Java周刊:Micronaut三漏洞、JDK 27性能与Jetty测试治理

JavaMicronautJDK 27
于 2026-10-29 04:36:19 修改
·本内容遵循CC 4.0 BY-SA版权协议

Java周刊2026W38,这期的内容其实很适合月底复盘的时候拿出来对照着看。Micronaut 一次性修补了三个安全漏洞,分布在不同的请求链路里;JDK 27 的性能数据亮眼,54% 这个数字值得认真解读,而不是单纯拿去做标题;Jetty 那边折腾了很久的抖动测试(flaky tests)问题,这次终于给出了修复方案,也把一类很常见的 CI 稳定性问题重新摆到了台面上。

如果你平时在用 Micronaut 做微服务,或者已经把手头的 JDK 从 17 升到了 21,这周的信息你大概率要重点关注。就算你维护的是传统的 Spring 项目,JDK 27 的性能数据和 Jetty 的测试治理思路同样有参考价值——前者关系到线上成本和扩容效率,后者关系到 CI 每天到底可不可信。

这篇文章把三件事拆开讲透,每一部分都会把背景、影响和落地动作串起来。末尾我还会聊几句自己的判断,以及一个我认为每个 Java 团队都该建立的“每周瞭望机制”,顺便给出可以直接抄作业的检查清单。

1. Micronaut 三漏洞修补:到底修了什么、怎么安全升级

1.1 三条链路的漏洞画像:从请求解析到权限校验

这周最先需要行动的是 Micronaut 的安全公告。一次性放出三个漏洞,说明这次不是某个边界情况打补丁,而是框架对几条公共链路做了一次系统性加固。虽然官方公告不会把攻击载荷完整贴出来(正常也不会贴),但根据修复文件的分布和 commit 信息,可以整理出基本判断:三个漏洞分别落在请求体数据处理、认证配置校验、资源生命周期管理这三条链路上,对应到实际攻击面就是数据绑定异常、权限绕过和资源耗尽。

先说请求体数据处理。这条链路在任何 Web 框架里都是暴露面最大的,因为所有 POST/PUT 请求都会经过它。这个漏洞本质上属于异常处理不严谨:某些特殊结构的数据在绑定到 POJO 的时候,会触发非常规的错误路径,而这条错误路径上没有做完整的上下文清理或者丢失了关键校验,导致后续处理拿到的是未经验证的对象。攻击者如果精心构造请求,就可能让本该被拦截的数据进入业务层。这类问题在 JSON 反序列化场景里尤其常见,嵌套对象、数组空值、类型不匹配这些边界情况都是重灾区。

认证配置校验的问题更直接。漏洞点出在条件授权和路由匹配的组合逻辑上,某些特定配置组合下,本应生效的身份校验被绕过。这个场景最典型的是多租户系统或者开放 API:开发者在本地测试的时候配置没问题,但部署到生产环境用了特定路由前缀或者自定义注解之后,匹配逻辑出现偏差,结果就是匿名请求也能命中受保护接口。这种漏洞在渗透测试里属于“逻辑绕过”类,不需要什么高深技术,只要把路由矩阵试一遍就可能发现。

资源生命周期的问题相对隐蔽,危害却不小。某些内部资源在异常场景下没有及时释放,高并发环境下就会持续累积,最后表现为 JVM 堆外内存不断上涨、或者文件句柄数逼近上限。这种漏洞最讨厌的地方在于,它不像前两个那样有明确的攻击请求特征,属于压测环境才能暴露的类型。很多团队报告生产环境“用着用着变卡”,最后排查半天发现是某个资源没释放,就是这个原因。

注意:三漏洞的风险等级不能只看 CVE 编号后面的分数。对一个微服务框架来说,权限绕过和资源耗尽这类问题的实际影响,往往比 CVSS 分数展示出来的更复杂——因为攻击者可以利用的点会和其他漏洞组合,变成一条完整的攻击链。

