光模块行业年度盘点:AI算力驱动下的高速增长与结构性隐忧

光模块AI算力800G光模块
于 2026-10-29 03:09:47 修改
·本内容遵循CC 4.0 BY-SA版权协议

看华工科技这份2025年成绩单时,我第一反应是反复确认了一下那个数字:光电器件业务同比增长53.39%。在光通信这个圈子里摸爬滚打久了,大家都清楚,年增速能守住20%已经算体面,50%以上的增长基本意味着踩中了代际切换的节奏,或者拿到了某种结构性优势的入场券。更值得注意的是,这个增速是在整个光模块行业价格战、产能竞赛、技术路线摇摆的背景下跑出来的,含金量和前几年的"行业普涨"完全不是一回事。

这篇文章我想顺着这个数字往下拆:53.39%背后到底是什么在驱动,华工为什么能接住这波需求,以及在高速增长的另一面,有哪些容易被掌声盖过去的隐患需要盯住。不管你是做光模块、光芯片的同行,还是关注产业链上下游的读者,这份成绩单都值得坐下来细读——因为它不仅是一家公司的财务数据,更像一张2025年光器件行业景气度的切片图。

1. 53.39%的含金量:一张需要放进坐标系里的成绩单

1.1 横向对比:这个增速在行业里处在什么段位

先说个直觉判断:53.39%这个数字放在整个A股光通信板块里,属于"优秀但不算最炸裂"的段位。过去两年,头部光模块厂商的营收增速普遍在60%到翻倍之间,个别年份甚至出现单季度翻两倍的情况。所以有人可能会说,华工这个增速不就是跟着行业风口起飞吗?这话对了一半。

关键在于,同样是高速增长,增长的基数、结构、持续性完全不同。华工科技的体量和中际旭创、新易盛那几家不太一样,后者的收入盘子更大,增速基数也更高。而华工是从一个更高的业务结构层面去突破的——它的光电器件板块并不是只有数通光模块,还有光芯片、电信光模块、光引擎等更宽的盘子。53.39%这个增速是整体板块的增速,意味着每个子方向都在往上走,而不是只靠单一爆款产品硬撑。

再往深看一步:这轮AI算力驱动的光模块行情里,最先起飞的是海外大客户主导的800G需求,2024年那一波的高增长基本被绑定北美云厂商的公司吃掉了。华工科技2025年还能跑出53.39%,一个重要原因恰恰是它没有完全押注单一海外客户,而是吃到了国内算力扩容和多元化客户结构的红利。换句话说,它不是在最热的那张牌桌上抢筹码,而是在自己的牌桌上把每一手都打得比较扎实。

1.2 纵向跳变:从六七十亿到上百亿的一步

拉一条时间线来看会更直观。华工科技的光电器件业务,在2023年前后大致是四五十亿到六七十亿的量级,中间还经历过电信市场需求疲软、库存消化的低迷期。2025年直接跳增53.39%,如果以我印象中的基数去粗算,这个板块的营收基本跨过了百亿门槛,在一家总营收一百多亿的公司里,光电器件已经稳稳占据了半壁江山还多。

这种体量跳变对一家上市公司意味着什么?意味着公司的估值逻辑、资源配置、甚至组织架构都会跟着变。前几年华工对外讲故事的时候,还是靠激光装备和传感器撑门面,光电器件只是其中的"增长业务"。现在反过来了,光电器件成了拉动集团增长的绝对主力,激光装备和传感器反而成了稳定基本盘。做投资或者做产业研究的朋友应该都能感受到,这类结构性反转往往比单纯的数字增长更能说明一家公司的成色。

当然,基数越大,后续增速的斜率自然会放缓。53.39%是2025年的成绩,2026年还能不能维持这个斜率,要打一个问号。这正是后面几节要展开分析的地方。

1.3 口径里的秘密:增长主体是数通高速光模块

读这类财报,我最先看的不是总量,而是口径和结构。华工的"光电器件"口径下,包含电信侧的光模块、数通侧的高速光模块、光芯片以及各类光引擎器件。2025年这53.39%的增长里,数通高速光模块一定是绝对主力——尤其是400G向800G切换的放量周期,直接决定了这个增速的成色。

