draw.io代码驱动:XML、CLI与CI/CD自动化出图

draw.io代码驱动自动化
于 2026-10-29 08:13:19 修改
·本内容遵循CC 4.0 BY-SA版权协议

1. draw.io其实自带“代码驱动”基因,只是没人告诉你

1.1 从一次手动出图的崩溃说起

如果你搜一下“draw.io 代码驱动”,大概率会先看到一堆单片机驱动屏幕的代码,而不是你想找的东西。我第一次找draw.io自动化玩法时就被这个结果逗笑了。作为一款免费、开源、文件格式开放、自带CLI的绘图工具,它在“代码驱动”这件事上的能力,远比大家以为的冷门。

事情要从一次画图任务说起。那时候团队要做一份覆盖两百多个门店的网络改造拓扑图,每个门店一框设备、几条上行链路、一组标注。我坐在draw.io里拖了一下午:加框、对齐、连线、改字号、导出图片,反复调整到眼花。做到一半我就在想,这种重复劳动,真的不应该由人来做。

也是那次之后,我才认真翻了draw.io的文档,才发现它远不止是个“画图软件”。它的源文件是结构化文本,它自带命令行,它的网页版甚至能通过URL远程加载文件、嵌入自己的站点。换句话说,只要有那么一点点编程基础,你就能让脚本替你生成图、改图、导图。这些东西不藏在大版本更新说明里,不写在弹窗提示里,所以很多人从头到尾都没意识到。

1.2 我理解的“代码驱动”分四层

后来我把draw.io的自动化能力拆成四层,方便自己梳理,也方便团队里的小伙伴上手:

  • 文件层:.drawio本质是XML,任何语言都能读写,可以用脚本批量改样式、改文字、改坐标,甚至从零生成一整张图。
  • 命令行层:draw.io自带CLI,能无界面导出PNG/SVG/PDF,能指定页面、缩放、边距,能一次性处理整个目录。
  • 协议层:通过URL参数,你可以让网页版drawio打开远程文件、进入指定编辑模式,或者用官方viewer把图嵌进自己的站点。
  • 生态层:draw.io基于mxGraph构建,源码在GitHub上开放。如果你愿意,可以直接用JS构建、操控图形模型,甚至在自己的产品里集成一个图表编辑器。

这篇文章我按这四层逐个展开,每层都会给实际可复用的命令和代码。你不用一次性全掌握,挑一个自己最痛的点切入就行。

1.3 先判断你需不需要代码驱动

别急着上自动化,先泼盆冷水:如果你的画图场景是“偶尔画一张思路图发给同事”,那GUI拖拽完全够用,代码驱动反而增加学习成本。但如果你符合下面任何一条,建议往下看:

  • 每周都要更新一批架构图、拓扑图、流程文档,图的内容跟着系统变更走;
  • 有一堆历史图表需要统一改字体、改配色、加水印、换边距;
  • 想在CI/CD里自动生成并发布图表,而不是靠人打开GUI手动“导出为图片”;
  • 想把服务器清单、数据库表结构这类结构化数据,直接变成一张图。

我个人的判断标准就一句话:图的生命周期越长、更新频率越高,越值得用代码驱动;一次性画完就扔的图,不值得。

2. 解剖.drawio源文件:一张图在XML里到底是什么样

2.1 最小可运行的drawio文件

很多人可能从来没打开过.drawio源文件。我建议你下次随便画一框一箭头,另存为.drawio,再用文本编辑器打开,你会看到一个类似这样的结构:

XML
<mxfile host="app.diagrams.net" modified="2024-06-01T12:00:00.000Z"
agent="Mozilla/5.0" version="24.0.0" etag="xxx">
<diagram id="vhXxxx0" name="Page-1">
<mxGraphModel dx="850" dy="650" grid="1" gridSize="10"
guides="1" tooltips="1" connect="1" arrows="1"
fold="1" page="1" pageScale="1"
pageWidth="827" pageHeight="1169" math="0" shadow="0">
<root>
<mxCell id="0" />
<mxCell id="1" parent="0" />
<mxCell id="2" value="Hello" style="rounded=0;whiteSpace=wrap;html=1;"
vertex="1" parent="1">
<mxGeometry x="160" y="120" width="120" height="60" as="geometry" />
</mxCell>
<mxCell id="3" style="edgeStyle=orthogonalEdgeStyle;html=1;endArrow=block;"
edge="1" parent="1" source="2" target="4">
<mxGeometry relative="1" as="geometry" />
</mxCell>
</root>
</mxGraphModel>
</diagram>
</mxfile>

核心是root下面那堆mxCell。mxCell带vertex="1"是形状节点,带edge="1"是连线。每个节点都通过id互相引用,边的source和target就是两个节点的id。就这么简单。

