9位组织机构代码校验:ISO 7064 MOD 11-2算法实现与避坑指南

组织机构代码校验校验位算法ISO 7064
于 2026-10-29 05:07:09 修改
·本内容遵循CC 4.0 BY-SA版权协议

1. 先说清楚:这个9位代码校验到底在解决什么问题

在项目里做组织机构相关功能时,最容易忽略的往往不是业务逻辑本身,而是录入环节那一串看似不起眼的九位编码。你用 ValidX 这个名字去搜,会发现它其实不是什么外部的重型框架,更像是我在多个项目里沉淀出来的一套轻量校验工具集,核心任务就是回答一个问题:用户填进来的这9位组织机构代码,到底是真的,还是随手敲错的?

这9位代码的结构并不复杂:前8位是本体代码,第9位是校验位。本体代码可能含数字也可能含大写字母,校验位则根据前8位按固定算法算出来。正因为存在这一位校验位,我们才能够在代码进入业务系统之前,用极低成本拦截掉大量手误——多敲一个数字、字母顺序颠倒、少写一位,都能在毫秒级被识别出来。

为什么这件事值得专门做?做过证件录入、企业与机构信息采集的人都有体会:组织机构代码是很多业务系统里的关键关联键,它一旦错,后面开的发票抬头、往来单位档案、资质关联可能全被串到别的机构头上。而校验位算法的价值就在于,它不依赖任何联网查询、不依赖数据库,只要把规则写对,就能当场判断合法性。就算 ValidX 这个名字对不同人来说熟悉度不一样,但算法逻辑本身是通用的,可以直接抄到任何一个技术栈里。

适合谁来读这篇?如果你是后端开发、前端表单校验开发者,或者负责存量数据清洗的数据工程师,下面这套实现和避坑思路应该能直接上手。我也会把校验位算法的数学原理拆开讲清楚,免得你只抄到代码、没抄到判断逻辑,换个语言又写错了。

2. 校验位算法的数学内核:ISO 7064 MOD 11-2

2.1 字符映射:为什么字母 A 按 10 而不是按 1 算

先解决一个最容易懵的点。组织机构代码里的字母不是英文字母序编号,而是按照它在字母表里的位置偏移 10 得到数值。对应关系是这样:

字符 0-9 A B C D ... Z
字符值 0-9 10 11 12 13 ... 35

也就是说,A 的数值是 10,B 是 11,一路递增到 Z 的 35。这个映射关系在国标 GB 11714-1997 里是明确写死的,不是拍脑袋定的。它本质上用 36 进制字符集(0-35)承载信息,校验位算法再把这一串 36 进制“数字”做加权求和。

我见过不少初写这段逻辑的人,会在字母这里翻车:要么直接取 ASCII 码,要么把 A 映射成 1。这两种做法算出来的校验位几乎必错。一个可靠的办法是统一走字符值表:数字字符用 digit - '0',字母字符用 letter - 'A' + 10 或者等价的 letter - 'A' + 10。在代码里我会写成 ord(c) - 55,因为 ord('A') = 65,65 减 55 正好是 10。

2.2 加权因子序列:3、7、9、10、5、8、4、2 是怎么用的

算法第二块关键参数是八位本体代码各自的加权因子,从高位到低位固定为:

TEXT
3 7 9 10 5 8 4 2

计算方式听起来很直白,但写代码时最容易写错的是“乘的顺序”。假设我们有一个本体代码的字符串 c1c2c3c4c5c6c7c8,那么计算公式是:

TEXT
sum = c1*3 + c2*7 + c3*9 + c4*10 + c5*5 + c6*8 + c7*4 + c8*2

注意,这里的 c1 是字符串最左边那位,也就是高位。很多实现会把加权因子倒过来用,从最后一位开始乘,这在某些其他校验算法里是常见做法,但组织机构代码的国标不是这样。一个很笨但绝对可靠的验证方式:找一组已知正确的代码,手工算一遍,算出来的校验位和原代码第9位一致,再反过来检查自己在程序里是否用了“从右往左”的错误顺序。

加权因子不是任意选的。它们与模数 11 互质的要求相关,配合模 11 运算,能够让一定范围内的单个数字错误、相邻位调换错误被识别出来。虽然这套系数不是最完美的,但在位数受限的前提下已经具备很强的检错能力,实测下来大部分手误都能被拦截。