为什么这么说?因为电信侧光模块这几年整体是平稳甚至萎缩的,5G建设高峰过去之后,运营商侧的采购在降速,10G、25G、50G这些产品的价格也在逐年下探。真正能撑起50%以上增速的,只有数据中心里那些单价高、速率迭代快、需求弹性大的高速产品。华工旗下负责光模块业务的华工正源,这几年把产线重心从电信模块往数通模块挪,从100G、400G一路做到800G,这条转型路线恰好踩在了风口上。

所以看这个53.39%,不能只把它当做一个喜报式的增长数字,要把它理解为:一家以电信光模块起家的厂商,在过去两年里完成了产品结构的剧烈换血,并用数通高速光模块的爆发对冲了传统业务的收缩。这个结构转换的完成度,才是这份成绩单里最值得关注的信息。

2. 需求侧的传导链条:AI算力扩容如何变成光器件订单

2.1 从GPU到光模块的因果链

很多人不理解为什么AI大模型一热,赚钱的却是光模块厂商。这里面的传导链条其实很清晰:大模型训练需要大规模的GPU集群,成千上万张GPU卡要协同计算,卡与卡之间、服务器与服务器之间需要海量数据交换。这种交换靠传统的铜缆在很短距离内还能勉强应付,一旦超过两三米,信号衰减和功耗问题就暴露了,必须用光模块把电信号转成光信号,通过光纤高速传输。

所以你会看到一个近乎物理定律的关联:AI算力集群规模越大,GPU数量越多,需要的光模块数量就越多,速率也要求越快。英伟达的GPU迭代从A100到H100、再到B系列,单卡互联带宽翻着倍往上涨,配套的光模块也从400G一路逼到800G甚至1.6T。这就是为什么光模块厂商的订单周期几乎和云厂商的资本开支同频。

华工科技2025年的增长,本质上是吃到了这轮AI基建的顺风。国内头部云厂商和互联网大厂在过去一年里密集加码算力中心建设,而这些国内客户恰恰是华工正源长期深耕的基本盘。相比之下,那些只绑定海外客户的厂商,虽然也增长很快,但面临的地缘、汇率、客户集中度风险更高,华工的客户结构反而显得更均衡一些。

2.2 800G放量与1.6T预研:代际切换的窗口

再看产品代际。光模块行业有一个很清晰的规律:每一代新速率产品量产的头两年,是量价齐升的黄金窗口,谁产能爬坡快、良率稳定,谁就能吃到最肥美的利润。2023年是800G的导入期,2024年开始放量,2025年已经进入规模化出货的主升浪。华工科技的800G产品在2024年完成客户认证和批量交付,2025年正好赶上这波交货高峰,增长53.39%也就不难理解。

与此同时,1.6T光模块的预研和送样已经在2025年下半年明显提速。每一代速率切换背后,都是光芯片、DSP、封装工艺的全链条升级,提前卡位的厂商在下一代产品周期里会继续保有先发优势。华工在1.6T上的具体进度公开信息不算多,但从行业节奏看,2026年上半年应该会有实质性的客户认证和早期出货。

这里有一个行业规律值得注意:光模块的生意,从来不是"跟上就行",而是"领先一点就行"——每次代际切换都是重新洗牌的机会,掉队的基本不可能追回来,领先的只要不犯大错,就能把优势滚雪球式地放大。800G这波,华工跟上了;1.6T这波,才是真正检验它能不能跻身第一梯队的关键。

2.3 华工的客户结构:国内云厂商弹性最大的一环

前面反复提到客户结构,这里展开说。华工正源过去最深的客户关系来自电信设备商,中兴、烽火、华为这些是传统基本盘。但这轮增长的核心拉动已经从电信切换到了互联网厂商和云厂商,比如国内几大头部互联网公司,以及AI算力服务商。这些客户的特点是决策快、需求量大、对成本敏感,一旦确认产品没问题,订单规模往往呈指数级增长。

