二分查找的隐藏陷阱:JDK为何在mid计算上翻车?

二分查找Java整数溢出
于 2026-10-29 05:09:39 修改
·本内容遵循CC 4.0 BY-SA版权协议

写对二分查找有多难?Java集合框架的作者也曾栽在一行mid计算上。

提起二分查找,大多数人第一反应是“这有什么难的,不就是折半查找嘛”。但真在纸上手写一遍,或者在生产环境里因为一个隐藏的边界问题翻车之后,你就明白为什么《编程珠玑》的作者Jon Bentley会说:90%的程序员写不对二分查找。更鲜为人知的是,Java集合框架里Collections.binarySearch和Arrays.binarySearch的早期实现,也曾在mid计算这一行上出过bug,而修复者正是Joshua Bloch——就是写出《Effective Java》的那位。这个bug在JDK里潜伏了多年,直到2006年才被修复。今天就把这事的来龙去脉、背后的原理,以及怎么写出一份“能过面试、能上生产”的二分查找讲透。

1. 内容整体设计与思路拆解

1.1 从JDK的真实bug说起:mid = (low + high) / 2 怎么就成了定时炸弹

先直接看那个著名的bug。在旧版JDK中,Arrays.binarySearch的mid计算是这样写的:

JAVA
int mid = (low + high) / 2;

如果low和high都是正数,这个写法一点问题没有。可一旦数组长度很大,比如low = 1073741824,high = 1073741825,这两个数相加的结果是2147483649,已经超过了int的最大值2147483647,直接溢出变成负数。此时除以2,得到的mid就成了负值,数组下标越界或者直接进入错误的分支,二分查找自然就挂了。

这个bug不是Joshua Bloch一个人踩的,包括Sun内部的一些核心库、早期的Collections.binarySearch实现、乃至不少知名开源项目都中过招。2006年,Google研究员的Joshua Bloch在自己的博客上公开了这一问题的细节,并给出了修复方案。

修复后的写法有两种:

JAVA
// 写法一:无符号右移
int mid = (low + high) >>> 1;
 
// 写法二:减法避免溢出
int mid = low + (high - low) / 2;

两种写法在数学上等价,都能避免加法溢出。但如果你是Java 8+用户,还要注意里面的“坑中之坑”:low + (high - low) / 2在low、high都是int时安全,可一旦换到long场景(比如Arrays.binarySearch处理long[]时内部用int下标倒还好),就必须写low + (high - low) / 2,否则(low + high)即便换成长整型也有可能溢出。

1.2 为什么一件“小事”值得单独拿出来讲

二分查找看似代码量极少,但它的难点从来不在于“折半”这个动作,而在于三个隐藏点:

  • 整数溢出:上面说的mid计算问题。
  • 循环不变量:你如何定义搜索区间是[low, high]闭区间还是[low, high)左闭右开,直接决定边界更新时是mid - 1还是mid,写错就是死循环。
  • 插入点的语义:当目标值不存在时,返回的-(insertionPoint) - 1到底是什么、为什么这么设计。

绝大多数初学者乃至工作两三年的开发者在手写二分时翻车,翻的都是后两者。而JDK作者当年栽在第一点上,恰好证明了一个道理:即使是最优秀的工程师,在面对“溢出”这类底层问题时,也会因为“这个太基础了”而放松警惕。这也是防御性编程最经典的教材级案例。

2. 核心细节解析与实操要点

2.1 三种主流的二分查找写法,逐行拆解

为了说完整体,我给出三种最常见的二分查找模板,并逐行解释。

模板一:标准闭区间写法

JAVA
public int binarySearch(int[] arr, int target) {
int low = 0;
int high = arr.length - 1; // 闭区间 [low, high]
 
while (low <= high) { // 注意是 <=
int mid = low + (high - low) / 2; // 防溢出
if (arr[mid] == target) {
return mid;
} else if (arr[mid] < target) {
low = mid + 1; // target 在右半部分
} else {
high = mid - 1; // target 在左半部分
}
}
return -1; // 没有找到
}

