opencv實戰項目 手勢識別-實現尺寸縮放效果

?手勢識別系列文章目錄

手勢識別是一種人機交互技術，通過識別人的手勢動作，從而實現對計算機、智能手機、智能電視等設備的操作和控制。

1.? opencv實現手部追蹤（定位手部關鍵點）

2.opencv實戰項目 實現手勢跟蹤并返回位置信息（封裝調用）

3.手勢識別-手勢音量控制（opencv）

4.opencv實戰項目 手勢識別-手勢控制鼠標

5.opencv實戰項目 手勢識別-手部距離測量

6.opencv實戰項目 手勢識別-實現尺寸縮放效果

未完待續

目錄

?手勢識別系列文章目錄

1.HandTraqckModule模塊

2、主模塊

?本項目是使用了谷歌開源的框架mediapipe，里面有非常多的模型提供給我們使用，例如面部檢測，身體檢測，手部檢測等

在這里插入圖片描述

代碼需要用到opencv? ?HandTraqckModule模塊? ?mediapipe模塊

1.HandTraqckModule模塊

如下：

定義 HandDetector 類，用于檢測手勢并提取相關信息：

class HandDetector:def __init__(self, mode=False, maxHands=2, detectionCon=0.5, minTrackCon=0.5):# 初始化函數，設置參數self.mode = modeself.maxHands = maxHandsself.detectionCon = detectionConself.minTrackCon = minTrackCon# 初始化 Mediapipe 模塊和相關對象self.mpHands = mp.solutions.handsself.hands = self.mpHands.Hands(static_image_mode=self.mode, max_num_hands=self.maxHands,min_detection_confidence=self.detectionCon, min_tracking_confidence=self.minTrackCon)self.mpDraw = mp.solutions.drawing_utilsself.tipIds = [4, 8, 12, 16, 20]self.fingers = []self.lmList = []

findHands 函數：在圖像中找到手部，并返回手部信息以及繪制的圖像。

    def findHands(self, img, draw=True, flipType=True):# 找到手部，并繪制相關信息imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)self.results = self.hands.process(imgRGB)allHands = []# 處理每個檢測到的手if self.results.multi_hand_landmarks:for handType, handLms in zip(self.results.multi_handedness, self.results.multi_hand_landmarks):# 提取手部關鍵點和邊界框信息myHand = {}mylmList = []xList = []yList = []for id, lm in enumerate(handLms.landmark):px, py = int(lm.x * w), int(lm.y * h)mylmList.append([px, py])xList.append(px)yList.append(py)# 計算邊界框信息xmin, xmax = min(xList), max(xList)ymin, ymax = min(yList), max(yList)boxW, boxH = xmax - xmin, ymax - yminbbox = xmin, ymin, boxW, boxHcx, cy = bbox[0] + (bbox[2] // 2), bbox[1] + (bbox[3] // 2)myHand["lmList"] = mylmListmyHand["bbox"] = bboxmyHand["center"] = (cx, cy)# 根據手的方向進行翻轉if flipType:if handType.classification[0].label == "Right":myHand["type"] = "Left"else:myHand["type"] = "Right"else:myHand["type"] = handType.classification[0].labelallHands.append(myHand)# 繪制手部信息if draw:self.mpDraw.draw_landmarks(img, handLms, self.mpHands.HAND_CONNECTIONS)cv2.rectangle(img, (bbox[0] - 20, bbox[1] - 20), (bbox[0] + bbox[2] + 20, bbox[1] + bbox[3] + 20),(255, 0, 255), 2)cv2.putText(img, myHand["type"], (bbox[0] - 30, bbox[1] - 30), cv2.FONT_HERSHEY_PLAIN,2, (255, 0, 255), 2)if draw:return allHands, imgelse:return allHands

