精华内容
下载资源
问答
  • 怎么把图片上的logo出来??

    千次阅读 2020-12-20 13:22:44
    回答:解决怎么来用PsLOGO的具体步源骤如下:1.首先, 双击计算机上的 Photoshop 快捷方式, 打开 Photoshop 软件, 单击左上角工具栏上的 "文件", 选择第一个新菜单, 然后创建新画布。2.新画布是背景画布, 然后按...

    回答:

    解决怎么来用Ps做LOGO的具体步源骤如下:

    1.首先, 双击计算机上的 Photoshop 快捷方式, 打开 Photoshop 软件, 单击左上角工具栏上的 "文件", 选择第一个新菜单, 然后创建新画布。

    2.新画布是背景画布, 然后按组合 Ctrl j 创建新的层-层1。

    3.单击左侧工具栏上的 "自定义形状" 工具。

    4.在工具栏的第二行中, 形状可以自由选择所需的图形, 如果不是, 则可以通过单击类似于下拉箭头旁边的圆圈的符号来选择形状。

    5.选择形状时, 将鼠标拖动到画布上查看该形状, 当角度、大小等不符合要求时, 可以按组合键 Ctrl t 进行更改。

    6.在解决形状大小和角度等问题后, 需要对图层进行栅格化, 然后再设置信息。

    7.点击左侧工具栏的“渐变工具”,设置第二行的参数信息后,把鼠标放在图形上,按鼠标左键进行拖动可以看到渐变效果就行了。这样就解决了怎么用Ps做LOGO的问题了。

    展开全文
  • 文章目录1 参数检验与非参数检验2 非参数检验方法2.1 单样本总体分布检验2.1.1 卡方检验2.1.2 二项分布检验2.1.3 游程检验2.1.4 Kolmogorov—Smirnov检验2.2 两独立样本差异性检验2.2.1 Kolmogorov—Smirnov检验...

    1 参数检验与非参数检验

    在统计学中,统计推断指的是在对总体分布作出假定的情况下,从样本信息中对总体的某些特征作出一些推理(如参数,分布)。

    而统计推断可以归为三大类:

    • 抽样分布(精确的与近似的)
    • 参数估计(点估计与区间估计)
    • 假设检验(参数检验与非参数检验)

    这其中假设检验时统计学中最具特色的部分,统计味道甚浓。从建立假设,寻找检验统计量,构造拒绝域(或者计算P值),到最后作出判断等各个步骤都体现出了统计思想的亮点。

    关于假设检验中,参数检验与非参数检验对比如下:

    参数检验非参数检验
    已知分布为假设条件,对总体参数进行区间估计或假设检验不需要严格的前提假设,即不依赖总体分布的具体形式和检验分布(如位置)是否相同
    适用场景在数据分布已知(正态分布)或数据量大的情况下,利用样本数据推断总体参数(均值和方差)在数据分布末知或偏态,且样本量小的情况下,推断总体数据分布和参数。
    检验对象总体参数 (如 μ , σ , λ , ⋯ \mu \text{,}\sigma \text{,}\lambda \text{,}\cdots μσλ )总体分布或参数
    总体分布已知(如:正态分布、二项分布、泊松分布)未知(任意分布)
    数据类型连续数据连续数据、离散数据、分类数据
    对比指标 或 集中趋势指标平均数中位数
    检验灵敏度和精确度
    优点针对性较强,每种方法都有其特定的使用环境,并且利用数据信息充分,一旦符合使用条件,得出的结论会非常准确。应用范围广,简便,易掌握,对总体分布没有严格要求,对样本数据类型也没有过多要求,非正态、方差不齐等都能做,对数据要求不严 ,很适用于小样本
    缺点对总体的分布要求较高,实际中通常无法满足使用条件。(如:正态性,总体方差齐性,相互独立)效能低,不能处理交互作用 ,对数据信息利用不充分