核心逻辑在于:while (low <= high)意味着当low == high时,区间内还有一个元素,必须再检查一次;一旦low > high,说明区间空了,退出循环。此时low指向的位置恰好是目标值应该插入的位置。

模板二:左闭右开写法

JAVA
public int binarySearchLeftOpen(int[] arr, int target) {
int low = 0;
int high = arr.length; // 左闭右开 [low, high)
 
while (low < high) { // 注意是 <
int mid = low + (high - low) / 2;
if (arr[mid] == target) {
return mid;
} else if (arr[mid] < target) {
low = mid + 1;
} else {
high = mid;
}
}
return -1;
}

区别在于:区间定义为[low, high),high本身不包含在搜索范围内。所以初始值high = arr.length(而不是arr.length - 1)。循环条件是low < high,因为当low == high时区间已经空了。关键在于high = mid而不是high = mid - 1,因为mid本身已经被排除在外,而且high不包含在区间内。

模板三:查找第一个等于目标值的位置(最左二分)

JAVA
public int binarySearchLeftBound(int[] arr, int target) {
int low = 0;
int high = arr.length; // [low, high)
 
while (low < high) {
int mid = low + (high - low) / 2;
if (arr[mid] < target) {
low = mid + 1;
} else {
high = mid;
}
}
return low; // 如果 low == arr.length 说明不存在
}

这是面试里高频考察的变体:有序数组可能有重复元素,需要你找出第一个出现的位置。精髓在于:当arr[mid] >= target时,不是直接返回,而是把high压缩到mid,继续向左搜索;循环结束时low就是左边界。

2.2 死循环的根源:区间更新不一致

很多人写完二分后一跑就卡死,问题几乎都出在“区间定义”和“更新规则”不匹配上。

用闭区间[low, high]举例。如果arr[mid] > target,目标在左半部分,此时high应该更新为mid - 1。如果你写成high = mid,那么当low == high时,mid == low == high,更新后high还是等于原来的值,low也不会变,就死循环了。

有一句口诀可以帮你记忆:闭区间更新必加一或减一,开区间更新保持中点不动。具体来说:

  • [low, high]闭区间:low = mid + 1,high = mid - 1
  • [low, high)左闭右开:low = mid + 1,high = mid
  • (low, high]左开右闭:low = mid,high = mid - 1

只要你定义清楚区间,再顺着区间定义去更新,死循环问题基本能消除。

2.3 为什么JDK返回负数插入点,而不是返回-1

Collections.binarySearch和Arrays.binarySearch的JavaDoc里写得很清楚:如果找到目标,返回下标;如果没找到,返回-(insertionPoint) - 1,其中insertionPoint是目标值应该插入的位置。

这个设计的精妙之处在于:只用一次返回值就能区分“找到”和“没找到”,而且调用方可以通过if (index >= 0)来判断是否命中,同时还能直接利用-(index + 1)拿到插入点。如果只是简单返回-1,那你还得再写一遍二分去算插入点,代码就冗余了。

假如二分查找的返回值设计为负数插入点,那么实际插入操作就变成了:

JAVA
int index = Arrays.binarySearch(arr, key);
if (index < 0) {
int insertionPoint = -index - 1;
// 在 insertionPoint 处插入
}

顺带说一句,很多人在面试时说不出这个返回值规则,或者记成-(insertionPoint),都是没仔细读过源码。这不是死记硬背的东西,理解了设计意图就忘不掉了。

3. 实操过程与核心环节实现

3.1 手写一个健壮的二分查找,直接能跑

下面我写一个完整可运行的Java类,包含标准二分、查找左边界、查找右边界、查找插入点四个功能,并做了边界测试。你可以直接拷走跑一遍,观察输出结果。

JAVA
import java.util.Arrays;
 
public class BinarySearchDemo {
 
// 标准二分:找到返回下标,找不到返回负数插入点-1
public static int binarySearch(int[] arr, int target) {
int low = 0;
int high = arr.length - 1; // 闭区间
 
while (low <= high) {
int mid = low + ((high - low) >> 1); // 防溢出,且用位运算加速
if (arr[mid] == target) {
return mid;
} else if (arr[mid] < target) {
low = mid + 1;
} else {
high = mid - 1;
}
}
return -(low + 1); // low 是插入点
}
 