2.3 模 11 运算与校验位 X 的特殊处理

第三步就是拿 sum 除以 11 取余数,然后按下面的映射得到最终的校验字符:

余数 r 校验位计算 校验字符
0 11 - 0 = 11,按规则记为 0 0
1 11 - 1 = 10,用 X 表示 X
2 11 - 2 = 9 9
... ... ...
10 11 - 10 = 1 1

这里有两个反直觉的坑。第一个是余数为 0 时,校验位不是 11,而是字符 0。如果你在代码里写成 11 - (sum % 11) 然后直接转字符串,余数 0 时会得到一个 11,显然不对。第二个是余数为 1 时,计算结果 10 要用大写字母 X 表示,不是数字 10,也不是小写 x。

完整校验字符的取值范围因此是:0-9 和 X。你后面写正则时,最外层的字符集就应该是 [0-9X],严格来说第9位不可能是 A 到 Z 里除了 X 以外的任何字母。这一点很多人会在正则里漏掉,导致用宽松正则先放进来一大批根本不可能合法的代码。

3. ValidX 的校验实现:从公式到可运行代码

3.1 JavaScript 实现:最直接的版本

我在前端表单校验里最常用的是下面这个版本。它只依赖原生字符串操作,不引第三方库,体积很小。

JAVASCRIPT
const ORG_WEIGHTS = [3, 7, 9, 10, 5, 8, 4, 2];
 
function validOrgCode(code) {
if (typeof code !== 'string' || code.length !== 9) {
return false;
}
code = code.toUpperCase();
if (!/^[0-9A-Z]{8}[0-9X]$/.test(code)) {
return false;
}
if (code[0] === '0') {
return false;
}
 
let sum = 0;
for (let i = 0; i < 8; i++) {
const ch = code.charCodeAt(i);
// 数字 0-9 直接取值,字母 A-Z 映射到 10-35
const value = ch >= 48 && ch <= 57 ? ch - 48 : ch - 55;
sum += value * ORG_WEIGHTS[i];
}
 
const remainder = sum % 11;
const checkValue = remainder === 0 ? 0 : 11 - remainder;
const expectedChar = checkValue === 10 ? 'X' : String(checkValue);
return code[8] === expectedChar;
}

这段代码里有几处故意收紧的地方。正则的第9位我用了 [0-9X],这能提前排除掉大量不可能合法的输入。code[0] === '0' 的检查也是登记规则里的硬约束:本体代码首位不能为 0。不是所有线上实现都做了这个判断,但实际数据里如果你看到首位 0,基本可以判定录入异常。

字母转换我用的是 toUpperCase(),放在正则检查之前。这样用户输入小写字母时也能被兼容。要注意的是,toUpperCase() 对某些 Unicode 字符会产生奇怪的结果,比如德语 ß 会变成 SS,导致长度变化,所以我在调 toUpperCase() 之前先检查了 code.length !== 9。这个顺序很重要。

3.2 Python 实现:适合后端与数据清洗

后端接口做校验时,我通常会放一个独立的 Python 模块,逻辑完全对齐前端,避免两端规则漂移。

PYTHON
def valid_org_code(code):
if not isinstance(code, str):
return False
code = code.upper()
if len(code) != 9:
return False
if not __import__('re').match(r'^[0-9A-Z]{8}[0-9X]$', code):
return False
if code[0] == '0':
return False
 
weights = [3, 7, 9, 10, 5, 8, 4, 2]
total = 0
for i in range(8):
c = code[i]
value = ord(c) - 48 if '0' <= c <= '9' else ord(c) - 55
total += value * weights[i]
 
remainder = total % 11
check_value = 0 if remainder == 0 else 11 - remainder
expected = 'X' if check_value == 10 else str(check_value)
return code[8] == expected

这里有一个比较实用的点:如果这段代码用在数据清洗场景,你面对的可能是几万行 Excel 导出的数据,里面有大量前后空格、全角字符。建议在调用校验函数之前,对字符串做一次统一清洗:

PYTHON
code = str(code).strip().upper().replace('0', '0').replace('1', '1')

全角数字在从网页复制粘贴时经常出现,而且肉眼极难分辨。清洗完再校验,能减少很多无效报错。

3.3 非法输入的提前拦截:先结构后算法

校验函数内部虽然会把非法输入挡掉,但从工程效率角度,更好的做法是“先结构、后算法”分两步走。意思是不要一上来就调校验函数,而是在表单层先用正则做一次粗筛,再把结果传给重量级校验。