1.2 受影响版本范围与升级执行步骤

按公告说明,受影响范围覆盖了主线 4.x 和 5.x 的多个版本,官方修复版本已经放出。这里要先提醒一句:如果你的项目还在用 3.x 甚至更早的版本,虽然不在这次的受影响列表里,但也不建议继续停留——老版本框架的漏洞只是没有被公开标记,并不代表不存在。对于还在维护周期内的版本,该升级就升级。

对绝大多数项目来说,升级这一步其实不复杂,理论上替换依赖版本号就行。但在实际工程里,这事情比看上去要麻烦不少,有几个点要特别当心。

如果你用 BOM(Bill of Materials)管理依赖,升级 BOM 版本即可,但要注意 BOM 升级可能会连带拉高其他模块的版本。比如 Micronaut Data、Security、Validation 这些子模块,如果和核心框架异步发布,BOM 会把它们统一到一个快照下,你们可能因此被“被动升级”了一批组件。这时候要重点回归数据访问和认证授权的功能,别等上线了才发现 OAuth2 登录模块的行为变了。

如果项目用了 GraalVM Native Image 编译,升级后一定要重新跑一遍 native-image 打包。安全补丁经常涉及反射配置的变化,而 native-image 的静态分析结果会随之改变。我见过不止一次:JVM 模式下跑得好好的,打完补丁之后 native-image 构建出来的包一启动就报错,原因是新代码里多了反射调用没被扫描到。这个坑极其隐蔽,光看编译日志不一定能发现。

我建议按照下面这个顺序走:

  1. 先在本地或测试环境只改框架版本,不要动其他依赖,跑一遍完整的接口自动化测试;
  2. 重点覆盖 AOP 切面、过滤器链、自定义注解这些代码路径;
  3. 检查 WARN 和 ERROR 日志,确认没有异常分支被触发;
  4. 做一轮压测基线对比,确认 TPS 和内存表现没有回退;
  5. 再考虑灰度上线,不要在周五下班前改版本直接上生产。

升级前可以用依赖树先看清楚影响面,一条命令解决:

BASH
mvn dependency:tree -Dincludes=io.micronaut

如果是 Gradle 项目,对应的命令是这样:

BASH
./gradlew dependencies --configuration runtimeClasspath | grep io.micronaut

这一步能非常直观地看到哪些组件会跟着 BOM 一起变动,避免升级之后出现“明明只改了版本号,结果一堆模块行为变了”的情况。

1.3 升级后的回归重点:从构建到运行时的三层检查

升级之后做回归测试,我认为不需要把所有功能都跑一遍,盯住三个层面就够。

第一层是请求解析与数据绑定。把接口测试里那些非法字段、超大字段、类型错误字段的用例全部跑一遍,重点看返回的状态码——是 400 还是 500。这两种不同的响应方式,直接反映出框架的错误处理路径是否正常。如果升级前返回 400,升级后变成了 500,那基本可以断定解析链路上的中间环节出了问题,需要立刻打开 debug 日志去看完整的异常堆栈。

第二层是认证与授权。尤其要关注那些逻辑上存在“多个条件同时满足才放行”的接口。我建议直接对着源码梳理一遍过滤器链:哪个过滤器先执行、哪个后执行、异常发生在哪个位置。光靠黑盒测试很难覆盖到这种边界情况,因为触发漏洞的往往是一组特殊配置组合,而不是单一的异常输入。

第三层是连接池和高并发场景。把原来的压测脚本拿出来跑一轮基线对比,重点看三个指标:TPS 有没有掉、内存有没有持续增长、句柄数有没有异常。如果升级后 TPS 掉了超过 5%,大概率不是安全修复带来的回退,而是 BOM 连带升级的某个组件行为变了。这种情况需要逐个排除子模块,对比每一个的版本号变化。

实操心得:把升级前和升级后的启动日志各保存一份,重点对比 Bean 初始化顺序和过滤器链注册顺序。框架底层代码如果变动,最直观的体现就是启动日志里组件初始化顺序的变化。这个细节很少有人注意,但在排查诡异行为的时候往往能一针见血。

2. JDK 27 提速 54%:数字背后的适用边界与决策节奏

2.1 这个数字从哪里来,真的适合你的项目吗

JDK 27 的性能数据这周刷了屏,不少文章都在引这个 54%。但做工程的人应该先问一句:这个百分比是在什么场景、什么硬件、什么负载形态下测出来的?