我第一次从源码角度看到这个结构时,心里只有一个想法:这东西简直就是为了脚本准备的。只要你会字符串拼接,你就能造出一张可以正常打开的drawio文件。

2.2 三个你必须理解的属性

  1. id:全图唯一。手写XML出问题的头号原因就是id重复,或者边引用了不存在的id。
  2. style:一个分号分隔的键值字符串,控制形状、颜色、连线方式。你可以把它想象成CSS的行内版。
  3. mxGeometry:决定节点位置。注意x/y是相对父节点的坐标,不是页面全局坐标。如果某个盒子被放进了泳道或容器里,坐标就是相对于那个容器的,这是新手最容易算错的地方。

还有个很多人不知道的特性:value里如果style开了html=1,就能直接塞带HTML标签的内容。也就是说,你可以用<b>标题</b><br><font color="#888">副标题</font>这种形式做出带格式的节点文字。脚本生成图时,这个特性非常有用,不用为每个字体样式单独定义形状。

2.3 为什么理解XML是自动化的前置条件

因为一旦理解了格式,一切都变成“字符串处理”。改标题就是替换value,改颜色就是替换style里的fillColor,挪位置就是改mxGeometry里的x/y。任何会写Python、PowerShell、甚至awk的人,都能在不动GUI的情况下批量修改成百上千个图。

我自己的习惯是用lxml解析,遍历感兴趣的mxCell,改完属性再写回。下面这段就能把某个文件里所有节点文字批量替换掉:

PYTHON
from lxml import etree
 
tree = etree.parse("arch.drawio")
root = tree.getroot()
 
for cell in root.iter("mxCell"):
old = cell.get("value")
if old and "旧名字" in old:
cell.set("value", old.replace("旧名字", "新名字"))
 
tree.write("arch-new.drawio", xml_declaration=True, encoding="UTF-8")

注意一个小坑:drawio的XML里命名空间很轻,直接在根上遍历mxCell一般就够了。但如果文件里混入了嵌入对象(图片、表格、附件),元素路径会更复杂。我建议先跑一句print(etree.tostring(root, pretty_print=True))看看实际结构,再写遍历逻辑。

2.4 常用style速查

我整理了几个高频style,直接复制就能用:

用途 style
普通矩形 rounded=0;whiteSpace=wrap;html=1;
圆角矩形 rounded=1;whiteSpace=wrap;html=1;
数据库圆柱 shape=cylinder3;whiteSpace=wrap;html=1;boundedLbl=1;backgroundOutline=1;size=15;
云 ellipse;whiteSpace=wrap;html=1;fillColor=#D8EBFF;strokeColor=#0A66C2;
泳道 swimlane;fontStyle=1;align=center;verticalAlign=top;childLayout=stackLayout;horizontal=1;startSize=26;horizontalStack=0;resizeParent=1;resizeParentMax=0;collapsible=1;marginBottom=0;
正交边 edgeStyle=orthogonalEdgeStyle;rounded=0;orthogonalLoop=1;jettySize=auto;html=1;endArrow=block;

这些样式参数在GUI的“编辑样式”对话框里也能看到,但脚本里直接写更快。style里的键值顺序无所谓,因为drawio会自己解析,但键值之间必须用分号分隔,最后一个分号写不写都行。

3. 命令行CLI:只装一次,彻底告别手动导出

3.1 安装和环境里的坑

draw.io桌面版自带命令行工具,安装桌面包之后,终端里就有drawio命令。macOS可以用brew install drawio,Linux上通常下载AppImage,Windows装完exe一样能用。装完先验证:

BASH
drawio --version

如果你在无显示器的Linux服务器上跑,大概率会遇到Electron的沙箱报错,加--no-sandbox即可:

BASH
drawio --no-sandbox --version

如果连X server都没有,可能需要配合xvfb-run才能渲染出图:

BASH
xvfb-run -a drawio --no-sandbox -x -f png arch.drawio

这一步是“命令行版能跑”和“服务器版能跑”的分水岭。很多人在本地试了CLI没问题,一上CI就报错,基本都是沙箱和显示环境的问题。

3.2 高频导出命令速查

CLI最常用的就是导出,我整理了一个速查表:

命令 作用
drawio -x -f png -o out.png arch.drawio 导出PNG
drawio -x -f svg -o out.svg arch.drawio 导出矢量SVG
drawio -x -f pdf -o out.pdf arch.drawio 导出PDF
drawio -x -f png -s 2 -b 16 arch.drawio 2倍缩放、16px边距
drawio -x -f png -p 0 arch.drawio 只导出第1页
drawio -x -f png -g 1-3 arch.drawio 导出第1~3页
drawio -x -f png --transparent arch.drawio 透明背景
drawio -x -f png *.drawio 批量导出整个目录

几个参数的解释:

  • -x是进入导出模式,后面一般跟-f指定格式。
  • -o指定输出文件名;不指定时,默认会生成同名的目标格式文件。
  • -s是缩放倍率,导高清图、做PPT配图时常用-s 2,能明显改善文字边缘锯齿。
  • -b是边距,给图片留呼吸感。默认边距偏小,导出后图紧贴边缘,视觉上很局促。
  • --transparent适合导SVG或透明底PNG做网页素材,注意透明背景导出后的文字颜色也要匹配。

3.3 多页文件的导出行为差异

对多页文件要特别注意:不同版本、不同平台,默认行为可能不一样。我在24.x版本上实测,直接drawio -x -f png multi.drawio会把每一页都输出成一个文件,文件名自动带上页码;如果你的脚本死等一个multi.png,可能等出一堆multi-v1.png、multi-v2.png。所以批量脚本里一定要写清楚-p或-g,并且先拿一个两页以上的测试文件验证行为,再铺开。

还有个细节:导出PDF时,多页文件默认会按键分页。如果你想要的是“一整张大图”而不是“分页PDF”,建议导出SVG后自己转换,或者先在模型里把页面尺寸改大。

3.4 一次批量导出200张图的实操

我做过一次“给200多个架构图批量加水印并导出”的活。思路很直白:先用Python往所有.drawio文件里注入一个加了半透明水印文字的mxCell,再用CLI一口气全部导出PNG:

BASH
for f in diagrams/*.drawio; do
drawio --no-sandbox -x -f png -s 1.5 -b 10 \
-o "export/$(basename "$f" .drawio).png" "$f"
done

跑之前我以为会出各种问题,实际上唯一卡住我的就是文件名里有空格。变量$f没加引号时脚本直接裂开,加上引号之后干干净净跑完。这种细节,平时手动导出时永远碰不到,只有写脚本才会暴露。还有个忠告:先跑3个文件确认输出命名规则,再放开全量跑,不然日志刷屏幕的时候你根本分不清谁是谁。

4. 用脚本批量生成图形:模板拼接是起点,模型构建才是进阶

4.1 最朴素的模板拼接

如果你只是偶尔生成一张图,直接字符串拼接就够了。我自己写了个极简辅助函数,生成一个矩形节点:

PYTHON
import html
 
def node(nid, value, x, y, w=120, h=60, style="rounded=0;whiteSpace=wrap;html=1;"):
return (f'<mxCell id="{nid}" value="{html.escape(value)}" '
f'style="{style}" vertex="1" parent="1">'
f'<mxGeometry x="{x}" y="{y}" width="{w}" height="{h}" as="geometry"/>'
f'</mxCell>')

连线同理:

PYTHON
def edge(eid, source, target, label=""):
style = "edgeStyle=orthogonalEdgeStyle;rounded=0;html=1;endArrow=block;"
val = f' value="{html.escape(label)}"' if label else ""
return (f'<mxCell id="{eid}"{val} style="{style}" edge="1" '
f'parent="1" source="{source}" target="{target}">'
f'<mxGeometry relative="1" as="geometry"/>'
f'</mxCell>')

为什么一定要html.escape?因为节点文字里一旦出现&、<、>,XML就非法了。我有一次把一长串带WHERE a < 5 AND b > 3的SQL条件塞进value,drawio直接打不开,后来才发现尖括号没转义。看起来是两行代码的小事,但这类细节才是脚本出图“能跑”和“能扛”的差别。

4.2 从CSV生成网络拓扑图的完整案例

更实用的场景:你有一份CSV服务器清单,里面有设备名、所属分组、IP,以及和上游设备的依赖关系。用二十行Python就能自动排版出一张拓扑图。

思路分三步:

  1. 读CSV,给每个设备分配一个id和坐标。
  2. 按分组把列排好:分几组就放几列,组内从上往下排。
  3. 根据依赖关系生成edge。

坐标计算我会写成简单的行列映射:

PYTHON
def layout(items, rows=6):
x, y = 100, 100
x_step, y_step = 220, 110
for i, item in enumerate(items):
col = i // rows
row = i % rows
yield item["id"], x + col * x_step, y + row * y_step

生成完把整段XML拼进标准的mxfile骨架,保存为.drawio。这个文件在本机可以正常打开编辑,也能提交到仓库里,由后续流程自动导出成图片。整个链路是“列表数据 -> 结构化XML -> 可编辑源文件 -> 自动化出图”,这比让一个同事对着Excel手工画图靠谱得多。

这里我要多说一句排版的哲学:脚本生成的图,美观程度通常不如手工精修的图,但它的价值在“可再生成”。下次服务器列表变了,重跑一遍脚本就得到更新后的图,人工画的图可做不到这点。