    关于两者部分理论知识:参数检验与非参数检验

    参数检验

    假设样本所来自的总体分布已知(例如:总体服从正态分布),对总体分布中一些未知的参数进行统计推断,称为参数检验。

    当我们在进行统计分析时,首先应该对数据进行一些探索性分析(如:绘制密度曲线,箱型图等),检验数据是否符合某类型的分布,总体分布是否已知(如:进行方差分析时,其基本假定是①各总体应服从正态分布②各总体满足方差齐性③各总体相互独立),只有在明确总体分布的前提下才可进行下一步的统计建模。

    当然,如果数据资料不符合参数检验条件,可进行适当地变换,如属于大样本时,根据中心极限定理,也可以使用参数检验。

    非参数检验

    推荐文章:如何理解非参数检验?

    如何用非参数检验,分析多个相关样本数据?

    非参数检验思路总结,清晰理解就靠它了!

    非参数检验的推断方法不涉及样本所属总体的分布形式,也不会使用均值、方差等统计量(总体参数),完全依靠样本数据的顺序、秩等信息进行分析。非参数检验用作参数检验的替代方法,通常在不符合参数检验的条件下使用。如果数据大致呈现"钟型"分布,则可以使用参数检验。

    与参数检验相比,非参数检验对总体分布不做严格假定,又称为任意分布检验,特别适用于计量信息较弱的资料。

    适用范围

    • 不满足参数检验的条件,且无适当的变换方法进行变换
    • 总体分布形式未知或分布类型不明的小样本数据(n<30,小样本);
    • 偏态分布的资料(非正态分布的资料):
    • 不满足参数检验条件的资料:各组方差明显不齐。
    • 个别数据偏大或数据一端或两端存在不确定值,如>1000
    • 有序分类变量求各等级之间的强度差别

    使用场景:

    在这里插入图片描述

    如果直接符合或者经过变化后符合参数检验的条件,应该首先使用参数检验,因为参数检验的检验效能要高于非参数检验。尤其是在样本数较大的情况下,参数检验结果较为稳健,所以即使不服从正态分布,也会选择参数检验。

    由于检验的功效是我们选择分析方法的首要因素,因此在实际工作中,我们还是优先使用参数检验,只有在数据特征不符合参数检验要求时,才考虑使用非参数检验。

    注:对符合用参数检验的资料,如用非参数检验,会丢失信息,导致检验效率下降,犯第Ⅱ类错误的可能性比参数检验大。

    参数检验方法

    在这里插入图片描述
    总结
    1、参数检验是针对参数做的假设,非参数检验是针对总体分布情况做的假设。
    2、二者的根本区别在于参数检验要利用到总体的信息,以总体分布和样本信息对总体参数作出推断;非参数检验不需要利用总体的信息。

    2 非参数检验方法

    在这里插入图片描述
    图片来自:https://zhuanlan.zhihu.com/p/49472487

    在这里插入图片描述

    2.1 单样本总体分布检验

    2.1.1 卡方检验

    问题类型:检测实际观测频数与理论频数之间是否存在差异

    原假设:观测频数与理论频数无差异

    公式:

    在这里插入图片描述

    主要用途:

    卡方检验最常见的用途就是考察某无序分类变量各水平在两组或多组间的分布是否一致

    引自:(卡方检验-MBA智库百科

    (1)检验某个连续变量的分布是否与某种理论分布相一致。如是否符合正态分布是否服从均匀分布是否服从Poisson分布等。

    (2)检验某个分类变量各类的出现概率是否等于指定概率。如在36选7的彩票抽奖中,每个数字出现的概率是否各为1/36;掷硬币时,正反两面出现的概率是否均为0.5。

    (3)检验某两个分类变量是否相互独立。如吸烟(二分类变量:是、否)是否与呼吸道疾病(二分类变量:是、否)有关;产品原料种类(多分类变量)是否与产品合格(二分类变量)有关。