fingersUp 函數：檢測手指的狀態，返回一個列表表示手指是否抬起。

    def fingersUp(self, myHand):# 檢測手指狀態，返回列表表示手指是否抬起myHandType = myHand["type"]myLmList = myHand["lmList"]if self.results.multi_hand_landmarks:fingers = []# 大拇指if myHandType == "Right":if myLmList[self.tipIds[0]][0] > myLmList[self.tipIds[0] - 1][0]:fingers.append(1)else:fingers.append(0)else:if myLmList[self.tipIds[0]][0] < myLmList[self.tipIds[0] - 1][0]:fingers.append(1)else:fingers.append(0)# 其他四指for id in range(1, 5):if myLmList[self.tipIds[id]][1] < myLmList[self.tipIds[id] - 2][1]:fingers.append(1)else:fingers.append(0)return fingers

findDistance 函數：計算兩點間的距離，可選是否在圖像上繪制。

    def findDistance(self, p1, p2, img=None):# 計算兩點間的距離，可繪制在圖像上x1, y1 = p1x2, y2 = p2cx, cy = (x1 + x2) // 2, (y1 + y2) // 2length = math.hypot(x2 - x1, y2 - y1)info = (x1, y1, x2, y2, cx, cy)if img is not None:cv2.circle(img, (x1, y1), 15, (255, 0, 255), cv2.FILLED)cv2.circle(img, (x2, y2), 15, (255, 0, 255), cv2.FILLED)cv2.line(img, (x1, y1), (x2, y2), (255, 0, 255), 3)cv2.circle(img, (cx, cy), 15, (255, 0, 255), cv2.FILLED)return length, info, imgelse:return length, info