同时,海外市场也是华工一直在补的课。相比中际旭创这类早早绑定北美大客户的厂商,华工在海外高端客户的突破节奏相对慢一些,但2025年明显加速了。海外客户的好处是单价高、账期好、黏性强,坏处是认证周期长,急不来。从53.39%的结构来看,海外业务贡献了增量的一部分,但还不是最核心的那部分,这意味着未来还有继续放量的空间。

3. 华工能接住这波行情的底层能力

3.1 华工正源的转型:从电信到数通的产能重构

如果说需求是外因,那产能和交付能力就是内因。华工正源过去给人最大的印象是"电信光模块做得稳",这类产品可靠性要求高、生命周期长、但毛利和弹性都比较有限。2023年开始,华工正源做了几件关键的事:一是把武汉和荆州的产线做了大规模改造,增加高速率模块的产能;二是引进了全自动耦合、贴片、测试设备,把800G产品的产线直通率提了上来;三是在组织上打破了电信和数通的部门墙,让研发资源优先往数通产品倾斜。

这些动作看着不复杂,实际做起来非常熬人。光模块的封装测试环节对精度要求极高,从贴片到耦合再到老化测试,任何一道工序的良率波动都会直接影响毛利率。我认识一些在产线上做工艺的朋友,他们最常讲的一句话是:"800G不是400G的简单升级,对位精度、散热设计、信号完整性全是新的坑。"华工能在2025年放量,说明产线工艺的成熟度已经过了最痛苦的爬坡期。

3.2 垂直整合:光芯片环节的卡位

再往上游看,光模块的核心成本一大半在光芯片和DSP上,尤其是高速率产品,光芯片的供应直接决定了产能和利润空间。华工科技体系内布局了云岭光电这一光芯片环节,EEML(电吸收调制激光器)等高速芯片的研发和量产对华工的供应链安全有实打实的价值。这类芯片技术门槛高、验证周期长,国内能稳定规模出货的厂商屈指可数。

垂直整合的价值在行业景气高峰时体现得尤其明显:当外面光芯片供不应求、交期拉长的时候,有自己的芯片供应渠道,意味着能比别人多交付、快交付。我在之前的文章里也提过类似观点,高速光模块的竞争,表面是模块厂商之间的竞争,底层拼的是光芯片、DSP、封装工艺的产业链协同能力。华工在光芯片环节的卡位,虽然还不能说完全自主可控,但起码在部分速率档次上有了议价权和保供能力。

3.3 武汉光谷产业集群带来的交付弹性

还有一个容易被忽略的因素,是区位和产业集群。华工科技地处武汉光谷,这里集聚了从光芯片、光器件到光模块、光设备的一整条产业链,配套的供应链企业、工艺人才、设备服务商密度在全国数一数二。光模块是典型的"研发在实验室、量产在产线"的产业,旺季来了,产能要能迅速拉起来,靠的就是周边配套的响应速度。

做过供应链的朋友都明白,突然接到大订单时,最怕的不是产能,而是物料配套。今天缺个陶瓷套管,明天缺个PCB板,后天耦合设备调试的工程师排不上队,任何一个环节卡住,交付就要往后拖。武汉光谷这几十年的产业积累,让华工在这个维度上占了很大便宜——它不是一个人在战斗,背后是整条产业链的协同弹性。这种软实力在财报数据里看不见,但恰恰是53.39%能落地的隐形推手。

4. 高增长背后的技术分水岭:路线之争才刚开始

4.1 速率代际的物理约束

光模块的速率演进,表面上是市场需求推动,底层其实是物理定律在起作用。从100G到400G再到800G,单通道速率从25G一路提到100G、200G,每一次跨越都要解决信号完整性、功耗、散热、串扰等一系列工程难题。到了800G这个点位,传统的方案分成了好几条技术路线,有基于EML的传统方案,有基于硅光芯片的方案,还有通过LPO线性直驱技术去掉DSP的降功耗方案。