    (4)检验控制某种或某几种分类因素的作用以后,另两个分类变量是否相互独立。如在上例中,控制性别、年龄因素影响以后,吸烟是否和呼吸道疾病有关;控制产品加工工艺的影响后,产品原料类别是否与产品合格有关。

    (5)检验某两种方法的结果是否一致。如采用两种诊断方法对同一批人进行诊断,其诊断结果是否一致;采用两种方法对客户进行价值类别预测,预测结果是否一致。

    列联表独立性检验 Python实现

    例子:
    在这里插入图片描述

    或者

    在这里插入图片描述
    分析读者的阅读习惯是否与文化程度有关

    原假设 H 0 H_0 H0:读者的阅读习惯是否与文化程度无关

    如果是按照公式算,是这样

    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述

    代码实现

    在这里插入图片描述

    from scipy.stats import chi2_contingency
    from scipy.stats import chi2
    import pandas as pd
    import os
    
    os.chdir(r'C:\Users\Administrator\Desktop')
    
    # 列联表
    df = pd.read_excel('info.xlsx',index_col='阅读习惯')
    
    # 卡方独立性检验
    stat, p, dof, expected = chi2_contingency(df)
    print('卡方统计量:',stat)
    print('P值:',p)
    print('自由度:' ,dof)
    print('期望频数')
    print(expected)
    
    
    # 根据P值进行显著性判断
    alpha = 0.05
    print('significance=%.3f, p=%.3f' % (alpha, p))
    if p>alpha:
        print('目前没有足够的证据拒绝原假设,即读者的阅读习惯与文化程度无关')
    else:
        print('拒绝原假设,即读者的阅读习惯与文化程度有关')
    
    
    # 根据卡方统计量进行显著性判断
    alpha = 0.05
    # 临界值
    critical = chi2.ppf(1-alpha, dof)
    # 拒绝域
    if abs(stat) >= critical:
        print('拒绝原假设,即读者的阅读习惯与文化程度有关')
    else:
        print('目前没有足够的证据拒绝原假设,即读者的阅读习惯与文化程度无关')
    
        
    # 利用公式    
    from collections import Counter
    def ChiSquared(observed, expected):
        total = 0.0
        for x, obs in observed.items():
            if isinstance(expected, Counter):
                exp = expected[x]
            else:
                exp = expected
            #print(obs, exp)
            total += (obs - exp)**2 / exp
        return total
    

    在这里插入图片描述

    library(readxl)
    df <- read_excel("info.xlsx")
    df = data.frame(df)
    rownames(df)=df[,1]  #取出第一列
    df=df[,-1]          #将第一列删除
    df
    print(chisq.test(df))
    

    R语言实现

    在这里插入图片描述

    在这里插入图片描述

    检验某个分类变量各类的出现概率是否等于指定概率——SPSS实现

    例子:

    在这里插入图片描述

    在这里插入图片描述

    原假设:

    在这里插入图片描述

    准备数据

    在这里插入图片描述

    数据--加权个案

    在这里插入图片描述
    在这里插入图片描述

    4类豌豆个数之比为9:3:3:1
    在这里插入图片描述

    在这里插入图片描述

    结果
    在这里插入图片描述

    2.1.2 二项分布检验

    在生活中有很多数据的取值是二值的,例如,男性和女性,产品可以分成合格和不合格,投掷硬币分成出现正面和出现反面等。

    二项分布定义:

    在任意一次实验中,事件A只有发生与不发生两种情况,记事件A发生的概率为 P ,那么不发生的概率为 1-P。

    如果在相同条件下,进行N次独立重复试验,用X表示这N次试验中事件A发生的次数,那么服从二项分布,记为

    X ∼ B ( N , P ) X\sim B\left( N,P \right) XB(N,P)

    也称为Bernolli伯努利分布

    P ( X = k ) = C N k P k ( 1 − P ) N − k P\left( X=k \right) =C_{N}^{k}P^k\left( 1-P \right) ^{N-k} P(X=k)=CNkPk(1P)Nk