从官方给出的 benchmark 说明和社区复现的数据来看,54% 并不是一个适用于所有项目的普适结论。它更多是基于完整生命周期任务统计出来的综合收益——从进程启动、类加载、方法预热,到最后进入稳定运行状态的一整套流程。这意味着受益最大的是短生命周期任务和启动敏感型应用,而不是那种 7x24 小时长跑服务的极限吞吐。

这其实符合 JVM 技术演进的逻辑。近几代 JDK 的优化重心一直在往“启动更快、预热更短”这个方向倾斜,原因是云原生环境里越来越多的应用需要快速拉起、快速扩容、快速释放。长跑服务的稳态吞吐当然也在优化,但收益远不如启动阶段来得明显。

所以看到 54% 这个数字,正确的反应不是“升级之后我的服务就快一半”,而是“我的应用属于哪个生命周期模型,这个数字对我有多少参考价值”。一个运行三分钟的批处理任务和一个连续跑三个月的在线服务,对这个数字的敏感程度完全不同。

2.2 三类最吃性能红利的场景

至少有三类场景能从这次优化中获得明显收益,我根据自己的实测和社区反馈整理如下:

第一类是短生命周期任务。CI 里频繁启动的新 JVM 进程、定时批量任务、以及按需启动的 Serverless 函数,这类任务最大的敌人就是启动开销。进程起来了跑一会儿就退出,如果启动本身就要花好几秒,那很大一部分时间都消耗在了跟业务无关的初始化上。这次优化的收益在这里会被直接放大。

第二类是开发调试循环。本地跑单元测试、起一个微服务做联调,以前每次都要等几秒到十几秒才能进入工作状态,现在这个等待明显缩短了。我自己的实测,一个中等规模的 Spring Boot 项目,本地启动时间确实肉眼可见地缩短了。注意,我说的是“肉眼可见”,不是精确的 54%,因为每个人的机器配置、项目规模、模块数量都不一样。但那种“改一行代码重启等半天”的挫败感,确实在减弱。

第三类是容器化的横向扩容场景。K8s 滚动发布时,新 Pod 的启动速度直接决定了扩容的响应速度。如果业务洪峰来了,服务需要从 3 个副本扩到 30 个副本,JVM 启动时间减少意味着 Pod 从创建到 Ready 的时间也在减少。在分钟级别的弹性伸缩里,这是实打实的容量收益和成本收益——扩得快意味着扛得住,也意味着缩得快以后能省钱。

2.3 升级决策:CI 先行、生产殿后的务实节奏

每次新 JDK 版本出来,都会被问到同一个问题:要不要升?我的建议一向是分场景看。

如果你只是用 JDK 跑 Spring Boot 或者普通微服务,没有用到特别冷门的 JNI、字节码操作库或者直接依赖了内部 API,升级 JDK 27 的风险是可控的。Java 的向后兼容性做得一直不错,但有几个特定点需要验证:反射相关的代码、Unsafe 的使用、以及某些第三方库对内部 API 的依赖。

升级之前,用 jdeps 扫描一下项目的依赖情况,这事情值得做:

BASH
jdeps --jdk-internals --multi-release 21 target/*.jar

这个命令会列出所有对 JDK 内部 API 的引用。如果输出为空,兼容风险就很低;如果输出了警告,需要逐个确认引用的类和方法。扫描只需要几分钟,却能把升级后的兼容性风险降低一大半。

如果你是生产环境的核心交易系统,我的建议是别急着上。等一个季度,让社区把坑踩得差不多了再评估。不是技术问题,而是组织问题:你的监控告警、故障排查工具、APM 探针是否都支持了 JDK 27,这是比语言本身更关键的因素。先升级工具链,再升级运行时,这个顺序不能反。否则线上出了问题,你连日志工具跑不起来的原因都排查不了。