华工的布局比较务实,传统方案和硅光方案都在推进,LPO相关技术也在跟踪验证。对于一家体量做到百亿级的厂商来说,在技术路线上"全押"某一个方向是危险的,更合理的策略是多路线并行、根据客户需求和成本结构灵活切换。2025年的高增长,很大程度上还是依赖传统方案的成熟供应链,但接下来1.6T甚至3.2T时代,技术路线的选择会成为真正的分水岭。

4.2 硅光与LPO的取舍

硅光技术这几年的进步有目共睹。它把原本分离的光器件集成到硅基芯片上,封装环节更简单、成本更低、更容易大规模量产。尤其是到了800G及以上速率,硅光的集成度优势越来越明显,几家头部厂商都在加大硅光产能的布局。华工也在做硅光模块的研发和导入,但坦白说,和其他头部厂商同步,还没有拉开明显的代差。

LPO则是另一种思路:在短距离数据中心场景里,砍掉模块里的DSP芯片,用线性直驱的方式直接驱动光芯片,功耗能降一半,成本也能省一截。去年我跟踪过几轮LPO的讨论,争议点在于性能余量、链路预算和系统兼容性,各家观点差异很大。华工在这个方向上更多的是跟随和验证,毕竟终端客户的需求还不太明确,过早重注反而可能踩空。

4.3 CPO的远期变量

再往远看,CPO(共封装光学)是一个绕不开的远期变量。它把光引擎直接封装到交换芯片旁边,进一步缩短电互连距离、降低功耗,被认为是下一代数据中心互连的重要方向。但CPO什么时候能大规模商用,行业里其实分歧很大,有人觉得2027年前后会开始放量,有人觉得至少要2030年,而且即便放量,也不会完全取代可插拔光模块——两种形态会长期共存。

对华工这样的厂商来说,CPO带来的挑战和机遇是并存的。挑战在于,CPO重新定义了光模块厂商的产业位置,如果光引擎直接集成到交换芯片封装里,传统的可插拔模块市场可能被挤压;机遇在于,光引擎本身仍然是光器件厂商最擅长的事情,华工这类具备光芯片、封装、测试能力的公司,理论上完全可以把能力迁移到CPO供应链里。技术路线之争的真正赢家,往往是博而不专、精而不偏的那类公司。

5. 我只报喜不讲风险,这篇就不算完整:三个隐忧需要盯住

5.1 增收不增利的魔咒:毛利率被价格年降压制

把话说透,光模块行业有一个绕不开的"紧箍咒":每代产品从导入到放量,价格都在以肉眼可见的速度往下掉。800G刚出来的时候单价高高在上,两年之内就经历了多轮价格下探。原因很简单,客户集中度高、竞争厂商多、供应能力上来之后,价格战几乎是必然的。毛利率压力,是每一个高速增长的光模块厂商都必须面对的现实。

华工科技整体毛利率水平在行业内属于中游,比不上一线龙头,但也不算差。2025年的高增长里,有多少是靠以价换量拿到的,需要等细分的毛利率数据披露后才能判断。我个人更关注的是:量上来了以后,毛利额有没有同步放大,净利率能否稳住。如果只是营收涨得猛、利润原地踏步,那这个53.39%的成色就要打个折。

5.2 产能扩张的后周期代价

高增长的另一面,是过去两年大手笔的资本开支。产能扩建、设备采购、新产线调试,这些钱都要在当期和未来几年逐步折旧摊销。2025年在产线满负荷运行的时候,折旧压力还能被高产量摊薄;一旦下游需求增速放缓,产能利用率下来,折旧就会反噬利润。历史上不止一家光模块厂商在景气高点拼命扩产,结果在行业低谷期被固定资产减值打得措手不及。

华工在产能扩张上不算最激进的,但也做了一些前瞻性的布局。关键要看后续产能利用率能维持多高。如果2026年800G需求继续放量,同时1.6T开始接棒,那现在这些产能就是值钱的资产;如果需求突然熄火,那这些产能就是沉重的包袱。这不是华工一家的问题,是整个行业共同面临的周期考验。