4.3 为什么不推荐现在就把JSON当主格式

draw.io从24.x开始在部分编辑器里支持JSON格式,但生态兼容性还没到“所有场景默认可开”的程度。我的建议是:对外输出、版本管理、CI/CD都优先用.drawio的XML格式,因为mxfile是draw.io的原生格式,跨版本、跨平台行为最稳定。JSON格式可以尝尝鲜,但别用在自动化流水线上,否则一次编辑器版本升级可能让你的脚本全部翻车。

顺带提一句,我这里说的是“用脚本直接生成的XML”,跟draw.io里的“模板库”是两回事。模板库解决的是“重复图模板”问题,脚本解决的是“数据变图要跟着变”的问题,两者可以共存。真正高频更新的图,脚本的价值远超模板。

5. URL参数与嵌入式viewer:让图表在你的网站里“活”起来

5.1 一个URL就能让drawio打开远程文件

draw.io网页版支持直接在URL里指定要打开的文件。官方约定是在锚点里跟#U或#R,后面接URL编码后的地址:

TEXT
https://app.diagrams.net/#Uhttps%3A%2F%2Fexample.com%2Fdocs%2Farch.drawio

#U表示打开并允许保存回源地址,#R表示只读打开。如果你管理着一个内部文档站点,想在文档里放一个“用drawio查看这张图”的入口,这个链接就够了。

还可以加UI参数,比如?ui=sketch切换手绘风格皮肤、?dark=1默认暗色、?title=myname自定义标题。我自己用得最多的是?edit=_blank,强制新标签页打开编辑器,避免用户把页面带跑。

5.2 常用URL参数表

我整理了几个实际用过的参数:

参数 示例 作用
ui ?ui=sketch 切换皮肤,sketch是手绘风
dark ?dark=1 默认暗色主题
title ?title=arch 自定义标题
edit ?edit=_blank 编辑行为控制
offline ?offline=1 离线模式

注意:URL里的#U后面跟的地址必须做完整的URL编码,常见错误是直接把https://写进去,结果链接变歪。写脚本拼URL时,记得用encodeURIComponent或Python的urllib.parse.quote。

5.3 用官方viewer嵌入自己的站点

如果你不想让用户跳去drawio编辑,而是直接在自己页面里展示可交互的图,官方提供了viewer(查看器)。iframe引入就行:

HTML
<iframe
src="https://viewer.diagrams.net/?highlight=0000ff&layers=1&nav=1&title=arch.drawio#Rhttps%3A%2F%2Fexample.com%2Fdocs%2Farch.drawio"
style="width:100%;height:600px;border:0;"
frameborder="0">
</iframe>

viewer支持高亮、折叠图层、显示导航缩略图(nav参数),交互体验和编辑器中的查看模式基本一致。这里的highlight参数可以指定高亮颜色,做文档系统时非常实用。

5.4 CORS这个隐形杀手

有一个我踩了大坑的经验:viewer加载远程文件受浏览器CORS限制,如果文件所在的服务器没返回允许*.diagrams.net访问的CORS头,iframe里就永远是一片空白。当时我排查了一下午,最后发现是对象存储的跨域策略没开。

解决办法很直接:把CORS头加上,或者干脆把.drawio文件放到和viewer同域,或者用fetch提前把文件内容读出来再交给viewer。如果你做的是内部工具,建议第一种方案,配置一下就好了。

6. mxGraph生态:比XML更底层的代码驱动路径

6.1 draw.io和mxGraph的关系

你可能不知道,draw.io的画布引擎来自mxGraph,一个老牌的开源图形库。draw.io相当于在mxGraph外面包了一层编辑器、文件格式和协作能力。既然draw.io本身就建立在这套图形模型上,那“代码驱动”当然也有比XML更底层的路径:直接用mxGraph的API在内存里构建图形。

这层玩法适合的场景很明确:你想在自己的产品里嵌入一个和draw.io同源的图表编辑器,或者你希望在纯前端环境中动态生成、修改图,而不用回到文件层面做字符串操作。

6.2 一个最简的mxGraph示例

在Node或浏览器环境里,通过npm引入mxgraph后,核心操作大概是这样:

JAVASCRIPT
import { mxGraph } from 'mxgraph';
 
const container = document.getElementById('graph');
const graph = new mxGraph(container);
const parent = graph.getDefaultParent();
 
graph.getModel().beginUpdate();
try {
const v1 = graph.insertVertex(parent, null, 'Hello', 40, 40, 120, 60);
const v2 = graph.insertVertex(parent, null, 'World', 240, 40, 120, 60);
graph.insertEdge(parent, null, '', v1, v2);
} finally {
graph.getModel().endUpdate();
}

看到没有,和你在drawio里手动操作是一回事:插入顶点、插入边、修改坐标。只不过这次是从代码发起。beginUpdate和endUpdate是关键,它们把多次修改包成一个事务,否则图形会一遍遍重绘,性能惨不忍睹。