TEXT
字符串 → 清洗 → 正则粗筛 → 校验位算法 → 返回结果

粗筛正则可以直接用 ^[0-9A-Z]{8}[0-9X]$,这一步能过滤掉长度不对、包含非法字符的输入。全部通过之后才进入加权求和环节。这样做的原因很简单:校验位算法本身要对每个字符做一次 ASCII 运算,如果输入根本长度都不对,早该挡掉了,没必要进入算法流程。

另外提醒一句:不要在前端把错误信息写得太具体。比如“校验位计算错误,期望值是 X”这种提示,看起来挺智能,但等于把算法输出结果直接暴露给了调用方,容易被人当成逆向构造代码的辅助信息。常规做法是统一提示“组织机构代码格式不正确”。

4. 最容易翻车的边界场景:字母转换、X 和正则暗坑

4.1 大小写不敏感带来的双刃剑

组织机构代码本身是登记证照上的大写编码,但用户输入时经常手滑写成小写。ValidX 的处理方式是统一转大写再校验,这本意是好的,但也埋了一个坑:某些平台字符在转大写的映射规则和你想的不一样。

我举一个实测遇到的例子:用户输入了一个包含 ı(不带点的 i)的字符串,某些系统的 toUpperCase() 转换后长度和内容都会变。绝大多数业务场景不会遇到这种字符,但一旦遇到,你的正则就会在长度检查后被绕过或者误伤。

稳妥的做法不是盲目依赖 toUpperCase(),而是先做一次 ASCII 安全检查:校验函数只接收 0-9A-Za-z 这 62 个字符,一旦出现非这些字符,直接返回 false。相当于给正则和大小写转换之间加一道保险。前文的 JS 实现里先检查 length、再用正则匹配,逻辑上已经覆盖了这个风险。

4.2 校验位是 X 时,别把它当成字符串比较用岔了

前面已经提到 X 的处理。这里我想强调一个更隐蔽的问题:不要把 checkValue 和 code[8] 做宽松相等判断。

比如在 JavaScript 里,如果你写:

JAVASCRIPT
return code[8] == checkValue;

当 checkValue 是数字 10 时,它和字符串 '10' 长度都不一样。而当 checkValue 是 0 时,'0' == 0 在 JS 里会返回 true,但如果第9位是 X,'X' == 10 永远为 false。这种写法看起来在数字校验位时是对的,遇到 X 就全错。

正确做法永远是先把计算出的校验值标准化为字符串(数字 0-9 或字母 X),再与 code[8] 做全等比较。上面 JS 和 Python 代码里我都刻意用了 === 或 == 且两侧都是字符串,这看起来是小事,但线上出问题最多的就是这里。

4.3 正则字符集范围:第9位不是任意字母

再回到正则的精细控制。网上流传的一些直板实现,用的是 ^[0-9A-Z]{9}$,也就是把第9位也当作普通字母数字来处理。这在算法层面倒没有致命影响,因为最终会对不上校验位,但是在“提前拦截”这个层面,它放行了大量不可能合法的代码。

正确的正则应该像下面这样:

TEXT
第1位:不能为0(单独判断)
第1-8位:[0-9A-Z]
第9位: [0-9X]

为什么要区分第9位?因为校验位的取值只有 0-9 和 X 这 11 种可能。一个第9位是 M 的代码,就算它前面 8 位怎么算都不可能合法,因此提前挡掉是零风险且高效的。用 ValidX 的接口设计角度来说,粗筛正则尽量精确,可以让非法请求在算法执行前就被怼出去,这对高并发表单提交场景有实际意义。

5. 用测试用例把算法钉死:样本构造与回归验证

5.1 手工可复算的验证用例

写校验算法,最怕的就是没有可靠的测试向量。这里我给出一组手工可以完整复算的用例,方便你在任何语言里做回归测试。这组数据不是从哪里抄的,是我自己按国标算法一步步算完并验证过的。

本体代码 加权求和明细 余数 校验位 完整代码
00000018 03 + 07 + 09 + 010 + 05 + 08 + 04 + 12 = 2 2 9 000000189
ABC12345 103 + 117 + 129 + 110 + 25 + 38 + 44 + 52 = 285 10 1 ABC123451
40000000 43 + 0... + 0*2 = 12 1 X 40000000X
40000005 43 + 52 = 22 0 0 400000050