5.3 份额竞赛中,华工的对手不多,但都很快

光模块市场是一个高度集中的市场,全球前几大厂商占据了大多数份额。华工在这个格局里属于第二梯队的头部,往上走要直接面对中际旭创这种体量更大、客户关系更深、先发优势更明显的对手。同时,新易盛、剑桥科技这些厂商也在拼命争份额,竞争烈度一点不比AI算力的算力竞赛低。

比份额更重要的是客户认证的护城河。光模块的客户认证周期长、可靠性要求高,一旦进入核心供应链,短期内不太会被替换。但反过来,如果别人率先在新一代产品上完成认证和放量,华工就可能在下一个代际周期里被甩开。所以,盯华工的竞争卡位,不能只看当下份额,要看它在1.6T、硅光、LPO这些下一代技术上的认证进度和量产节奏。

6. 2026年读这份财报,我只看三个指标

6.1 指标一:800G价格与1.6T出货节奏

第一条主线,还是产品代际切换的节奏。2026年的核心不是800G还有没有增长,而是800G的价格能以多慢的速度下跌,以及1.6T什么时候真正起量。如果2026年上半年1.6T能进入小批量出货、下半年放量,那华工的营收结构会再上一个台阶;如果1.6T继续推迟,800G价格又撑不住,那增长的下行压力就会提前到来。

具体跟踪方式,可以看公司每个月披露的投资者关系活动记录表,以及产业链上下游的调研信息,重点关注"出货节奏""客户认证进度""在手订单"这些关键词。另外也要关注海内外云厂商资本开支的全年指引,那是整个光模块板块的晴雨表。

6.2 指标二:光芯片自给率与高端器件的国产替代进度

第二条主线,是供应链自主化程度。高速光芯片的自给率,决定了华工在下一轮涨价周期或供应危机里有多大腾挪空间。2025年材料里如果能看到光芯片自给率提升的数据,哪怕只有几个百分点的变化,也说明关键的垂直整合在产生实际效果。更长远地看,CW光源、相干器件这些高价值环节的突破,才是真正拉开差距的地方。

这一块急不得,光芯片的研发周期长、认证门槛高,不是砸钱就能在一年半载内看到回报的。但恰恰因为难,一旦做成,护城河反而更深。我判断华工在这方面的策略是"核心环节逐步啃、非核心环节大胆外采",这是比较务实的做法。

6.3 指标三:毛利率的环比走势与研发投放强度

最后,回到最朴素的财务指标。毛利率的环比走势,能最真实地反映产品结构改善和价格压力的此消彼长。如果营收增速下来了,毛利率却能稳中有升,说明产品结构在往高端走,这种增长的质量比单纯的高增速更值得给估值。研发费用率同样值得关注,光模块行业不进则退,研发强度不够的公司在代际切换里很难活过两轮。

我的习惯是,看这类公司报告不做定性判断,先做定量跟踪。把单季度营收、毛利率、研发费用、光电器件板块的分部数据拉出来,放在同一张表里看连续八九个季度的趋势,比看任何热闹的新闻标题都管用。增长是真的,风险也是真的,关键是搞清楚两者各自的边界在哪里。

最后说一点个人体会:盯了这么多年光模块产业链,我最大的感受是,这个行业的每一次高增长,都在为下一次残酷竞争埋下伏笔。对从业者来说,在景气高点保持清醒,比在低谷期焦虑更重要。2025年华工交出了53.39%的答卷,但这份答卷真正的评分,要等到下一个周期——当价格战打响、代际切换完成、产能竞赛尘埃落定之后,才能看清谁会笑到最后。

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
2024“华为杯”中国研究生数学建模竞赛(A题)深度剖析_数学建模完整过程+详细思路+代码全解析
目标是优化风力涡轮机的功率调度,使其在给定的实时风速数据下,最小化涡轮机关键组件(如塔架和主轴)的疲劳损伤。问题的挑战在于,考虑通信延迟和测量噪声的同时,要确保功率输出与风速变化的响应快速且准确。
star数模