6.3 什么时候才需要用这层

以我的经验,mxGraph这层不是给普通用户准备的,它的引入成本主要在工程化:构建、打包、事件处理、样式覆盖,都要自己搞。如果你只是想让drawio和脚本配合工作,前面几章的内容已经够了。

但如果你做的是一次性内部工具,想让最终用户直接在一个网页里看到实时生成的图,那mxGraph就很有价值。比如从数据库元数据生成ER图,用户改一个表名,图里的节点跟着变。这种体验,用CLI导出的静态图片是给不了的。

我建议把这条路径当作进阶选项,不要一开始就扎进去。先把XML和CLI玩熟,当它们出现瓶颈时,再考虑mxGraph。顺序反过来,大概率会被工程细节劝退。

7. CI/CD里的图表自动化:团队协作流的一次改造

7.1 从commit到成品图的完整流水线

我们团队现在的图表工作流是:

  1. 研发把.drawio源文件提交到仓库,文件放在docs/下。
  2. 数据驱动的图由脚本生成,也提交源XML。
  3. CI流水线里跑一遍drawio CLI,把所有图导出成PNG/SVG。
  4. 导出的图片随文档发布,仓库里可以直接展示PNG预览。

CI里最核心的步骤其实就几行,配合GitHub Actions或其他CI的job直接执行:

BASH
mkdir -p dist
for f in docs/*.drawio; do
drawio --no-sandbox -x -f png -s 2 -b 16 \
-o "dist/$(basename "$f" .drawio).png" "$f"
done

这套流水线跑起来之后,团队再也不用互相喊“帮我导出一下这张图”,图永远是生成出来的,不是“辛苦导出来”的。

7.2 用脚本做“图表健康检查”

既然.drawio是XML,你还能在CI里做很多人肉检查做不到的事:

  • 检查所有图中是否存在孤立节点(没有任何边连接的vertex)。
  • 检查重复的id。
  • 检查style里是否混入了团队不统一的配色。

举个例子,孤立节点检查,用lxml遍历并把所有vertex="1"的id收集起来,再看所有edge的source/target,没被任何边引用的就是孤立节点。这种检查曾经帮我抓出过两份架构图里忘了连线的关键设备,比peer review靠谱得多。

PYTHON
from lxml import etree
 
tree = etree.parse("arch.drawio")
vertices = set()
referenced = set()
for cell in tree.getroot().iter("mxCell"):
if cell.get("vertex") == "1":
vertices.add(cell.get("id"))
if cell.get("edge") == "1":
referenced.add(cell.get("source"))
referenced.add(cell.get("target"))
 
isolated = vertices - referenced
print("孤立节点:", isolated)

7.3 版本管理里图和代码一样值得review

很多人纠结“图要不要进Git”。我的答案很明确:.drawio源文件一定要进,导出的图片是可选的。因为源文件是文本,diff能看出谁改了哪个节点的value;图片是二进制,diff毫无意义。让CI在需要的时候重新生成图片就够了,避免提交大量变更频繁的PNG。

如果你嫌Git的文本diff不可读,分享一个小技巧:把.drawio文件用xmllint --format格式化后再提交,diff就会从“一整行乱码”变成“某个节点那一行变了”,review体验好很多。

BASH
xmllint --format arch.drawio > arch-formatted.drawio

7.4 一个CI里容易忽略的坑:字体缺失

在容器环境跑drawio导出,最隐蔽的问题是字体。默认镜像里没有中文字体,导出的PNG里所有中文都可能是方框。我遇到过“构建产物明明生成了,客户打开却是满屏豆腐块”的尴尬。解决办法很简单,在CI里装fonts-noto-cjk:

BASH
apt-get update && apt-get install -y fonts-noto-cjk

装不装这套字体,直接决定了你的图是不是能看的图。

8. 我踩过的坑,和给想上手的读者的一句话

8.1 特殊字符与转义

最常踩的坑我在前面反复强调过,但它值得单独占一小节:XML的value属性和标签文本是两套转义规则,属性值里的引号也会出问题。我的经验是所有从外部数据带入的值一律走html.escape或对应的XML转义函数,永远不要直接拼原始字符串。

8.2 多页导出的行为差异

drawio CLI在不同版本、不同平台的默认导出行为不完全一样。这属于“文档不写、实测为准”的范畴。我的建议就一句话:写自动化脚本前,先拿一个两页以上的测试文件把你要用的参数跑一遍,确认输出文件名和内容,再铺开到大批量任务。

8.3 无头服务器上的Electron问题

在纯命令行的Linux服务器上,drawio导出依赖Chromium渲染,可能遇到沙箱、字体、无显示环境三类问题。沙箱问题加--no-sandbox,中文字体问题加fonts-noto-cjk,显示环境问题就配合xvfb-run。这几个坑单独出现还好,一旦叠在一起,新手很容易误判成“CLI在服务器上不可用”,其实只是环境变量没配齐。