    二项分布检验就是根据收集到的样本数据,推断总体分布是否服从某个指定的二项分布。其零假设是H0:样本来自的总体与所指定的某个二项分布不存在显著的差异。

    问题类型:通过样本数据检验样本来自的总体是否服从指定的概率为P的二项分布

    二项分布检验的过程:
    (1)建立零假设和备择假设

    • H 0 H_0 H0:样本来自的总体服从指定P值的二项分布
    • H 1 H_1 H1:样本来自的总体不服从指定P值的二项分布

    (2)构造统计量
    当n>20时,可以构造统计量(德莫弗-拉普拉斯定理)

    样本小于或等于30时,按照计算二项分布概率的公式进行计算;
    样本数大于30时,计算的是Z统计量,认为在零假设下,Z统计量服从正态分布。

    Z统计量的计算公式如下:

    Z = k ± 0.5 − n p n p ( 1 − p ) Z=\frac{k\pm 0.5-np}{\sqrt{np\left( 1-p \right)}} Z=np(1p) k±0.5np
    (3)设定显著水平和确定否定域
    (4)计算统计量和做出统计决策

    例子1:
    某机器生产一种产品,当次品率不超过0.05时,认为机器工作正常,否则对机器检修。某天抽出15件产品,发现3件次品,问该天机器工作是否正常?

    设该天生产的产品次品率为p,

    检验问题:
    H 0 : p ≤ 0.05 ↔ H 1 : p > 0.05 H_0:p\le 0.05\leftrightarrow H_1:p>0.05 H0:p0.05H1:p>0.05
    例子2:

    公司预计新出的产品合格率的比例为0.6,为了验证上述推断,公司从新产品中随机抽取32个进行检验,其中属于合格的有28个(用1表示),属于不合格的有4个(用2表示)。分析产品合格率是否同预期一致。

    解答过程:
    该问题是检验产品合格率是否同预期概率0.6一致,因此该问题转化为检验产品合格比例是否服从P值为0.6的二项分布。求解过程如下。

    (1)建立检验问题

    • H 0 H_0 H0:产品合格率服从P值为0.6的二项分布
    • H 1 H_1 H1:产品合格率不服从P值为0.6的二项分布

    python实现
    在这里插入图片描述

    from scipy.stats import binom_test
    
    p = binom_test(x=28,n=32,p=0.6,alternative='two-sided')
    # 根据P值进行显著性判断
    alpha = 0.05
    print('significance=%.3f, p=%.3f' % (alpha, p))
    if p>alpha:
        print('目前没有足够的证据拒绝原假设,即产品合格率服从P值为0.6的二项分布')
    else:
        print('拒绝原假设,即产品合格率不服从P值为0.6的二项分布')
    

    结果

    significance=0.050, p=0.001
    拒绝原假设,即产品合格率不服从P值为0.6的二项分布

    SPSS实现

    输入数据,

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    R语言实现

    参考来自:https://zhuanlan.zhihu.com/p/159252184

    在R语言中可以用 binom.test() 或 prop.test() 进行二项分布检验和估计

    • binom.test():计算精确的二项式检验。样本量较小时推荐使用
    • prop.test():当样本量较大(N> 30)时可以使用。它使用二项式的分布在较大样本中与正态分布近似的原理。

    这两个函数的语法基本相同。

      binom.test(x, n, p = 0.5,
                 alternative = c("two.sided", "less", "greater"),
                 conf.level = 0.95)
    
    
    
      prop.test(x, n, p = NULL,
                 alternative = c("two.sided", "less", "greater"),
                 conf.level = 0.95,correct = TRUE))
    

    在这里插入图片描述

    alternative 是备择假设,“two.sided” 表示双边检验, “less” 表示单边检验的小于某一个值,"greater"表示单边检验的大于某一个值, conf.level = 0.95是置信水平,即1-α