// 查找第一个等于 target 的下标
public static int findFirst(int[] arr, int target) {
int low = 0;
int high = arr.length;
while (low < high) {
int mid = low + ((high - low) >> 1);
if (arr[mid] < target) {
low = mid + 1;
} else {
high = mid;
}
}
if (low < arr.length && arr[low] == target) {
return low;
}
return -1;
}
 
// 查找最后一个等于 target 的下标
public static int findLast(int[] arr, int target) {
int low = 0;
int high = arr.length;
while (low < high) {
int mid = low + ((high - low) >> 1);
if (arr[mid] > target) {
high = mid;
} else {
low = mid + 1;
}
}
if (low > 0 && arr[low - 1] == target) {
return low - 1;
}
return -1;
}
 
public static void main(String[] args) {
int[] arr = {1, 3, 5, 5, 5, 7, 9};
 
System.out.println(Arrays.toString(arr));
 
System.out.println("标准二分找5: " + binarySearch(arr, 5));
System.out.println("标准二分找6: " + binarySearch(arr, 6));
System.out.println("标准二分找10: " + binarySearch(arr, 10));
 
System.out.println("第一个5下标: " + findFirst(arr, 5));
System.out.println("最后一个5下标: " + findLast(arr, 5));
 
int[] bigArray = new int[Integer.MAX_VALUE / 2];
// 注:这里只是演示,实际申请这么大的数组会OOM,但可以展示mid计算的防溢出写法
// 实际工作中遇到大数组时,务必使用 low + (high - low) / 2
System.out.println("防溢出写法测试: " + (1 + (Integer.MAX_VALUE - 1) / 2));
}
}

运行这段代码,重点关注标准二分返回的“负数插入点”:找6时返回-5,说明6应该插入在下标4;找10时返回-8,说明10应该追加在末尾下标7处。这个细节和JDK的行为保持一致。

3.2 为什么用 >> 1 而不是 / 2

上面代码里我用了((high - low) >> 1),这在Java里是等价的吗?答案是:对非负数完全等价,正数的右移一位等于除以2并向下取整;但如果是负数,>> 1是向下取整,而/ 2是向零取整,两者在负数时结果不同。

不过在二分查找中,high恒大于等于low,所以high - low始终是非负数,用>> 1和/ 2完全等价。之所以推荐>> 1,一面是为了表达“我真的知道自己在做无符号除以2”,另一面是某些场景下位运算确实快那么一点点——尽管现代JVM的JIT编译器基本都会把/ 2优化成移位指令,性能差异几乎为零。

真正要注意的是(low + high) >>> 1与(low + high) / 2的区别。>>>是无符号右移,即使low + high溢出成负数,右移后也能得到正确结果。而/ 2在溢出时会得到错误值。所以前面JDK的bug修复方案(low + high) >>> 1是巧妙的,它允许加法溢出,但通过无符号右移来恢复正确结果。

3.3 从二分查找到插入排序的完整场景

二分查找不是孤立的算法,它最常见的配套场景是“二分插入排序”:在有序数组中快速定位插入点,然后搬移元素。

JAVA
public static void binaryInsertionSort(int[] arr) {
for (int i = 1; i < arr.length; i++) {
int key = arr[i];
int pos = binarySearch(arr, key); // 复用上面的标准二分
if (pos < 0) {
pos = -pos - 1; // 转成插入点
}
// 搬移 [pos, i-1] 的元素到 [pos+1, i]
System.arraycopy(arr, pos, arr, pos + 1, i - pos);
arr[pos] = key;
}
}