HandTraqckModule模塊整體代碼

"""
Hand Tracking Module
"""import cv2
import mediapipe as mp
import mathclass HandDetector:"""Finds Hands using the mediapipe library. Exports the landmarksin pixel format. Adds extra functionalities like finding howmany fingers are up or the distance between two fingers. Alsoprovides bounding box info of the hand found."""def __init__(self, mode=False, maxHands=2, detectionCon=0.5, minTrackCon=0.5):""":param mode: In static mode, detection is done on each image: slower:param maxHands: Maximum number of hands to detect:param detectionCon: Minimum Detection Confidence Threshold:param minTrackCon: Minimum Tracking Confidence Threshold"""self.mode = modeself.maxHands = maxHandsself.detectionCon = detectionConself.minTrackCon = minTrackConself.mpHands = mp.solutions.handsself.hands = self.mpHands.Hands(static_image_mode=self.mode, max_num_hands=self.maxHands,min_detection_confidence=self.detectionCon, min_tracking_confidence = self.minTrackCon)self.mpDraw = mp.solutions.drawing_utilsself.tipIds = [4, 8, 12, 16, 20]self.fingers = []self.lmList = []def findHands(self, img, draw=True, flipType=True):"""Finds hands in a BGR image.:param img: Image to find the hands in.:param draw: Flag to draw the output on the image.:return: Image with or without drawings"""imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)self.results = self.hands.process(imgRGB)allHands = []h, w, c = img.shapeif  self.results.multi_hand_landmarks:for handType,handLms in zip(self.results.multi_handedness,self.results.multi_hand_landmarks):myHand={}## lmListmylmList = []xList = []yList = []for id, lm in enumerate(handLms.landmark):px, py = int(lm.x * w), int(lm.y * h)mylmList.append([px, py])xList.append(px)yList.append(py)## bboxxmin, xmax = min(xList), max(xList)ymin, ymax = min(yList), max(yList)boxW, boxH = xmax - xmin, ymax - yminbbox = xmin, ymin, boxW, boxHcx, cy = bbox[0] + (bbox[2] // 2), \bbox[1] + (bbox[3] // 2)myHand["lmList"] = mylmListmyHand["bbox"] = bboxmyHand["center"] =  (cx, cy)if flipType:if handType.classification[0].label =="Right":myHand["type"] = "Left"else:myHand["type"] = "Right"else:myHand["type"] = handType.classification[0].labelallHands.append(myHand)## drawif draw:self.mpDraw.draw_landmarks(img, handLms,self.mpHands.HAND_CONNECTIONS)cv2.rectangle(img, (bbox[0] - 20, bbox[1] - 20),(bbox[0] + bbox[2] + 20, bbox[1] + bbox[3] + 20),(255, 0, 255), 2)cv2.putText(img,myHand["type"],(bbox[0] - 30, bbox[1] - 30),cv2.FONT_HERSHEY_PLAIN,2,(255, 0, 255),2)if draw:return allHands,imgelse:return allHandsdef findPosition(self, img, handNo=0, draw=True):"""Finds landmarks of a single hand and puts them in a listin pixel format. Also finds the bounding box around the hand.:param img: main image to find hand in:param handNo: hand id if more than one hand detected:param draw: Flag to draw the output on the image.:return: list of landmarks in pixel format; bounding box"""xList = []yList = []bbox = []bboxInfo = []self.lmList = []if self.results.multi_hand_landmarks:myHand = self.results.multi_hand_landmarks[handNo]for id, lm in enumerate(myHand.landmark):h, w, c = img.shapepx, py = int(lm.x * w), int(lm.y * h)xList.append(px)yList.append(py)self.lmList.append([px, py])if draw:cv2.circle(img, (px, py), 5, (255, 0, 255), cv2.FILLED)xmin, xmax = min(xList), max(xList)ymin, ymax = min(yList), max(yList)boxW, boxH = xmax - xmin, ymax - yminbbox = xmin, ymin, boxW, boxHcx, cy = bbox[0] + (bbox[2] // 2), \bbox[1] + (bbox[3] // 2)bboxInfo = {"id": id, "bbox": bbox, "center": (cx, cy)}if draw:cv2.rectangle(img, (bbox[0] - 20, bbox[1] - 20),(bbox[0] + bbox[2] + 20, bbox[1] + bbox[3] + 20),(0, 255, 0), 2)return self.lmList, bboxInfodef fingersUp(self,myHand):"""Finds how many fingers are open and returns in a list.Considers left and right hands separately:return: List of which fingers are up"""myHandType =myHand["type"]myLmList = myHand["lmList"]if self.results.multi_hand_landmarks:fingers = []# Thumbif myHandType == "Right":if myLmList[self.tipIds[0]][0] > myLmList[self.tipIds[0] - 1][0]:fingers.append(1)else:fingers.append(0)else:if myLmList[self.tipIds[0]][0] < myLmList[self.tipIds[0] - 1][0]:fingers.append(1)else:fingers.append(0)# 4 Fingersfor id in range(1, 5):if myLmList[self.tipIds[id]][1] < myLmList[self.tipIds[id] - 2][1]:fingers.append(1)else:fingers.append(0)return fingersdef findDistance(self,p1, p2, img=None):"""Find the distance between two landmarks based on theirindex numbers.:param p1: Point1:param p2: Point2:param img: Image to draw on.:param draw: Flag to draw the output on the image.:return: Distance between the pointsImage with output drawnLine information"""x1, y1 = p1x2, y2 = p2cx, cy = (x1 + x2) // 2, (y1 + y2) // 2length = math.hypot(x2 - x1, y2 - y1)info = (x1, y1, x2, y2, cx, cy)if img is not None:cv2.circle(img, (x1, y1), 15, (255, 0, 255), cv2.FILLED)cv2.circle(img, (x2, y2), 15, (255, 0, 255), cv2.FILLED)cv2.line(img, (x1, y1), (x2, y2), (255, 0, 255), 3)cv2.circle(img, (cx, cy), 15, (255, 0, 255), cv2.FILLED)return length,info, imgelse:return length, infodef main():cap = cv2.VideoCapture(0)detector = HandDetector(detectionCon=0.8, maxHands=2)while True:# Get image framesuccess, img = cap.read()# Find the hand and its landmarkshands, img = detector.findHands(img)  # with draw# hands = detector.findHands(img, draw=False)  # without drawif hands:# Hand 1hand1 = hands[0]lmList1 = hand1["lmList"]  # List of 21 Landmark pointsbbox1 = hand1["bbox"]  # Bounding box info x,y,w,hcenterPoint1 = hand1['center']  # center of the hand cx,cyhandType1 = hand1["type"]  # Handtype Left or Rightfingers1 = detector.fingersUp(hand1)if len(hands) == 2:# Hand 2hand2 = hands[1]lmList2 = hand2["lmList"]  # List of 21 Landmark pointsbbox2 = hand2["bbox"]  # Bounding box info x,y,w,hcenterPoint2 = hand2['center']  # center of the hand cx,cyhandType2 = hand2["type"]  # Hand Type "Left" or "Right"fingers2 = detector.fingersUp(hand2)# Find Distance between two Landmarks. Could be same hand or different handslength, info, img = detector.findDistance(lmList1[8], lmList2[8], img)  # with draw# length, info = detector.findDistance(lmList1[8], lmList2[8])  # with draw# Displaycv2.imshow("Image", img)cv2.waitKey(1)if __name__ == "__main__":main()