8.4 我的真实体会

最后说句实在话:draw.io的“代码驱动”能力并不难,难的是你先意识到它有这个能力。我认识很多画图很熟练的人,画了几年图,从来没打开过一次源文件,也没跑过一行CLI。而当你开始用脚本批量生成、用CI自动导出、用viewer嵌入页面时,draw.io就不再是“一个画图工具”,而是你图表生产线上的一个引擎。这句话我没有夸张,你可以先挑一个小场景试试:写个脚本,把某个文件里所有节点文字批量替换一遍,再导出成PNG。跑通一次,你大概就能感受到这个隐藏功能的力量。

基于Python+Open CV的手势识别算法设计
伴随着人工智能时代的到来,人机交互的领域也逐渐成为研究的一大方向;其中,手势识别是人机交互领域的一项关键技术,自此手势识别也迎来了一波高潮,近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上,都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域,手势识别的原理都是利用各种传感器(例如红外、摄像头等)对手部的形态进行捕捉并进行建模,形成一个模型信息的序列帧,而后将这些信息序列转换为机器能够识别的相对应指令(例如打开、切换菜单、移动等)来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计,在Pycharm中进行需要库(模块)的下载,调取电脑摄像头,按帧读取摄像头采集到的头像,形态学处理,图像旋转(由于摄像头采集到的图像是镜像,需要用cv2.flip将摄像头采集到的图像进行处理),选取图片中固定位置作为手势输入,用红线画出手势识别框,基于hsv的肤色检测,进行高斯滤波,找出轮廓,求出图像中手势的凹凸点,手指间角度求取。
努力学习前端的小陈
ArcGIS Pro入门制图教程
地理信息系统 (GIS) 是一种使用地图显示和分析数据的方式。在本教程中,您将学习桌面 GIS 应用程序 ArcGIS Pro 的基础知识。新加坡的一家旅行社希望制作一款宣传册,用于向游客介绍距离市中心热门目的地最近的火车站。该宣传册将与带有文本信息的地图相结合,并在城市的自助设备中出售。您将帮助该旅行社绘制旅游景点的地图,分析其与火车站的距离以及更改地图的外观以使其在视觉上更具吸引力。在 ArcGIS Pro 中,地图和数据通常被组织在一个工程中。开始制作地图之前,您将创建一个工程。
科研online
ArcGIS Pro 布局创建与地图加载全流程解析
本文详细解析了ArcGIS Pro中布局创建与地图加载的全流程。针对从ArcMap转来的用户,重点阐述了布局与地图解耦的核心设计理念,并提供了从新建布局、设置参考比例尺、加载地图框到深度控制与精细化排版的实用技巧,帮助用户高效制作专业地图。
您的账号已被封禁
ArcGIS PRO布局视图避坑指南:地图框添加与专题图制作的5个关键步骤
本文针对ArcGIS PRO用户在布局视图中制作专题图时遇到的常见问题,提供了地图框添加与专题图制作的5个关键步骤避坑指南。从理解布局视图思维、数据框预处理、地图元素协同配置,到深化视觉层次与最终输出检查,系统讲解了如何高效产出严谨美观的专业地图,帮助用户跨越从数据分析到地图输出的最后一公里。
冰炭不同炉
ROS-CV-ImageConverter:将ROS图像转换为OpenCV(cv :: Mat)类型的图像
ROS-CV图像转换器 依存关系 cv_bridge(ROS软件包)
Willis Wang
计算机视觉图像处理-CV2与图像插值算法
用最近邻插值与双线性插值原理完成图像缩放 最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输。缺点:使用最近邻插值算法处理图像放大时,在图象中可能出现明显的块状效应 双线性插值,在两个方向上做三次线性插值。使用双线性插值算法处理图像放大时,在图象中可能出现马赛克 代码 import cv2 img = cv2.imread(’./xiabang.jpg’, cv2.IMREAD_UNCHANGED) #缩放比例 scale_percent = 0.3 width = int(img.shape[1] * scale_percent) height = int
weixin_38697274
基于水平集CV模型的图像分割(Matlab代码)
基于水平集CV模型的图像分割(Matlab代码),全套代码
小宇QAQ
导向滤波(guide_filter)的python实现
导向滤波(guide_filter)的python实现,可以结合暗通道;理论实现比较好的图像去噪效果。
zachzhan_g
ArcGIS Pro 如何新建布局