实际生产中,排序算法里的“二分插入”主要用于近乎有序的小数组,比如Java的Arrays.sort在长度小于47时使用插入排序(InsertionSort),而对超长数组使用双轴快排(DualPivotQuicksort)。这类底层优化都是基于二分查找这个地基展开的。

4. 常见问题与排查技巧实录

4.1 典型问题一:明明数组有序,二分查找却返回-1

这种情况十有八九是while循环条件写错了。如果你用闭区间[low, high]却写了while (low < high),那数组只有一个元素时会直接跳过循环,怎么可能找得到?排查时先在纸上画出区间,尤其注意low == high时区间是否还有元素,这个判断对了问题就解决了一半。

4.2 典型问题二:运行到一半数组下标越界

越界通常发生在mid计算溢出,或者边界更新错误两种情况下。如果low + high溢出,mid变成负数,arr[mid]直接抛ArrayIndexOutOfBoundsException。另一个隐蔽的原因是:在查找右边界时返回low - 1,如果low == 0,low - 1就是-1,这时候必须先判断low > 0再使用下标。这也是我在findLast里加if (low > 0)判断的原因。

4.3 典型问题三:死循环,程序一直不退出

死循环的排查思路是模拟一轮迭代。找个具体例子,比如arr = {1, 2},target = 1,闭区间写法中高边界更新成high = mid,看看会发生什么:第一轮low=0,high=1,mid=0,arr[0]==1返回值,没毛病。但如果target = 0,第一轮mid=0,arr[0]=1 > 0,high=mid=0,low=0,第二轮low=0,high=0,还是mid=0,又走到high=mid=0——死循环了。闭区间里high=mid就是元凶,必须high=mid-1。

4.4 快速自查清单

我在面试候选人和Code Review时,会快速过这么一份清单:

检查项 正确做法 错误示例
mid计算 low + (high - low) / 2 或 (low + high) >>> 1 (low + high) / 2
区间定义 写清楚是闭区间还是开区间 写代码时没有区间概念
循环条件 闭区间用<=,开区间用< 混用
边界更新 high = mid - 1(闭区间)或high = mid(开区间) 随手写,不推演
返回插入点 负数返回-(insertionPoint) - 1 直接返回-1
重复元素 findFirst/findLast要单独处理 以为普通二分能处理

这份清单也是我自己写二分时的“肌肉记忆”。

5. 写在最后的一点体会

我自己踩过最深的坑,不是mid溢出,而是“自以为很懂”之后,在改写findLast时把high = mid和high = mid - 1搞混了,结果在LeetCode上栽了三回才彻底理清。这次经历让我养成一个习惯:任何二分变体,写完先跑三个用例:空数组、单元素数组、全重复数组。这三个用例能覆盖九成以上的边界问题。

说回JDK的那个bug。Joshua Bloch在博客里写道,这个bug是他本人在2006年阅读java.util.Arrays源码时发现的。这个事实本身就很有启发性:我们每天用的工具,哪怕出自顶级工程师之手,也可能潜伏着多年未暴露的问题。写算法的时候多一分敬畏,多一行防御,实际上是在为你未来所有的调用方省时间。下次面试官问“你能手写一个二分查找吗”,不妨在写完mid = low + (high - low) / 2之后,补一句“这个写法是为了防止整数溢出”,这比背一百道八股文都管用。

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
squirrel校园二手交易平台
squirrel校园二手交易平台 (适合寻找SSM项目练手的你。) 项目起源:   期末的课程设计,三人一组,我和两个舍友,一时起兴,决定做一个校园二手交易平台,一开始兴致与激情满满,可是后期时间上的冲突,让我们三个人对于这个项目有点累。   这个项目刚定题两天,BezosLee由于通过了360的网上在线笔试,收到了360公司的免费培训邀请,要去北京的360总部进行培训一周,值得庆...
K.SHI