    接着上面的例子:

    在这里插入图片描述

    【未完】

    2.1.3 游程检验

    问题类型:检测一组观测值是否有明显变化趋势

    原假设:无明显趋势

    2.1.4 Kolmogorov—Smirnov检验

    这个检验也称为科尔莫戈罗夫一斯米尔诺夫检验

    问题类型:检验变量取值是否为正态分布

    原假设:服从正态分布

    2.2 两独立样本差异性检验

    2.2.1 Kolmogorov—Smirnov检验

    2.2.2 Mann-Whitney U检验

    用于检验两独立样本分布是否相同

    2.2.3 Wilcoxon检验

    2.2.4 Wald-Wolfowitz Runs检验

    2.2.5 Moses Extreme Reactions检验

    2.3 两配对样本差异性检验

    2.3.1 Sign符号检验

    用于检验两配对样本分布是否相同。

    2.3.2 Wilcoxon符号秩检验

    2.3.3 McNemar检验

    2.3.4 Marginal Homogeneity检验(边际同质性检验)

    2.4 多个独立样本差异性检验

    2.4.1 Kruskal-Wallis H检验

    用于检验两个及以上独立样本的分布是否相同。

    2.4.2 中位数检验

    2.4.3 Jonckheere-Terpstra检验

    2.5 多个相关样本差异性检验

    2.5.1 Friedman检验

    2.5.2 Kendall协和系数检验

    2.5.3 Cochran Q检验

    展开全文
  • 使用ffmpeg将图片拼接为视频

    千次阅读 2021-11-21 11:31:53
    本文介绍下如何使用ffmpeg将大量图片拼接成一个视频,并介绍其中部分参数的含义。 使用ffmpeg将图片拼接成视频前,需要将图片文件名下预处理,文件名中必须有数字将其次序标记出来,这里我直接使用数字将图片...

    本文介绍下如何使用ffmpeg将大量图片拼接成一个视频,并介绍其中部分参数的含义。

    使用ffmpeg将图片拼接成视频前,需要将图片文件名做下预处理,文件名中必须有数字将其次序标记出来,这里我直接使用数字将图片重命名了,如下:
    请添加图片描述
    直接使用命令ffmpeg -f image2 -i %d.jpeg output.mp4 就可以将其转为mp4视频,命令中的%d是数字编号占位符,ffmpeg会按次序加载1-250.jpeg做为输入。这里我们没有指定如何其他参数,所以ffmpeg使用了默认的参数,比如帧率是25fps,视频使用了h264编码,分辨率直接使用了图片原始分辨率……

    Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'output.mp4':
      Metadata:
        major_brand     : isom
        minor_version   : 512
        compatible_brands: isomiso2avc1mp41
        encoder         : Lavf58.76.100
      Duration: 00:00:10.00, start: 0.000000, bitrate: 28144 kb/s
      Stream #0:0(und): Video: h264 (High) (avc1 / 0x31637661), yuvj420p(pc, bt470bg/unknown/unknown), 2816x2160 [SAR 1:1 DAR 176:135], 28141 kb/s, 25 fps, 25 tbr, 12800 tbn, 50 tbc (default)
        Metadata:
          handler_name    : VideoHandler
          vendor_id       : [0][0][0][0]
    

    我们可以调整其参数,生成更符合我们需求的视频,下面介绍下几个常见的参数。

    -r 调整帧率

    不指定帧率的话,ffmpeg会使用默认的25帧,也就是1秒钟拼接25张图片,我们可以通过调整帧率的大小来控制最终生成视频的时长。

    ffmpeg -r 10 -f image2 -i %d.jpeg output1.mp4
    

    如上命令每秒会拼接10张图片,250张图片最终会生成25秒的视频。
    这里需要注意-r 10 参数的位置,在-i %d.jpeg前面和在后面的效果是不一样的。放在-i后面只会改变输出的视频帧率,而输入的还是默认值25 ,比如ffmpeg -f image2 -i %d.jpeg -r 10 output1.mp4,250张图片依旧只会生成10s的视频,但视频的播放征率会减小到10。