第三个用例特意展示了校验位为 X 的情况,第四个用例展示了余数为 0 时校验位映射为 0 的情况。你在写测试时,这四个用例必须全部通过,尤其是后两个。很多实现会挂在第一个 X 上,还有不少挂在余数 0 上,因为把 11 直接写进了结果。

5.2 批量验证:构造“计算出来的校验位”反推代码

除了手工用例,还有一种更系统的验证思路:先随机生成长度 8 的合法本体代码字符串,调用你实现的算法算出校验位,然后组装成完整的 9 位代码,再喂给同一个校验函数去验证。如果验证返回 true,只能说明你的函数是自洽的,不能说明算法本身正确。

因此更严格的测试思路是用一批已知真实登记的代码做黑盒验证。在存量数据清洗时,你会拿到大量已经登记过的组织机构代码,这些代码的校验位全部应当通过。如果发现某一条不通过,大概率不是数据错了,而是你的算法还有没覆盖到的边界——最常见的就是全角字符、前后空格、小写字母混入。

我在实际项目里就是拿了几千条存量数据跑了一遍纯校验函数,再把校验不通过的记录全部捞出来人工核对,这才发现了很多实现细节问题。测试向量能证明逻辑正确,真实数据才能证明你的清洗前置工作做到位了。

6. 业务整合心得:证件流水线里的校验位算法还能怎么用

6.1 向统一社会信用代码扩展的前置模块

如果你所在的项目已经全面切换到了统一社会信用代码,可能觉得组织机构代码校验没用了。实际上不然,18 位统一社会信用代码的中间一段(从第9位到第17位)仍然保留了 9 位组织机构代码的主体结构。这意味着,在实现完整统一代码校验之前,完全可以先抽一个 ValidX 组织代码校验模块,再把这段结果嵌入到整体校验流程中。两个算法分开写、分开测,避免一个大函数里揉杂了模 11 和模 31 两套系数,出了问题很难定位。

另外在存量数据迁移场景里,很多老系统的归档表里还存着历史组织机构代码。迁移前做一次校验位过滤,可以把明显异常的数据先挑出来,避免脏数据污染新库。

6.2 录入、导入、查询三个环节的落点建议

把校验函数放进项目里时,我个人建议至少落在三个环节,而不是只在某一个入口加一次:

  • 前端录入表单:用户填写后立即校验,配合行内错误提示,体验最好。这里用 JS 版即可,不用发请求。
  • 后端接口:不管前端校验多严格,后端必须再校验一次。面向调用方的接口尤其不能省略,因为你无法假设所有客户端都实现了同样的逻辑。
  • 批量导入:Excel 导入时,对每一行的组织机构代码先做校验,校验失败的单独输出到错误报告,而不是整批回滚。这个场景里 Python 版最顺手。

多放一道校验的成本几乎为零,但能拦截的问题种类完全不同:前端拦住手误,后端拦住绕过前端的非法请求,批量导入拦住存量数据里埋的雷。

6.3 再分享一个容易忽略的细节:错误报告里保留原始输入

批量导入时我踩过一次坑:只输出“第 37 行组织机构代码校验失败”,没有保留原始值。结果运营同事拿着报告根本没法定位,因为第 37 行在原始 Excel 里可能是有合并单元格、空行之类的。后来我改成把原始代码、清洗后代码、失败原因、所在行号一起输出,问题当场就能定位。这套校验工具自己用着就顺手多了。

整个 ValidX 模块说起来就是个几百行的代码,但它真正稳定下来,靠的不是一次把算法写对,而是后面在真实数据上反复打磨边界。校验算法是算法题里的一道送分题,也是工程里一道需要认真对待的细节题。

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
自动驾驶轨迹规划算法——Apollo Lattice Planner
Apollo Lattice Planner是百度Apollo自动驾驶系统中的一种基于采样的实时轨迹规划算法。其核心思想是在离散化的状态空间中,对终端状态进行采样,并通过多项式曲线连接当前状态与候选终端状态,形成候选轨迹集,最后基于代价函数选择最优轨迹。该算法将车辆可达状态按纵向距离、横向偏移和速度等维度规则离散化,形成&quot;格点&quot;状态空间。 Lattice Planner通过三个主要步骤实现轨迹规划:1)终端状态采样,在规划时域内枚举多种驾驶意图;2)轨迹生成,使用五次多项式连接起点与各终
Swaggy T