你是否已经习惯了在ArcGIS中数据视图和布局视图之间来回切换,到了ArcGIS Pro中却找不到二者之间切换的按钮,即使新建布局后却发现地图怎么却是一片空白。从上面的图中可以看到,虽然新建了布局,但是地图还是空白的,如果想要显示地图还需要加载一下,将地图加载进来。在新建的布局上绘制一个框,作为地图显示的范围,绘制后可以看到地图已经完成加载,如下图所示。在菜单栏上选择插入,点击新建布局下拉箭头,选择一个合适的尺寸,如下图所示。点击后完成布局的新建,新建的布局如下图所示。
水经注GIS
ArcGIS Pro数据修复与图层管理实战指南
本文是ArcGIS Pro数据修复与图层管理的实战指南。针对数据源丢失导致的“红色叹号”问题,详细讲解了一键批量修复和进阶手动修复策略,并分享了使用相对路径、打包工程等防患于未然的黄金法则。同时,深入介绍了如何利用图层组进行高效的地图内容组织、比例尺控制与批量操作,帮助用户构建清晰、智能的专业地图,大幅提升GIS项目管理效率。
Tomato
ArcGIS Pro布局设计实战:从空白页面到专业地图输出的完整工作流
本文详细解析了ArcGIS Pro中从“新建布局”开始,到输出专业地图的完整工作流。内容涵盖布局哲学、地图框深度运用、制图元素集成及视觉排版等核心环节,旨在帮助中级用户掌握项目驱动的现代化制图方法,实现从数据到出版级地图的精准转化。
AnjneyMidha
ArcGIS PRO布局视图避坑指南:地图框添加与坐标系设置的5个常见错误
本文针对ArcGIS PRO用户在布局视图中常遇的难题,重点解析了地图框添加与坐标系设置的5个常见错误。从地图框的创建逻辑、坐标系冲突的根源剖析,到地图范围控制、元素联动更新以及打印导出设置,提供了一套完整的避坑指南与实战解决方案,帮助用户高效、精准地完成地图制图与输出工作。
重离子猫猫
ArcGIS Pro布局设计避坑指南:为什么你的地图总是显示空白?
本文深入解析ArcGIS Pro布局设计中地图显示空白的常见问题,提供从基础操作到高级排错的完整解决方案。重点讲解地图框的正确使用方法、布局元素配置技巧,以及多地图框协同工作等进阶功能,帮助用户快速掌握专业地图制作的核心技术。
习翔宇
CV算法(MATLAB)
chan 和 vese 提出的经典CV模型
beastLOVE
GrabCut:使用opencv-python cv2.grabCut交互式剪切图像
GrabCut 使用opencv-python cv2.grabCut交互式剪切图像
Aaron Gary
Opencv-Python图像透视变换cv2.warpPerspective的示例
今天小编就为大家分享一篇关于Opencv-Python图像透视变换cv2.warpPerspective的示例,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
weixin_38711369
leetcodecv-Kylin:CV算法岗面经&LeetCode刷题总结
leetcode cv Kylin CV算法岗面经 & LeetCode刷题总结 不断更新中。。。。 面试&笔试经验 LeetCode
weixin_38499553
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS.pdf
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS真的很不错,
weixin_43905342
ArcGIS布局视图方向调整与优化技巧
地图布局方向是GIS制图的基础设置,直接影响空间数据的可视化效果。横向(Landscape)和竖向(Portrait)布局通过调整页面长宽比例,可优化不同地理要素的展示方式。在ArcGIS等专业制图软件中,方向设置会联动影响比例尺、图例等核心元素的自动适配逻辑。本文以A4纸张为例,详解通过页面设置、Python脚本批处理等技术手段实现布局方向的高效调整,并针对比例尺失准、图例溢出等典型问题提供工程解决方案。特别适用于带状区域地图制作等需要最大化利用版面空间的场景,可提升40%以上的图面利用率。
塞音菩光
ArcGIS Pro 3.4必学新功能:符号系统与布局视图的可见性联动(含省时技巧)
ArcGIS Pro 3.4引入了符号系统与布局视图的可见性联动功能,通过唯一值符号化和复选框控制,实现原子级要素显示/隐藏。这一创新极大提升了制图效率,支持在符号系统窗格、内容窗格和布局视图中同步操作,特别适合城市规划、环境监测等需要动态展示的场景。
t8u9v0
ArcGIS Pro 布局创建与地图加载全攻略
本文详细解析了ArcGIS Pro中布局与地图分离的设计哲学,并提供了从新建布局到加载地图的完整操作指南。重点介绍了如何通过“插入”选项卡新建布局、选择合适的页面尺寸,以及使用地图框工具将项目中的地图动态链接至布局。文章还涵盖了地图范围控制、比例尺锁定、图例添加等深度定制技巧,帮助用户高效创建专业地图并导出为高质量成果。