    -b:v 调整视频码率

    -b:v bitrate of video。如果原始图片比较大,默认参数生成的视频大小会比较大。比如上文中我使用的图片都是2k的高清图,最终生成的10s视频就有35MB,码率有近30Mb/s(码率是只1s播过的数据量,注意这里单位是小b)。

    ffmpeg -r 10 -f image2 -i %d.jpeg -b:v 4M output2.mp4
    

    这里额外提醒下,改变码率会影响到视频清晰度,但并不意味着高码率的视频一定比低码率的视频清晰度更高,这还取决于视频编码格式,比如h265编码可以用更小的码率生成h264同等的视频质量,像av1、v8、v9等编码也优于h264。

    -crf 调整视频质量

    -crf Constant Rate Factor,用以平衡视频质量和文件大小的参数,FFMPEG里取值范围为0-51,取值越高内容损失越多,视频质量更差。 ffmpeg的默认值是23,建议的取值范围是17-28。

    ffmpeg -r 10 -f image2 -i %d.jpeg output3.mp4
    

    -c:v 调整视频的编码格式

    -c:v codec of video。目前ffmpeg针对于mp4默认使用的是h264,你可以使用-c:v libx265生成同等质量,但文件更小的h265视频。

    ffmpeg -f image2 -i %d.jpeg -c:v libx265 output4.mp4
    

    output4.mp4相比于上文中生成的output.mp4,视频文件大小减少了60%,但视频质量不变。你也可以使用-c:v libvpx -c:v libvpx-vp9分别生成v8和v9编码的webm文件。

    ffmpeg -f image2 -i %d.jpeg -c:v libvpx output-v8.webm #注意webm默认生成的是低质量的视频,可使用-crf或者-b:v参数调整视频质量。
    

    -vf scale 调整视频分辨率

    -vf scale: Video Filter Scale

    ffmpeg -f image2 -i %d.jpeg -s 640x480 output5.mp4
    

    上面的命令会将视频直接调整为640x480的分辨率,如果原始图片不是4:3 肯定是会对原始图像做拉伸的。可以使用下面的命令等比例缩放

    ffmpeg -f image2 -i %d.jpeg -vf scale=-1:480 output5.mp4 #-1表示比例缩放,也可-vf scale=640:-1固定宽度缩放高度
    

    以上就是几个常用的参数,这几个参数不仅限于图片转视频,视频转视频时也可以使用。

    展开全文
  • ArcMap能Export LayOut视图,但是最近发现,如果是JPG图片,或者是从Excel直接粘贴的EMF图元文件。在分辨率大于100的时候,就会发生图片缺失的现象,特别是Excel的网格线就不见了。发现这个问题,百思不得其解,最后...

    ArcMap能Export LayOut视图,但是最近发现,如果是JPG图片,或者是从Excel直接粘贴的EMF图元文件。在分辨率大于100的时候,就会发生图片缺失的现象,特别是Excel的网格线就不见了。

    发现这个问题,百思不得其解,最后通过反复查阅ESRI技术网站,终于找到答案:

    If the inserted object or image falls outside the default page size of the Windows default printer, Windows GDI drawing calls used by ArcMap may not properly draw the object or image on output.

    也就是说,这个是ArcMap本身的限制,如果使用JPG、EMF等文件,这个隐患是难免会发生的。

    那什么才是终极解决方案呢??

