Java线程池ThreadPoolExecutor核心参数与线上调优实战

线程池ThreadPoolExecutorcorePoolSize
于 2026-10-29 03:55:15 修改
·本内容遵循CC 4.0 BY-SA版权协议

如果你已经写过一段时间的 Java 并发代码,大概率被问过这样一个问题:线程池的核心参数是哪些?很多人能背出 corePoolSize、maximumPoolSize、workQueue、keepAliveTime 这些名词,但真到线上,线程数该配多少、队列该用多大、拒绝策略怎么选,还是一头雾水。更常见的情况是,项目里图省事直接用了 Executors 内置的线程池,直到某天大促流量上来,任务堆积、内存飙高,才慌慌张张地开始排查。

这篇文章我不打算只讲八股。我会结合自己在生产环境调线程池的踩坑经历,把 ThreadPoolExecutor 的源码执行路径、每个参数背后的设计逻辑、以及线上调优和排障的思路串在一起讲。无论你是在准备 Java 面试,还是正在被线上线程池问题折磨,这篇文章应该都能给你一些可以落地的参考。

1. 为什么需要线程池:线程不是免费的午餐

Java 里创建线程看起来很简单,new Thread(...).start() 一行代码就完事。但如果你以为线程是“免费”的,那生产环境会很快教你做人。JVM 每创建一个线程,都需要向操作系统申请一块独立的线程栈内存,默认大小通常是 512KB 到 1MB。虽然可以通过 -Xss 调整,但每个线程依然是实打实的系统资源。我见过一个服务,业务代码里为了图省事,每个请求都直接新建线程,QPS 一上来线程数飙到几千,先是内存涨,然后 CPU 大量耗在线程上下文切换上,真正处理业务的时间反而变少,响应时间直线上升。

更麻烦的是线程创建和销毁本身就有成本。操作系统要分配内核栈、用户态栈,要创建线程描述符,线程退出时还要释放这些资源。如果是高并发的短时任务,线程的创建销毁开销可能比任务本身还高。这就是为什么我们需要线程池:它把线程创建和线程销毁的成本转移到初始化阶段和空闲复用阶段,让线程在任务之间反复使用,同时通过限制最大线程数控制系统资源消耗。

线程池的本质其实可以理解成一家餐厅的人力管理。平时保留几个稳定的服务员,就是 corePoolSize;忙不过来的时候临时招一批小时工,对应 maximumPoolSize;客人再多就先在门口排队,对应 workQueue;排队区都满了,就只能对后来的客人说“满座了”,这就是 RejectedExecutionHandler。小时工不是永久雇佣,闲太久自然会被辞退,对应 keepAliveTime。这个类比虽然不是百分之百精确,但能把线程池整套参数串起来,理解后面代码细节的时候会轻松很多。

2. ThreadPoolExecutor 核心参数拆解:每一个参数都不是摆设

2.1 构造方法的七个参数

ThreadPoolExecutor 最完整的构造方法有七个参数,实际使用中大多数坑都出在这七个参数的搭配上:

JAVA
public ThreadPoolExecutor(int corePoolSize,
int maximumPoolSize,
long keepAliveTime,
TimeUnit unit,
BlockingQueue<Runnable> workQueue,
ThreadFactory threadFactory,
RejectedExecutionHandler handler)

corePoolSize 是核心线程数,maximumPoolSize 是最大线程数,keepAliveTime 和 unit 控制非核心线程的空闲存活时间,workQueue 是任务缓冲队列,threadFactory 是线程工厂,handler 是任务被拒绝时的处理策略。很多人以为只需要关心前四个参数,后两个随便填。这种想法在写 Demo 的时候没事,上生产基本都要踩坑,尤其是 threadFactory 和 handler,后面我会单独展开。