最务实的过渡方案:把 CI 环境先切到 JDK 27。看看测试跑得快多少,同时验证所有依赖在编译和运行期的兼容状态。只要 CI 是绿的,项目代码基本没问题。生产环境的滚动升级不需要急于一时,排期放稳一点,等监控和告警全套就位之后再动。

注意:JDK 27 属于非 LTS 版本,这意味着官方提供的更新支持周期会短于 LTS 版本。生产环境如果长期停留在非 LTS 版本上,需要自己承担后续维护成本。最适合大多数团队的路子仍然是:生产环境以 LTS 为主力,同时用新版 JDK 跑 CI 和开发环境,提前验证兼容性,为下一次 LTS 升级做准备。

3. Jetty 抖动测试修复:一次高质量的 Flaky 治理案例

3.1 抖动测试是什么,为什么网络项目尤其难搞

Jetty 这周修复的“抖动测试”,在工程圈里是个老大难问题。所谓抖动测试,就是同一份代码、同一个 CI 环境,这次跑绿了下次跑红了,但代码本身没有任何变化。这种问题在并发和网络相关的项目里尤其严重。

Jetty 作为 HTTP 服务器,天然就是并发和网络场景的核心地带。它的测试几乎全是在多线程、多连接、多请求的超时边界上进行的。在这些边界上做断言,本质上是在和操作系统调度、JVM 线程切换、socket 超时这些不可控因素博弈。

这次修复的测试,从 commit 信息来看,是典型的环境敏感型抖动。测试逻辑本身没有问题,但它在某些机器上、某些负载下会偶发失败。这种现象背后的原因往往三选一:超时边界设置太紧、测试之间共享了不该共享的状态、测试对环境资源的假设不成立。

网络测试里最常见的原因就是第一种。测试代码里写死了“3秒内必须收到响应”的断言,但 CI 机器上如果同时跑着其他负载,线程调度稍微慢一点,3 秒就到了,测试直接挂掉。这不是断言的值不合理,而是它把“功能正确性”和“机器性能”耦合在了一起——本来想验证服务器能不能正确处理请求,结果测试结果取决于跑测试那台机器当时的负载情况。

这种问题最迷惑的地方在于:你很难复现,因为它是概率性的。本地跑十次全绿,CI 上跑一次红一次,然后你重跑又绿了。久而久之,团队就会开始无条件信任“重试一下就好了”,而这个行为本身正在掩盖真正的问题。

3.2 本次修复的三个关键思路:等待条件、状态隔离、可调余量

Jetty 这次修复的核心思路值得每个团队学习,它没有把超时时间单纯调大,因为它理解到那只是掩盖问题、不是解决问题。真正的改进方向,是把几个原本纠缠在一起的因素彻底拆开。

第一个关键思路是把硬编码超时改为基于条件的等待。测试代码不再依赖一个固定的毫秒数,而是设置一个合理的等待上限,同时提供事件轮询机制。环境慢就多等一会儿,环境快也不至于无限等下去。这个思路在测试领域其实早有成熟实践,像 Awaitility 这类库就是干这个的,但很多项目还是习惯性地写 Thread.sleep(3000),这是最简陋也最脆弱的等待方式。

第二个关键思路是隔离测试之间的状态。此前有部分测试会共用一个临时目录、端口甚至全局静态变量。一个测试做了修改,另一个就莫名其妙失败。修复之后,每个测试都使用独立的资源,测试之间的执行顺序不再影响结果。这个问题的隐蔽性在于,它在本地串行跑的时候暴露不出来,只有在 CI 上并行跑的时候才会偶发。

第三个思路同样重要:允许在测试中显式设置超时余量。Jetty 给出的思路是:默认配置适合快速机器,但在特殊环境里可以通过系统属性调整。测试代码不用改,只要在 CI 配置里设置一个类似 -Djetty.test.timeout.multiplier=2 的参数,就能应对慢机器。这一招非常务实——既保留了默认场景的严格性,又给了受控环境必要的调整入口。

这份改动的方法论其实可以提炼成四条原则:

  • 让每一个测试尽量独立运行,不依赖执行顺序;
  • 让等待逻辑基于“条件满足”而不是“固定时间”;
  • 把环境敏感的参数变成可配置项,而不是写死在代码里;
  • 对偶发失败引入“重试但不掩盖根因”的机制。