    通过研究分析,结论很简单,那就先用画图把这些图片转换为24-bit Bitmap文件,然后使用ArcMap的Insert->Picture,那么导出分辨率为500的图片也不会有问题了。

    展开全文
  • 场景:在页面上增加一个上传按钮,并且鼠标悬停在上传按钮的同时,增加消息提示功能,输出提示信息,上传完成,后台接受详细的图片信息,支持自定义的上传参数,后端接受相应的自定义参数信息。 实现: VUE +...
  • 首先它们接收的参数相同:第一个参数是一个函数,用于定时器执行,第二个参数是一个数字,代表过多少毫秒之后定时器执行函数。它们的不同在于:setTimeout 是在经过指定的时间之后,只执行一次函数...
  • 1、文件--输入--点阵图像(选择灰度图,bmp格式的)2、绘制--绘制出一个你需要的图案的形状,注意计算比例尺3、用你绘制的图形来截取灰度图,截取你要的图案部分,截取的部分就是你要出来的路径部分,如果要用到好...
  • 进入到页面之后,把鼠标定位到的中间,或者也可以自己选择把页面上的代码都删除了,这个对我们网店装修没有影响点击一下菜单栏里的“插入”—“表格”,设置相关的参数,例如我需要一个表格宽度是300像素,行数是5...
  • 文章目录图片的存储Binary field type图片的摄入 [经验证,这部分因为encoding的原因无法正确摄入binary数据]在Kibana中查看图片 能用Elasticsearch来存储图片吗?有不少朋友都问过这个问题,Elasticsearch作为一个...
  • 使用map传递参数

    2021-03-18 17:53:51
    Map传递参数,sql中取值即取Key [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QJVtrXzA-1616061248751)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-...
  • 构建深度学习模型时,你必须做出许多看似随意的决定:应该堆叠多少层?...这些在架构层面的参数叫 作超参数(hyperparameter),以便将其与模型参数区分开来,后者通过反向传播进行训练。在实践中,经验丰富的机器学习...
  • canvas的drawImage方法参数详解

    千次阅读 2021-03-12 14:53:40
    你甚至可以将同一个页面中其他canvas元素生成的图片作为图片源。 一旦获得了源图对象,我们就可以使用drawImage方法将它渲染到 canvas 里。 drawImage方法有三种形态: drawImage(image, dx, dy) 在画布指定位置...
  • Python爬虫——利用Scrapy批量下载图片,Scrapy是一个适用爬取网站数据、提取结构性数据的应用程序框架,它可以通过定制化的修改来满足不同的爬虫需求。本项目利用Scrapy 框架下载精美壁纸图片,爬取网站为“美桌...
  • 1小时1篇文学会python再个飞机大战游戏

    万次阅读 多人点赞 2021-04-30 16:02:07
    注: 想慢慢学习的同学可以看我的 《python 入门到游戏实战专栏》(更新中) 想学 C 的同学可以看《大话系列之C语言》(基本更新完) 想学 C++ 的同学可以看《大话C++》(更新中) 想习题的可以看《大学生C语言...
  • Python提取PPT中的图片

    千次阅读 多人点赞 2021-09-28 23:29:00
    Python快速提取PPT中的图片
  • 原标题:手机如何设置参数,才能拍出高清视频?有的人用着最新款的手机,但是拍着最模糊的视频和照片。所以,当你拿起手机的时候,要先了解它有什么功能,虽然现在智能手机都是自动设置的,但是也要根据自己的需求...
  • OpenCV如何去除图片中的阴影

    千次阅读 多人点赞 2021-03-29 09:15:39
    OpenCV如何去除图片中的阴影 一、前言 如果你自己打印过东西,应该有过这种经历。如果用自己拍的图片,在手机上看感觉还是清晰可见,但是一打印出来就是漆黑一片。比如下面这两张图片: 因为左边的图片有大片阴影,...
  • **注意:**导出后的图片就是我拉伸后的图片。 但当我拉伸很大的时候却发现不是拉伸后的(大)图, 还是后面白纸位置大小,去"页面和打印设置"才恍然大悟。 ###问题解决 重新去"页面和打印设置"自定义了高度宽度才...
  • 积神经网络(CNN)的参数优化方法