2.2 corePoolSize 与 maximumPoolSize:线程数量上下限的真相

一个容易被忽略的点是:线程池不是启动时就立刻创建 corePoolSize 个线程。默认情况下,线程池初始化时线程数为 0,只有任务提交进来,才会逐个创建线程,直到达到核心线程数。如果你希望核心线程提前创建好,减少第一个任务到达时的延迟,可以调用 prestartCoreThread() 或 prestartAllCoreThreads()。后者会一次性把所有核心线程拉起来,适合低延迟要求的场景,但代价是空闲线程会占用资源。

maximumPoolSize 是线程数量的绝对上限,它只在队列无法容纳新任务时才会扩展。很多人以为线程池满了队列还没满就会一直加线程,实际不是这样。ThreadPoolExecutor 的扩展逻辑是:核心线程满了先入队,队列满了才尝试创建非核心线程。所以 maximumPoolSize 设置得再大,如果队列是无界的,非核心线程可能永远没机会创建。比如 Executors.newFixedThreadPool() 就是这种情况,它把核心线程数和最大线程数设成一样,同时配了一个无界队列,线程数固定,任务全堆在队列里。

还有一个细节:默认情况下核心线程空闲也常驻,不会被回收。只有非核心线程在 keepAliveTime 时间内取不到任务,才会退出。如果业务有明显的低谷期,想释放核心线程占用的资源,可以调用 allowCoreThreadTimeOut(true),这样核心线程空闲超过 keepAliveTime 后也会退出。但开启这个方法要谨慎,因为一旦线程退出,流量回来后又要重新创建线程,会有创建开销。

2.3 keepAliveTime 与 TimeUnit:非核心线程的存活节奏

keepAliveTime 的作用对象是“超过核心线程数的那部分线程”。当线程池中的线程数大于 corePoolSize,并且有空闲线程等待任务的时间超过 keepAliveTime,这些线程会被终止,直到线程数回落到 corePoolSize。实现上,工作线程在 getTask() 方法里调用 workQueue.poll(keepAliveTime, TimeUnit),如果超时返回 null,线程就会退出循环并自我销毁。

这个参数的大小需要业务场景来定。如果任务来得比较均衡、偶尔有小幅流量尖峰,keepAliveTime 可以设置长一点,比如 60 秒,避免流量峰值过后线程频繁回收、下一秒又来流量又重新创建。如果任务有明显的高峰和低谷,比如半夜几乎没流量,可以设置短一些,比如 5 秒,让多余线程尽快释放。

2.4 workQueue 四种常用队列的选择

队列是线程池里最影响行为的一个参数,但它经常被随便选。常见的四种队列各有特点:

队列 特性 适用场景
SynchronousQueue 无容量,任务直接交付给线程,必须有空闲线程才能成功 希望任务立即执行,适合任务量可控的场景
LinkedBlockingQueue 默认无界,也可以指定容量 常用作无界缓冲,但堆积风险高
ArrayBlockingQueue 有界队列,可以指定容量 需要严格控制积压任务数量
PriorityBlockingQueue 支持优先级的有界/无界队列 任务有优先级差异,但要注意低优先级任务可能长期得不到执行

同步队列(SynchronousQueue)和普通队列的区别最大。它内部不存任务,每个入队操作必须等待一个取任务的操作。也就是说,如果线程池里没有空闲线程,任务就不会进队列,而是直接触发创建非核心线程。配合 maximumPoolSize 设置得较大时,相当于一个“来了就干”的线程池,但一旦任务速率持续大于处理能力,线程数会一直涨,直到触及上限。

有界队列的选择建议是:如果对任务响应时间敏感,队列可以短一点,比如 100 到 1000,配合较大的 maximumPoolSize,让流量尖峰通过扩展线程来吸收;如果更在意系统的平稳性、不想频繁创建销毁线程,队列可以适当长一些,让任务排队等核心线程慢慢处理。但不要选择无界队列当默认方案,因为任务积压是无上限的,内存迟早被撑爆。

2.5 threadFactory 与 handler:两个容易被忽视的钩子

默认的 threadFactory 创建的线程名是 pool-1-thread-1 这种格式。单个线程池没问题,但当你有几十个线程池,线上 jstack 一抓全是 pool-x-thread-y,根本分不清哪个是哪个。面试和实战里,给线程起有业务含义的名字是一个非常重要的习惯。比如用一个 ThreadFactoryBuilder 或者简单实现 ThreadFactory,在 newThread 里设置线程名、是否 daemon、异常处理器。这样 jstack 出来能看到 order-async-thread-1,定位问题会快非常多。