milk8
ArcGIS多图布局实战:从数据框管理到批量导出的完整指南
在地理信息系统(GIS)制图领域,将多张地图高效整合到单一版面是提升分析报告专业性与表现力的关键技术。其核心原理在于理解并运用数据框与布局视图的分离机制,通过独立的数据框承载不同区域或专题的地理数据,并在统一的布局视图中进行精确排版与视觉整合。这项技术的核心价值在于实现了制图流程的标准化与自动化,避免了传统拼图方式带来的效率低下与更新困难问题,尤其适用于区域对比、时间序列分析、综合评估报告等需要多视角、多维度展示地理信息的应用场景。本文聚焦于ArcGIS Pro平台,深入剖析了多图布局中数据框范围联动、地图
aaa1231722
monolithic-cv:CV算法的集合
单片-cv 计算机视觉算法转储
晨曦姜
改进的cv图像分割
改进的cv图像分割,对学习cv模型有帮助
a904235765
C++实现基于暗通道与导向滤波的图像去雾算法
资源下载链接为: https://pan.quark.cn/s/1bfadf00ae14 在图像处理领域,图像去雾技术用于消除大气散射导致的模糊,提升图像清晰度和视觉质量。本文将介绍一种基于暗通道和导向滤波的图像去雾算法,并探讨如何使用C++和OpenCV库实现。 暗通道理论由Jia等人于2006年提出。他们发现自然场景中存在一些低亮度像素,通常位于无直射光区域。这些像素被称为暗通道像素,可用于估计大气散射模型中的透射率。具体方法是将图像分块,在每块中找到最暗像素值作为暗通道像素。 大气散射模型是图像去雾的基础,描述了光线在大气中传播时的散射影响。模型公式为: I(x)=T(x)×J(x)+A×(1−T(x)) 其中,T(x)是透射率,J(x)是无雾图像亮度,A是全局大气光。透射率与散射程度成反比,无雾图像亮度反映物体本身色彩。 利用暗通道先验,可以近似估计透射率。假设D(x)为暗通道像素,透射率T(x)可通过迭代公式计算: T k+1 (x)= max(D)+ϵ D(x) +(1− max(D)+ϵ D(x) )×T k (x) 其中,k是迭代次数,ϵ是小常数,用于避免除零。 估计透射率后,使用导向滤波器平滑透射率图,减少噪声和边缘失真。导向滤波是一种自适应局部滤波方法,可保持图像边缘细节,同时进行平滑处理。在图像去雾中,它根据图像梯度信息指导滤波过程,更好地恢复图像清晰度。 通过大气散射模型,可得到去雾后的图像: J out (x)= T(x) I(x)−A×(1−T(x)) +A 在C++中,可借助OpenCV库处理图像数据。首先读取输入图像,然后提取暗通道,估计透射率,应用导向滤波,最终恢复无雾图像。OpenCV提供了丰富的图像处理函数,如cv::split用于分离通道,cv::min用于找最小值,cv::filter2D用于导向滤波,cv::imwrite用于保存
KaiyuanCode
cv模型图像分割matlab源程序
cv模型 matlab 图像分割源码,逻辑清晰,注释详尽。
phoenix01
CV图像分割
从pud找到的CV图像分割代码,代码的通过较少的迭代次数就可以实现图像的分割,对学习CV分割有帮助。
a904235765
ArcGIS Pro 3.0 布局视图实战:5分钟搞定专业地图的图例、比例尺与指北针
本文详细介绍了ArcGIS Pro 3.0布局视图的实战技巧,帮助用户在5分钟内高效添加图例、比例尺与指北针,打造专业地图。通过智能图例、动态比例尺和现代化指北针设计,提升制图效率与美观度,特别适合GIS初学者和从ArcMap迁移的用户。
weixin_30652491
ArcGIS Pro界面突然消失?3种恢复方法+自定义布局技巧
本文针对ArcGIS Pro用户常见的操作界面元素突然消失问题,提供了三种核心恢复方法:通过“视图”功能区一键唤回、利用“重置窗格”命令恢复默认布局,以及通过应用程序设置进行深度恢复。文章还深入讲解了如何通过停靠、分组窗格以及自定义功能区等技巧,打造高效个性化的操作界面,帮助用户从被动解决问题转向主动优化工作环境。
nnn11
【OpenClaw从入门到精通】第15篇:国产芯片适配实战——昇腾/龙芯/天数智芯全流程跑通(2026实测版)
2026年国产芯片AI适配迎来爆发期,OpenClaw作为轻量化本地AI智能体,已实现华为昇腾、龙芯、天数智芯等主流国产平台的全流程适配。本文基于实测数据,从背景解析、核心原理、算法优化、实操部署四个维度,详细讲解OpenClaw在香橙派昇腾开发板、龙芯3B6000M、天数彤央TY1200及联想开天X7h的部署流程,同时提供统一工具玄武CLI的使用指南。文中包含完整代码、执行结果、避坑技巧及虚拟实战案例,兼顾新手入门与进阶提升,帮助读者快速掌握国产芯片上的本地AI部署能力,实现数据隐私保护与低成本AI落地。
元算子