2、主模塊

原理：

  1. 當檢測到兩只手時，并且兩只手的拇指和食指都抬起時，通過計算拇指指尖之間的距離來獲取初始距離 startDist。

  2. 當兩只手的拇指和食指都抬起時，計算當前拇指指尖之間的距離，并根據距離變化來調整縮放因子 scale。這個變化可以通過當前距離減去初始距離得到。

  3. 根據計算得到的 scale 值，調整圖像的尺寸，將另一張圖像按照 scale 進行縮放。

這樣，當你用兩只手的拇指和食指模擬捏取的動作時，可以實現圖像的放大和縮小效果。兩只手之間的距離越大，圖像縮小得越多；兩只手之間的距離越小，圖像放大得越多。

這個應用可以在許多場景中使用，比如在展示圖像、視頻播放或地圖應用中，通過手勢來實現圖像的交互式縮放效果。這個示例，展示了手勢識別在圖像處理和交互中的潛在應用。

導入所需的庫：

import cv2
from HandTrackingModule import *

配置攝像頭，創建手勢檢測器對象：

cap = cv2.VideoCapture(0)
cap.set(3, 1280)  # 設置攝像頭的寬度
cap.set(4, 720)   # 設置攝像頭的高度detector = HandDetector(detectionCon=0.8)  # 創建手勢檢測器對象，設置檢測置信度閾值

定義變量用于手勢縮放操作：

startDist = None  # 用于存儲初始距離
scale = 0  # 縮放值
cx, cy = 500, 500  # 縮放中心的坐標

進入主循環，讀取視頻幀并執行手勢識別和圖像操作：

while True:success, img = cap.read()  # 讀取視頻幀hands, img = detector.findHands(img)  # 手勢檢測# 讀取一張圖像用于操作img1 = cv2.imread("cvarduino.jpg")if len(hands) == 2:# 如果檢測到兩只手if detector.fingersUp(hands[0]) == [1, 1, 0, 0, 0] and \detector.fingersUp(hands[1]) == [1, 1, 0, 0, 0]:lmList1 = hands[0]["lmList"]  # 第一只手的關鍵點列表lmList2 = hands[1]["lmList"]  # 第二只手的關鍵點列表# 計算兩個手指尖之間的距離作為縮放參考if startDist is None:length, info, img = detector.findDistance(lmList1[8], lmList2[8], img)startDist = lengthlength, info, img = detector.findDistance(lmList1[8], lmList2[8], img)scale = int((length - startDist) // 2)  # 計算縮放值cx, cy = info[4:]  # 獲取縮放中心的坐標print(scale)  # 打印縮放值else:startDist = Nonetry:h1, w1, _ = img1.shapenewH, newW = ((h1 + scale) // 2) * 2, ((w1 + scale) // 2) * 2img1 = cv2.resize(img1, (newW, newH))# 在指定位置繪制縮放后的圖像img[cy - newH // 2:cy + newH // 2, cx - newW // 2:cx + newW // 2] = img1except:passcv2.imshow("Image", img)  # 顯示處理后的圖像cv2.waitKey(1)  # 等待按鍵