拒绝策略 handler 是线程池的保护底线。默认的 AbortPolicy 会直接抛 RejectedExecutionException,如果没有统一异常处理,这个异常很可能被吞掉,导致任务无声无息地消失。CallerRunsPolicy 则会在提交任务的那个线程里直接执行任务,相当于把压力回推给调用方,起到一定的背压效果。DiscardPolicy 和 DiscardOldestPolicy 都会丢任务,前者直接丢弃新任务,后者丢弃队列里最旧的未处理任务。设计上,宁可让调用方感知到拒绝,也不要在异步链路里静默丢任务。

3. 任务提交与执行流程:从 execute 到 Worker 的完整路径

3.1 execute() 的三步判定

理解线程池最好的方式,是直接看任务提交入口 execute(Runnable) 的核心逻辑。源码不长,但信息密度很高,我按 JDK 执行逻辑整理为三步:

JAVA
public void execute(Runnable command) {
int c = ctl.get();
if (workerCountOf(c) < corePoolSize) {
if (addWorker(command, true))
return;
c = ctl.get();
}
if (isRunning(c) && workQueue.offer(command)) {
int recheck = ctl.get();
if (!isRunning(recheck) && remove(command))
reject(command);
else if (workerCountOf(recheck) == 0)
addWorker(null, false);
} else if (!addWorker(command, false)) {
reject(command);
}
}

第一步,线程池里的工作线程数还小于 corePoolSize,会直接尝试创建核心线程,并把当前任务作为第一个任务传给 addWorker。如果创建成功,方法返回。

第二步,线程数已经大于等于 corePoolSize,并且线程池状态是 RUNNING,任务会被放入 workQueue。入队成功之后还有一个容易被忽略的二次检查:万一任务入队后线程池状态变了,不再是 RUNNING,那就把任务从队列里移除,然后走拒绝策略。另外,如果入队后工作线程数为 0,说明核心线程全退了或还没创建,此时会补一个非核心线程来消费队列里的任务,避免任务在队列里永远没人处理。

第三步,如果线程池不是 RUNNING,或者入队失败(通常是队列满了),会尝试创建非核心线程执行任务。如果创建失败,说明线程数已经达到 maximumPoolSize,或者线程池已经停止,这时调用 handler.rejectedExecution 拒绝任务。

很多人背“核心满了往队列放,队列满了加线程,线程满了拒绝”,能答对方向,但漏了入队后的 recheck 逻辑。面试时能主动说出这一步,会明显加印象分,因为它说明你真的读过源码,而不是背了一个流程。

3.2 Worker 是怎么被创建和管理的

addWorker 创建的不是裸线程,而是一个 Worker 对象。Worker 本身实现了 Runnable,内部持有一个 Thread 线程和一个 firstTask 初始任务。在 runWorker 方法里,线程会先执行 firstTask,然后进入一个循环,从 getTask() 中不断获取队列任务执行:

JAVA
while (task != null || (task = getTask()) != null) {
beforeExecute(this.thread, task);
task.run();
afterExecute(task, thrown);
task = null;
}

getTask() 是线程池回收线程的关键。它根据 allowCoreThreadTimeOut 和当前线程数,决定阻塞式地等待队列任务,还是只用 poll 定时等待。当 poll(keepAliveTime) 超时返回 null,说明这个线程已经闲得够久了,运行完当前任务就会退出 runWorker,然后走 processWorkerExit 把 Worker 从池中移除。所以非核心线程的“存活时间”,本质上是靠一次带超时的队列 poll 实现的。

还有一个冷知识:Worker 继承自 AbstractQueuedSynchronizer,这保证了一个工作线程在处理任务的时候不会被重复中断,也保证线程池在 shutdown 的时候能区分哪些线程是空闲的、哪些正在执行任务。这个设计在并发框架里很经典,虽然不用背,但知道它对理解中断机制有帮助。

3.3 shutdown 与 shutdownNow 的区别

关闭线程池也是面试常考点。shutdown() 把线程池状态改为 SHUTDOWN,线程池不会接收新任务,但队列里已有的任务会继续执行,同时会中断所有空闲线程。空闲线程在收到中断后会从 getTask() 返回 null 并退出,而正在执行任务的线程不受影响。

shutdownNow() 则是把状态改为 STOP,线程池会中断所有线程,包括正在执行任务的线程,然后返回队列里还没有开始执行的任务列表。注意这里用的是“尝试中断”,如果任务没响应中断标志,线程不一定真的停下。而且 STOP 状态下 getTask() 会直接返回 null,所以即使某个任务响应中断后退出,队列里的任务也不会再被其他线程取走执行。