    千次阅读 2020-12-22 12:42:57
    本文是从 Michael Nielsen的电子书Neural Network and Deep Learning的深度学习那一章的卷积神经网络的参数优化方法的一些总结和摘录,并不是我自己的结论和实验所得到的结果。我想Michael的实...
  • java 在图片上添加文字或图片

    千次阅读 2020-12-21 13:59:30
    项目中碰到一个问题,需要生成带头像和分数的一个整数,分数和头像都是根据不同的用户来生成的。简单说下实现的思路,头像的替换可以直接用新的头像覆盖到原... } } 代码比较简单,在main方法中就可以测试,记录一下
  • 立体视觉入门指南(1):坐标系与相机参数

    千次阅读 多人点赞 2021-01-31 21:07:39
    坐标系简介 通过针孔模型,我们了解了成像过程,似乎非常简单,但它此时只是一张图片,给你感官上的理解,要基于它完成复杂的3D测量,必须借用那一连串噼里啪啦让人又爱又恨的数学公式,而公式建立的基础,就是一个...
  • 需求:前端页面如下提交表单 二、添加配置信息 在配置文件application.properties中添加配置信息 #单个文件上传发大小 spring.servlet.multipart.max-file-size=10MB #多个文件上传的共大小不得超过100M ...
  • 苹果cms图片外部储存使用教程

    千次阅读 2021-03-20 17:24:20
    介绍: 第一步,前往苹果图床...我们把文件上传到苹果cms根目录解压 之后打开苹果cms后台系统——附件参数——选择苹果图床 接口地址: ...token就是刚刚复制的 ...打开系统——采集参数配置 打开自动同步图片即可 采集测试
  • 小程序遇到包大小超出限制时,可以首先检查下是否有过大的图片,采用处理成网络图片的方式就可以快速解决这个问题。 本博客包含了三种添加背景图片的方式:base64,图片标签和网络图片,推荐使用第三种。
  • 插入背景图片 matplotlib怎么修改背景颜色? 1.通过matplotlib的相关参数修改 使用matplotlib画图时,可以通过rcParams['axes.facecolor']来修改背景颜色 import matplotlib.pyplot as plt # 修改背景颜色 plt....
  • 张启东:KTV效果器如何调试参数?(音响系统测试)为什么音箱的频率会被改变?有些KTV音响系统里面涉及到好几对专业音箱,这时候效果器调试参数就变得复杂了。为什么呢?因为在不同的环境下,由于音响摆放的位置不一样...
  • 我们在编写文章的时候都喜欢配上相应的图片,但是很多时候我们...2、点击选择图片,上传后在左侧的工具栏里根据需要选择裁剪比例、裁剪宽度、高度等参数,也可以通过拖动图片中的裁剪框来改变裁剪的大小,修改圆角等
  • python爬取图片并将图片合成视频,加入音频

    千次阅读 多人点赞 2021-04-19 12:08:24
    我就想了一下能不能把图片合成视频,一秒一张图,根据秒数,确定图片名。 之前已经尝试过了,感觉看的过程很无聊了。于是,我就想着能不能加个音频在视频上。 于是有了这篇文章。一切都是为了懒!(哈哈哈) 完成...
  • 使用Vue实现图片上传的三种方式

    千次阅读 2020-12-19 09:44:50
    项目中需要上传图片可谓是经常遇到的需求,本文将介绍 3 种不同的图片上传方式,在这总结分享一下,有什么建议或者意见,请大家踊跃提出来。没有业务场景的功能都是耍流氓,那么我们先来模拟一个需要实现的业务场景...
  • 关于post请求参数的大小限制的说明

    千次阅读 2021-02-27 18:54:14
    最近一个上传图片的项目,前端使用jquery 的post提交,然后把上传的图片的base64码 传到后台,发现几KB或者几十KB的图片,都可以传到后台,但是在上传几M的图片在后台接收的时候,发现传过来的参数都是空。...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 565,059
精华内容 226,023
关键字:

产品参数图片怎么做