主模塊

全部代碼:

import cv2
# from cvzone.HandTrackingModule import HandDetector
from HandTrackingModule import *
cap = cv2.VideoCapture(0)
cap.set(3, 1280)
cap.set(4, 720)detector = HandDetector(detectionCon=0.8)
startDist = None
scale = 0
cx, cy = 500,500
while True:success, img = cap.read()hands, img = detector.findHands(img)img1 = cv2.imread("cvarduino.jpg")if len(hands) == 2:# print('Zoom Gesture')# print(detector.fingersUp(hands[0]),detector.fingersUp(hands[1]))if detector.fingersUp(hands[0]) == [1, 1, 0, 0, 0] and \detector.fingersUp(hands[1]) == [1, 1, 0, 0, 0]:# print('zhenque ')lmList1 = hands[0]["lmList"]lmList2 = hands[1]["lmList"]# point 8 is the tip of the index fingerif startDist is None:length, info, img = detector.findDistance(lmList1[8], lmList2[8], img)# print(length)startDist = lengthlength, info, img = detector.findDistance(lmList1[8], lmList2[8], img)scale = int((length - startDist) // 2)cx, cy = info[4:]print(scale)else:startDist = Nonetry:h1, w1, _= img1.shapenewH, newW = ((h1+scale)//2)*2, ((w1+scale)//2)*2img1 = cv2.resize(img1, (newW,newH))img[cy-newH//2:cy+ newH//2, cx-newW//2:cx+ newW//2] = img1except:passcv2.imshow("Image", img)cv2.waitKey(1)

?

有遇到的問題歡迎評論區留言！

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/news/36549.shtml
繁體地址，請注明出處：http://hk.pswp.cn/news/36549.shtml
英文地址，請注明出處：http://en.pswp.cn/news/36549.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

Linux elasticsearch設置為開機自啟動服務

Linux elasticsearch設置為開機自啟動服務

Linux elasticsearch怎么設置為設置為開機自啟動服務 1、進入/etc/init.d目錄 cd /etc/init.d 2、新建文件elasticsearch&#xff0c;注意&#xff0c;沒有擴展名 vi elasticsearch 3、新建文件elasticsearch的內容如下 說明&#xff1a; &#xff08;1&#xff09;“su…
閱讀更多...
基于低代碼和數字孿生技術的電力運維平臺設計

基于低代碼和數字孿生技術的電力運維平臺設計

電力能源服務商在為用能企業提供線上服務的時候&#xff0c;不可避免要面對用能企業的各種個性化需求。如果這些需求和想法都要靠平臺廠家研發人員來實現&#xff0c;那在周期、成本、效果上都將是無法滿足服務運營需要的&#xff0c;這也是目前很多線上能源云平臺應用效果不理…
閱讀更多...
【狀態模式】拯救if-else堆出來的屎山代碼

【狀態模式】拯救if-else堆出來的屎山代碼

前言 我想大家平時都在開發重都遇見過屎山代碼&#xff0c;這些屎山代碼一般都是由于復雜且龐大的if-else造成的&#xff0c;狀態模式&#xff0c;是一種很好的優化屎山代碼的設計模式&#xff0c;本文將采用兩個業務場景的示例來講解如何使用狀態模式拯救屎山代碼。 目錄 前…
閱讀更多...
【Axure高保真原型】通過輸入框動態控制環形圖

【Axure高保真原型】通過輸入框動態控制環形圖

今天和大家分享通過輸入框動態控制環形圖的原型模板&#xff0c;在輸入框里維護項目數據&#xff0c;可以自動生成對應的環形圖&#xff0c;鼠標移入對應扇形&#xff0c;可以查看對應數據。使用也非常方便&#xff0c;只需要修改輸入框里的數據&#xff0c;或者復制粘貼文本&a…
閱讀更多...
簡單記錄牛客top101算法題（初級題C語言實現）BM17 二分查找 BM21 旋轉數組的最小數字 BM23 二叉樹的前序遍歷