实际业务中,关闭线程池务必带上 awaitTermination,给存量任务一个缓冲时间。通常流程是 shutdown() 后等待一段时间,如果还有线程没结束,再考虑 shutdownNow()。不过不建议在业务代码里经常关闭线程池,线程池创建销毁本身也有成本,生命周期最好交给 Spring 这类容器统一管理。

4. Executors 内置线程池:方便背后的坑

4.1 newFixedThreadPool 与 newSingleThreadExecutor

Executors.newFixedThreadPool(nThreads) 内部创建的是核心线程数等于最大线程数、队列为 LinkedBlockingQueue(无界)的线程池。newSingleThreadExecutor 也一样,只是线程数固定为 1。

这两个的隐患在任务堆积。因为队列是无界 LinkedBlockingQueue,当任务处理能力跟不上提交速度时,任务不会触发线程扩展,也不会触发拒绝策略,而是无限往队列里加。队列里的对象占的是堆内存,积压几百万个任务,GC 压力暴涨,最终结果是内存溢出或者响应时间不可控。我曾经在过一次 P0 事故就是用了 fixed 线程池,上游批量导入数据直接把队列堆到几百万,老年代涨满后 FullGC 频繁,整个应用基本不可用。

4.2 newCachedThreadPool 与 ScheduledThreadPoolExecutor

newCachedThreadPool() 的核心线程数是 0,最大线程数是 Integer.MAX_VALUE,队列用的是 SynchronousQueue。任务进来不排队,有线程就执行,没线程就创建新线程。表面上看“弹性很大”,实际上当任务提交速率长期高于处理能力,线程数会无限增长。每多一个线程就多一份栈内存和上下文切换开销,最后不是把内存耗尽,就是把 CPU 占满。这种线程池只适合任务量小、执行时间极短的场景,生产环境要慎用。

newScheduledThreadPool() 用来执行定时任务,核心线程数量可指定,内部用的是无界的 DelayedWorkQueue。它的问题在于,如果任务提交速度大于执行速度,延时队列会越积越多。另外,周期任务如果单次执行时间超过周期,也不会并发执行下一个周期,而是等当前任务结束,这一点很多人没注意到。

4.3 为什么阿里规约建议手动创建线程池

阿里《Java 开发手册》强制要求:线程池不允许使用 Executors 去创建,而是通过 ThreadPoolExecutor 的方式,这样的处理方式让同学们更加明确线程池的运行规则,规避资源耗尽的风险。其实 Executors 本身没错,它只是把参数封装好,问题在于默认参数不一定适合你的业务,而且这些默认参数的风险非常隐蔽。

手动创建线程池时,你会被迫去思考核心线程数、最大线程数、队列容量、拒绝策略这四个关键参数,以及线程命名问题。这几个参数一旦明确写出来,代码的意图就清晰很多。哪怕你现在对自己的业务心里没底,也比直接用 IntelliJ 提示自动补全 Executors.newFixedThreadPool(10) 要心里有数得多。

5. 线上调优:从监控到实战

5.1 核心线程数到底怎么定:CPU 密集还是 IO 密集

线程数配置是最常被问的问题。一个普通的经验公式是:

CPU 密集型任务,线程数可以设置为 CPU 核数 + 1。因为 CPU 密集型任务几乎不等待,线程数超过核数,多余线程只会增加切换成本。加 1 是为了偶尔的内存页缺失、GC 暂停等系统停顿兜底。

IO 密集型任务,线程数可以设置为 CPU 核数 * 2,更细化的说法是用 CPU 核数 / (1 - 阻塞系数)。如果任务的阻塞比例是 0.8,理论线程数就是 N / (1 - 0.8) = 5N。但阻塞系数在实际业务里很难算得准,因为下游接口的响应时间会波动。所以我的习惯是先用公式定一个大致范围,再用压测验证。

压测时不要只看线程池是否打满,要看响应时间分位数和任务积压趋势。比如一个服务 CPU 核数 8,先试 core=8、max=16、queue=500,另一组试 core=16、max=32、queue=200,跑同一份压测脚本,看 P99 和错误率。线程数不是越大越好,有时候 16 个线程的吞吐反而比 32 个更高,因为锁竞争和上下文切换抵消了多线程的收益。

