换, 而这些转换虽然简单,但是却很容易让人产生混淆和困惑, 接下来我将对json数据和python数据格式的转换做一个小的介绍,希望对各位读者能够起到一定的帮助… 1.loads : json字符串 --> python数据 import json
# json字符串需要使用双引号,且字符串中的字典数据最有一位不能使用逗号','
# 1.loads json字符串 --> python数据
ElasticSearch搜索引擎API笔记
ElasticSearch搜索引擎API笔记 1、 pom.xml <dependency> <groupId>org.elasticsearch.client</groupId> <artifactId>transport</artifactId> <version>5.6.3</version> </dependency> 2、 Client 1、Transport Client （1）不设置集群名称 // on startup //此步骤添加IP，至少一个，如果设置了"client.
按下enter自动提交表单
<script language="javascript"> document.onkeydown = function(e) { e = e || window.event; if(e.keyCode == 13) { //this.forms["form"].submit(); $('#form3').click(); return false; } } </script>
html页面嵌入模板html模板
<iframe width="100%" height="225px" src="/search/frameDisplay_searchTop.action?mode=${param.mode }&dimension=${param.dimension}&pageId=${pageId}" scrolling="no" frameborder="0" id=frmTitle name="topFrame" > </iframe>
人工智能--线性回归
1、scikit-learn:可以做的事情 （1）分类（Classification） （2）回归（Regression）预测一个连续的值 例： 股票价值预测 （3）无监督机器学习 聚类（Clustering） 根据集合相似性自动分组 例： 客户分隔 （4）降维（Dimensionality Reduction）减少考虑因素，增加计算效率 例：特征选择，矩阵分解 （5）模型选择（Model Selection）选择超参数和模型（参数） 为了提高模型的准确率 例：交叉验证、栅格搜索 （6）预处理
搭建https服务器
一、搭建https服务器： 1、对称加密 2、非对称加密 加密和解密使用不同的密钥（公钥、私钥） 网络传输公钥、 使用公钥加密，私钥解密 公钥相当于区块链收获地址，私钥相当于密码 常见的非对称加密算法：RSA算法 https的单向认证---CA机构认证公钥(证书) MD5:----->数字摘要/消息摘要（不可逆） 用途：用于校验消息或文件的真假。 3、配置https服务器：Tomcat server.xml <Connector port="8443" protocol="org.apache
周排行