最后一条特别关键。很多人应对 flaky test 的第一反应就是加 retry,但如果不记录失败时的现场信息,重试只是把问题藏起来。正确的做法是先收集现场证据,再判断是否需要重试。即使重试通过了,只要第一次有失败现场,就应该输出一条警告日志,提醒维护者这是尚未定位的偶发问题,而不是“反正最后绿了就行”。

3.3 给自己项目的六步排雷法

如果你的项目里也有 flaky tests,我建议按照下面这套流程来排查,这是从 Jetty 这类成熟项目的经验里提炼出来的:

  1. 把失败的测试单独跑 20 次。如果全绿,基本可以确认是环境敏感的抖动,而不是逻辑错误。
  2. 记录失败时的线程 dump 和完整日志上下文,不要只看那条失败断言。很多时候问题不在断言那一行,而是线程池状态、连接池状态或临时文件已经出了问题。
  3. 扫一遍测试代码,把所有的“时间相关”断言都列出来。Thread.sleep、固定超时、定时器相关的代码全部标记。
  4. 尝试把固定超时改成条件等待,并设置一个大上限。比如原来断言“3秒内收到响应”,改成“最多10秒内,每100毫秒检查一次响应是否到达”。
  5. 在 CI 配置里预留环境变量入口,允许调整超时余量,但要把次数和值都记录到日志里,方便追踪。
  6. 最后才考虑加 retry,而且必须记录每次失败时的完整现场信息,哪怕是最终成功的重试。

这套流程看起来简单,但在实际项目里非常管用。我见过很多团队卡在第一步就过不去,因为失败的测试单独跑 20 次全绿,就认为“那没事了”。这不是没事,而是问题的性质恰恰被证明了是环境敏感的。

注意:CI 里有一条反直觉的原则——重试本身是允许的,但重试通过之后一定要打一个标记。如果一批代码里存在反复重试、反复通过的测试,说明你有技术债需要还。债权人不会消失,只会越积越多,最终在你发布最紧张的时候爆发。

4. 从本周新闻看 Java 生态的三条主线

4.1 安全公告密度上升,依赖扫描必须自动化

本周最大的信号,其实不是某一个漏洞有多严重,而是“框架安全事件正在常态化”。Micronaut 这种规模的框架一次补三个洞,说明不管框架多成熟,安全攻防都是一条没有终点的赛道。对应到团队日常工作,我认为必须建立两个机制。

第一是依赖扫描的自动化。不管用 Dependabot、Renovate 还是公司内部自建的依赖安全检查,必须让“依赖是否存在已知漏洞”这件事在每次提交时自动跑一遍。宁可每周收几条误报,也不能等公告出来再手动排查。安全公告出现之后再去排查,就已经晚了——因为攻击者可能在公告发布之前就已经在利用那条漏洞。

第二是升级演练的常态化。生产环境的依赖升级不怕麻烦,怕的是团队不熟悉升级流程。每个月选一个非核心服务,做一次框架升级演练,跑完所有自动化测试,记录时间成本。真到安全公告发布的那一天,你们团队已经清楚整个流程需要多久、哪个环节需要验证什么,排期就有了依据。用一句可能不太中听的话说:安全能力不是靠公告驱动的,是靠日常训练出来的。

4.2 性能数据要结合自己的场景再行动

JDK 27 的 54% 引起这么多讨论,说明性能永远是最容易引发共鸣的话题。但基于数字做决策的时候,要特别小心平均值的陷阱。同一个应用内部,不同模块的性能差异可能非常大,一个平均数说明不了你这边的情况。

正确的做法不是问“JDK 27 能提升多少”,而是问“我的应用在哪个环节花时间最多”。启动占了多少?GC 占了多少?业务代码执行占了多少?I/O 等待占了多少?只有把时间占比画像画出来,才能判断 JDK 升级对你到底有多大的影响。如果业务代码的执行本身已经占了 90% 的时间,那 JDK 启动优化做得再好,对你的帮助也极其有限。