还要注意容器环境。老版本 JDK 在容器里读到的 CPU 核数可能是宿主机的,而不是容器 limit 的值。JDK 8u191 之后默认支持容器 CPU 限制,但如果你还跑在比较老的 JDK 上,就需要关注 -XX:+UseContainerSupport 这类参数,否则 Runtime.getRuntime().availableProcessors() 会给人一个错误的参考值。

5.2 队列容量与拒绝策略:吞吐优先还是响应优先

队列容量决定的是流量尖峰的“吸收方式”。队列短,任务会更快进入线程执行流程,响应延迟低,但线程创建也更频繁;队列长,任务会先在队列里等待,线程扩展速度慢,系统整体更平滑,但积压风险高。

我常用的一个起步配置是:核心线程数按压测结果给,最大线程数留 30% 到 50% 余量,队列容量控制在“高峰期一秒钟的提交任务量”以内,拒绝策略用 CallerRunsPolicy。这样流量超出处理能力时,任务不会默默消失,而是在提交线程里同步执行,调用方会明显感知到“当前系统压力大”,同时也能通过这个信号去排查下游或扩容。

自定义拒绝策略不要只打一行日志。最好把线程池当前状态也带出来:

JAVA
RejectedExecutionHandler handler = (r, executor) -> {
log.warn("task rejected, active={}, poolSize={}, queueSize={}, taskCount={}",
executor.getActiveCount(),
executor.getPoolSize(),
executor.getQueue().size(),
executor.getTaskCount());
// 降级到 MQ/本地缓存,或者做重试补偿
};

这样即使拒绝策略本身没解决问题,日志也能告诉你线程池当时的状态,减少排查时间。

5.3 线程池隔离:别让一个任务拖垮全局

全局共用一个线程池最大的问题,是慢任务会传染。我负责过一个交易系统,下单链路和一个报表导出任务共用线程池。某次报表查询下游数据库特别慢,一个任务占一个线程,几十个报表任务把线程池全部占住,结果下单的异步通知全都排在队列里,用户迟迟收不到状态更新。

后来我们把线程池按业务拆分:核心交易链路用单独的线程池,核心数配足,拒绝策略用 CallerRunsPolicy,宁可让调用方阻塞,也不能丢消息;报表导出等低优先级业务单独用一个线程池,拒绝策略用 DiscardPolicy 并记录告警,允许丢非关键任务。拆完之后,单个业务的异常不再影响其他链路,监控告警也清晰了。

线程池隔离的另一个维度是读写分离。写操作通常要求可靠,读操作可以异步化。如果读操作并发很高,写操作也被迫跟着扩大线程数,成本会变得很高。按业务和 IO 特征拆分,每个线程池的参数才能真正贴近自己的场景。

5.4 动态调整与监控告警:线程池不会主动告诉你它不行了

线程池有一个特点:只要没触发拒绝策略,它就会一直默默堆积任务。所以监控是必须的,不能等出事了再去看日志。最直接的监控指标是 getActiveCount()、getPoolSize()、getQueue().size()、getCompletedTaskCount() 和 getTaskCount()。我自己会每分钟采集一次线程池指标,如果发现 queue.size() 连续几分钟上涨,或者 activeCount 长期等于 maximumPoolSize,就触发告警。

线程池也支持动态调整通过配置中心。setCorePoolSize() 和 setMaximumPoolSize() 可以在运行时调整,配合监控数据在流量高峰前提前扩容。比如流量从日常 500 QPS 涨到大促 2000 QPS,可以在配置中心把核心线程数从 16 调到 32,最大线程数从 32 调到 64,高峰期结束后再调回去。但注意不要频繁调整,每次调整后要观察线程数的实际变化,线程数上升容易,下降需要等空闲线程超时退出,有一定滞后。

如果想更深入监控,可以继承 ThreadPoolExecutor 重写 beforeExecute 和 afterExecute,统计每个任务的平均耗时、最大耗时、异常次数。这比在业务代码里到处埋点要干净得多。线程池本身就是一个天然的“任务执行切面”,不好好利用它太可惜了。