簡單記錄牛客top101算法題（初級題C語言實現）BM17 二分查找 BM21 旋轉數組的最小數字 BM23 二叉樹的前序遍歷

1. BM17 二分查找 要求&#xff1a;給定一個 元素升序的、無重復數字的整型數組 nums 和一個目標值 target &#xff0c;寫一個函數搜索 nums 中的 target&#xff0c;如果目標值存在返回下標&#xff08;下標從 0 開始&#xff09;&#xff0c;否則返回 -1。 輸入&#xff1a…
閱讀更多...
【云原生】K8S存儲卷：PV、PVC詳解

【云原生】K8S存儲卷：PV、PVC詳解

目錄 一、emptyDir存儲卷二、hostPath存儲卷三、nfs共享存儲卷四、PVC 和 PV4.1 NFS使用PV和PVC4.2創建動態PV 一、emptyDir存儲卷 容器磁盤上的文件的生命周期是短暫的&#xff0c;這就使得在容器中運行重要應用時會出現一些問題。首先&#xff0c;當容器崩潰時&#xff0c;ku…
閱讀更多...
UG NX二次開發（C++）-PK函數創建一條圓弧曲線

UG NX二次開發（C++）-PK函數創建一條圓弧曲線

文章目錄 1、前言2、創建一個項目3、添加頭文件4、在do_it中添加創建圓曲線的源代碼5、調用dll6、再創建一個長方體驗證1、前言 采用PK進行UG NX二次開發，現在看到的文章很多是直接創建實體，然后在UG NX的視圖區顯示出來，對于創建圓曲線的文章不多，本文講一下PK函數創建圓…
閱讀更多...
Java基礎篇--日期時間類

Java基礎篇--日期時間類

目錄 前言 Instant&#xff08;時間戳&#xff09;類 LocalData(日期)類 LocalTime(時間)類 LocalDataTime(日期時間)類 Duration(時間間隔)類 Period(日期間隔)類 Clock&#xff08;獲取時區&#xff09;類 前言 在開發中經常需要處理日期和時間&#xff0c;Java提供…
閱讀更多...
Git 代碼分支規范

Git 代碼分支規范

目的 俗話說&#xff1a;沒有規矩&#xff0c;不成方圓。遵循一個好的規章制度能讓你的工作事半功倍。同時也可以展現出你做事的認真的態度以及你的專業性&#xff0c;不會顯得雜亂無章&#xff0c;管理困難。Git分支規范也是一樣。當遵循了某種約定的Git分支&#xff0c;在代…
閱讀更多...
若依框架淺淺介紹

若依框架淺淺介紹

由若依官網所給介紹可知 1、文件結構介紹 在ruoyi-admin的pom.xml文件中引入了ruoyi-framework、ruoyi-quartz和ruoyi-generatior模塊&#xff0c;在ruoyi-framework的pom.xml文件中引入了ruoyi-system模塊。 2、技術棧介紹 前端&#xff1a;Vue、Element UI后端&#xff1a…
閱讀更多...
Redis持久化機制簡介

Redis持久化機制簡介

當涉及到Redis的持久化時&#xff0c;有兩種主要的持久化方式&#xff1a;RDB&#xff08;Redis Database&#xff09;快照和AOF&#xff08;Append-Only File&#xff09;日志。這些方式可以根據需求的不同&#xff0c;選擇適合的策略。 RDB&#xff08;Redis Database&#…
閱讀更多...
第1章：緒論

第1章：緒論

科學、技術、工程、應用 科學&#xff1a;是什么、為什么技術&#xff1a;怎么做工程&#xff1a;怎樣做的多快好省應用&#xff1a;怎么使用 定義 機器學習&#xff1a;利用經驗改善系統自身的性能。 研究 智能數據分析&#xff08;數據分析算法&#xff09; 典型的機器…
閱讀更多...
電腦ip地址怎么改 ip地址怎么改到別的城市