性能优化从来不是单一维度的。JVM 版本、GC 参数、框架选择、代码结构,任何一个环节的变化都可能放大或抵消另一个环节的变化。比如你之前在 JDK 17 上手工调整过一堆 GC 参数,升级到 JDK 27 之后,这些参数的效果可能完全不同。评估升级收益的时候,最好保持硬件环境和负载模型不变,只变 JDK 版本,通过控制变量来获取真实的对比数据。

从长远看,Java 生态的性能改善是确定性的趋势。只要保持半年到一年升级一次 JDK 的节奏,大部分性能红利都能吃到。不需要做最早吃螃蟹的人,也不要做最后一个停留在老版本的人。十年不升 JDK 的项目,我在不少公司都见过,一旦到了不得不升的时候,痛苦是几何级数放大的。与其这样,不如把升级当成一项例行维护,每半年做一次评估。

4.3 建立每周 10 分钟的生态瞭望机制

最后分享一个我认为每一位 Java 开发者都值得养成的小习惯:每周花 10 分钟看一下生态动态,不需要深入研究,只要做到“知道发生了什么事、知道影响是否和自己相关”。

具体做法就是订阅几个固定的信息来源。JDK 的 release notes 和 JEP 列表、Micronaut 和 Jetty 这类关键依赖的官方博客、Spring 和 Vert.x 的发布说明,每个订阅一个 RSS 或者直接加书签就行。再用一个聚合性的周报作为兜底,防止遗漏。

每次只需要关注三件事:有没有安全公告需要处理、有没有破坏性变更影响项目、有没有被社区大量讨论的新功能值得试用。这三件事分别对应了维护、升级、选型三条决策线。

信息爆炸的时代,真正稀缺的不是获取信息的能力,而是过滤和归类的判断力。这个每周 10 分钟的习惯,花费的时间成本极低,但长期坚持下来,你会发现自己对生态变化的敏感度远超那些只在出公告时才慌慌张张去看一眼的同行。

比如这周的新闻,如果你早就有这个习惯,你会在看到 Micronaut 公告的第一时间就知道它可能影响哪些项目,而不是先花半天时间搞清楚自己有没有在用这个框架。

5. 我的实战体会与下一步建议

看完这周的生态动态,我最大的感受是:真正的工程价值不在于读了几条新闻,而在于把新闻转成动作。

Micronaut 的漏洞公告,提醒的是检查依赖扫描流程是否真正自动化了。JDK 27 的性能数据,提醒的是建立一套稳定的版本升级节奏。Jetty 的测试修复,提醒的是审视一下自己 CI 里有多少个“偶尔红一次、重试就绿”的测试,这些测试背后是什么问题一直没有被真正解决。

如果你这周只做三件事,我建议按这个优先级来:

第一,跑一次依赖扫描,重点看 Micronaut 相关组件有没有落在受影响版本范围内。不需要等到安全公告出来再排期,而是现在就把升级时间表定出来。

第二,把 JDK 27 装上本地环境,跑一遍你们项目的测试套件,用 jdeps 检查一下内部 API 引用。不需要立刻切换生产,但要在心里建立一个明确的版本升级路线。

第三,打开 CI 面板,把最近两周内所有“失败后重试通过”的用例列出来,挑一两个耗时最多的,按照前面说的六步排查法去看一眼。flaky test 从来不是技术问题,而是工程习惯问题。

最后说句实在话:Java 这个生态走到今天,技术本身的门槛已经越来越低,难的是在大量信息中保持判断力,在稳定和演进之间找到平衡。每周花 10 分钟做瞭望,每次版本发布都按流程走一遍升级演练,这些习惯比看懂一行源码更值钱。

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
深入解析mSATA与mini-PCIE接口的硬件设计要点
本文深入解析mSATA与mini-PCIE接口的硬件设计要点,涵盖信号定义、电源设计、高速信号处理及PCB布局布线等关键内容。通过实战案例和调试技巧,帮助工程师规避常见设计陷阱,提升电路设计效率,特别适合工业控制和嵌入式系统开发场景。
超级咨询师INFO