6. 面试高频题与我的实践经验

6.1 一句话讲清楚线程池执行流程

面试官问“线程池提交任务后的执行流程”,我建议你按源码顺序回答:先判断线程数是否小于核心线程数,小于就创建核心线程执行任务;否则把任务放入队列;队列满了再尝试创建非核心线程执行任务;线程数达到最大值且队列也满,就执行拒绝策略。

这只是 60 分答案。想拿高分,把 execute 源码里的二次检查补充进去:任务入队成功之后还要重新检查线程池状态和线程数,如果线程池被关闭,要移除任务并拒绝;如果工作线程数为 0,要补一个线程保证队列中的任务被消费。再解释一下为什么队列要选有界、为什么 Executors 默认配置不安全,这一套下来,基本能应付绝大多数 Java 面试线程池问题。

6.2 线程池打满了,我的排查步骤

如果线上出现 RejectedExecutionException 或者任务积压,先不要急着重启。重启只能清空队列,问题马上还会回来。我的排查顺序是:

先看监控,activeCount 是不是长期等于 maximumPoolSize,queueSize 是不是持续上涨。这两个指标能直接判断线程池是“真的不够用”还是“任务进来后执行不动”。如果 activeCount 小于 max 但 queueSize 很大,说明线程数配置有余量,但任务完成速度不够,重点要看任务内部的执行逻辑,比如锁等待、下游接口超时。如果 activeCount 顶到了 max,queueSize 还在涨,说明线程数和队列双满,需要扩容,或者需要评估任务是否可以在入口处降级。

然后抓 jstack,查线程名主要靠自定义 ThreadFactory。如果线程名是 order-async-thread,你能立刻找到对应业务;如果是 pool-20-thread-7,你就需要去代码里找第 20 个线程池是谁,非常痛苦。jstack 里重点看线程处于什么状态:RUNNABLE、WAITING 还是 BLOCKED。大量线程 BLOCKED,往往是有锁竞争;大量线程 WAITING,可能是都在等下游接口或者队列的 take;CPU 不高但任务积压,大概率是发生了阻塞等待。

最后看下游依赖的耗时曲线。很多线程池问题本质是下游变慢导致任务执行时间变长,线程池作为弹性的“缓冲区”被塞满。这时候只调线程池参数是治标不治本,需要给下游接口加超时、熔断或者降级,把故障范围控制在单个依赖内。

6.3 几个我踩过坑之后才明白的经验

第一,ThreadFactory 一定要自定义名称,这个成本极低,但线上排查的价值极高。第二,拒绝策略不要用默认的 AbortPolicy,尤其不要在一个没有全局异常捕获的场景下抛异常。第三,不要盲目相信公式算出的线程数,必须在压测环境里用真实流量验证,配置永远是一组建议值,不是真理。

还有一个小技巧:线程池核心数不要卡着峰值算。比如峰值需要 32 个线程,你可以把 maximumPoolSize 设成 40 或 48,给自己留出突发冗余。因为线程池的扩展是依赖任务提交触发的,如果流量从 10 个线程的需求突然涨到 40,中间创建线程也需要时间,这几十毫秒的延迟在超高并发下可能就变成超时。留余量的线程池,可以少一点“压线崩溃”的刺激。

线程池没有一劳永逸的配置。我现在的习惯是每隔一段时间拉一次线程池监控指标,对比近几个月的流量变化,顺手调一调参数。线程数该调大还是调小,数据会告诉你答案,而不是靠猜。把这套流程跑顺之后,线程池从“面试八股”变成了一个真正可控的系统组件,线上再遇到任务积压,也就不会慌到重启大法了。

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
Arm A-profile架构RAS系统设计:可靠性、可用性与可服务性解析
在计算机体系结构中,可靠性(Reliability)、可用性(Availability)和可服务性(Serviceability)是构建高可信系统的核心要素。RAS系统通过硬件错误检测、隔离和恢复机制,确保系统持续稳定运行。其技术原理包括ECC内存纠错、冗余执行单元和错误传播阻断等关键技术,可显著降低数据中心等关键业务场景的故障率。现代芯片设计中,Arm A-profile架构提供标准化的RAS框架,涵盖从内存子系统到计算单元的全方位错误管理。通过分层防御策略和统一错误记录格式,实现硬件错误可追溯、可修复。
weixin_30920853