電腦ip地址怎么改 ip地址怎么改到別的城市

一、ip地址怎么改到別的城市 1.ip地址怎么改到別的城市&#xff0c;1、重啟WIFI路由設備 一般手機或電腦在家或公司上網時都是接入到路由器的WIFI網絡,再由路由器分配上網IP地址,如果要更換上網IP那么重啟路由器設備后,路由器會向網絡運營商進行寬帶的重新撥號,此時手機或電腦設…
閱讀更多...
【【verilog 典型電路設計之加法器樹乘法器】】

【【verilog 典型電路設計之加法器樹乘法器】】

verilog 典型電路設計之加法器樹乘法器 加法器樹乘法器 加法器樹乘法器的設計思想是“移位后加”&#xff0c;并且加法運算采用加法器樹的形式。乘法運算的過程是&#xff0c;被乘數與乘數的每一位相乘并且乘以相應的權值&#xff0c;最后將所得的結果相加&#xff0c;便得到了…
閱讀更多...
mongodb：環境搭建

mongodb：環境搭建

mongodb 是什么&#xff1f; MongoDB是一款為web應用程序和互聯網基礎設施設計的數據庫管理系統。沒錯MongoDB就是數據庫&#xff0c;是NoSQL類型的數據庫 為什么要用mongodb&#xff1f; &#xff08;1&#xff09;MongoDB提出的是文檔、集合的概念&#xff0c;使用BSON&am…
閱讀更多...
【Go】常見的四個內存泄漏問題

【Go】常見的四個內存泄漏問題

Goroutine沒有順利結束 1、這里更多的是由于channelforselect導致的&#xff0c;錯誤的寫法導致了發送者或接收者沒有發現channel已經關閉&#xff0c;任務已經結束了&#xff0c;卻仍然在嘗試輸入輸出https://geektutu.com/post/hpg-exit-goroutine.html Map的remove方法不會…
閱讀更多...
selenium.webdriver Python爬蟲教程

selenium.webdriver Python爬蟲教程

文章目錄 selenium安裝和使用 selenium安裝和使用 pip install selenium 下載對應的瀏覽器驅動 實例化瀏覽器 from selenium import webdriverbrowser webdriver.Chrome()元素定位 控制瀏覽器
閱讀更多...
HTB-Keeper

HTB-Keeper

HTB-Keeper 信息收集80端口 lnorgaardroot 信息收集 80端口 80主頁給了一個跳轉的鏈接 跟隨鏈接后到了一個登陸界面。 嘗試搜索默認密碼。 通過賬號root:password登錄。不知道為什么我登陸了兩次才成功。 通過搜索在Admin->Users->Select里面發現了用戶信息。 lno…
閱讀更多...
WS2812B————動/靜態顯示

WS2812B————動/靜態顯示

一&#xff0c;系統架構 二&#xff0c;芯片介紹 1.管腳說明 2.數據傳輸時間 3.時序波形 4.數據傳輸方法 5.常用電路連接 三&#xff0c;代碼展示及說明 驅動模塊 在驅動模塊首先選擇使用狀態機&#xff0c;其中包括&#xff0c;空閑狀態&#xff0c;復位清空狀態&#xff0c…
閱讀更多...
怎么把圖片表格轉換成word表格？幾個步驟達成

怎么把圖片表格轉換成word表格？幾個步驟達成

在處理文檔時&#xff0c;圖片表格的轉換是一個常見的需求。而手動輸入表格是非常耗時的&#xff0c;因此&#xff0c;使用文本識別軟件來自動轉換圖片表格可以大大提高工作效率。在本文中&#xff0c;我們將介紹如何使用OCR文字識別技術來將圖片表格轉換為Word表格。 OCR文字識…
閱讀更多...
最新文章

Copyright @ 2022~2023