Markdown批量转PDF实战:Pandoc+XeLaTeX全流程与自动化检查

Markdown转PDFPandoc批量转换
于 2026-10-29 08:30:33 修改
·本内容遵循CC 4.0 BY-SA版权协议

Markdown 文件积累多了以后,最头疼的往往不是写,而是"交付"。自己看无所谓,但发给客户、同事或者放到知识库里,PDF 几乎是唯一不会被格式搞乱的格式。我之前处理过一整个文件夹的 Markdown 批量转 PDF,踩了不少坑,也摸索出一套比较顺手的流程,今天把它完整拆开讲一遍。

先说结论:批量转换这件事本身不难,难的是转换完之后的检查。你转出来的 PDF 有没有乱码、图片路径是不是失效、代码块是不是挤成一团,这些才是真正花时间的地方。所以这篇文章不只讲命令,还会讲一套我自己的"转换后检查流程",照着做,基本不会翻车。

1. 转换方案选型:别一上来就装一堆软件

Markdown 转 PDF 的方案多到让人眼花缭乱,但真正能扛住"批量"这两个字的其实就那几个。我先帮你把思路理一理,省得你装了五六个工具,最后发现没有一个能批量跑。

1.1 先想清楚你的 Markdown 是什么类型

这是最容易被忽略的一步。同样是 .md 文件,内容结构完全不一样,转换方案也得跟着变:

  • 纯文本型:就是标题、段落、列表、表格、代码块,没有复杂排版。这类最简单,用 Pandoc 就能搞定。
  • 图片密集型:笔记里大量插图,图片路径可能是相对的、绝对的,甚至还有网络图片。这类要额外处理图片路径映射,不然 PDF 里全是裂开的图标。
  • 学术/技术文档型:带 LaTeX 数学公式、复杂的表格、交叉引用。这类对 PDF 引擎要求高,常见方案会直接翻车。
  • 带特殊语法型:比如用了 Mermaid 图表、PlantUML 流程图,普通的转换工具根本不认这些语法,最后 PDF 里显示的是原始代码。

我的建议是:先随便挑一个文件夹里的文件,用你最顺手的编辑器(比如 VS Code 或 Typora)预览一下,确定它属于哪种类型,再决定用下面的哪套方案。

1.2 主流转换方案横向对比

我实际用过而且觉得靠谱的方案有以下几种,各有侧重,你按需选择:

方案 核心工具 优点 缺点 适合场景
Pandoc + LaTeX pandoc + xelatex 命令行批量灵活,排版可控 中文字体配置麻烦,需装 TeX 环境 大批量、专业排版需求
md-to-pdf npm 包 一键安装,自动处理代码高亮 Node 环境依赖,定制性稍弱 团队已有 Node 基础
VS Code 插件 Markdown PDF / Markdown Preview Enhanced 图形界面操作,预览即所得 批量能力弱,需要配合脚本 少量文件、临时转换
Typora + 脚本 自带导出 + AppleScript 所见即所得 并非原生批量,需要模拟点击 需要保留 Typora 渲染效果

如果让我推荐,主力方案必须是 Pandoc,没有之一。为什么?因为它是唯一一个"纯命令行可批量运行、输出质量稳定、跨平台"的方案。其他的要么是图形界面工具,批量不友好;要么是编辑器内置功能,导出效果受限。

但 Pandoc 有个中国用户绕不开的坎:中文字体配置。默认模板跑出来的中文 PDF 基本是豆腐块。所以下面我把这套方案完整讲透,包括字体怎么配。

2. Pandoc 批量转换实操:从安装到第一次运行

这一节我按"从零开始"的路径走,哪怕你之前完全没接触过 Pandoc,跟着步骤来也能跑通。

2.1 安装 Pandoc 和 PDF 引擎

Pandoc 本身只是转换器,它把 Markdown 转成 PDF 时,实际上要调一个 PDF 引擎来做最后的渲染。这个引擎就是 LaTeX 家族(推荐 xelatex)或者 wkhtmltopdf(基于 WebKit)。

我强烈建议走 Pandoc + XeLaTeX 路线,因为 XeLaTeX 对 Unicode(中文)的支持是天生的,不需要大量预配置。

安装分系统说:

  • Windows:去 Pandoc 官网下载 installer,装完记得把安装目录加到 PATH 环境变量。然后装 MiKTeX 或 TeX Live(推荐 TeX Live,虽然安装包大,但库全,省了很多后来缺包的麻烦)。
  • macOS:brew install pandoc,然后是 brew install --cask mactex 或 brew install basictex(basictex 小很多,但可能需要额外装某些宏包)。
  • Linux(Ubuntu/Debian 系):sudo apt install pandoc texlive-xetex texlive-lang-chinese ,注意那个 texlive-lang-chinese 包,没它中文大概率出问题。

提示:安装 TeX 全家桶动辄几个 G,如果你只是偶尔转一下,也可以装精简版(basictex/MiKTeX 的自动包管理模式),让系统缺什么包时自动下载。但批量转换时不建议这样,因为中途缺包会中断整个流程,最好一步到位。

装完之后验证一下:

BASH
pandoc --version
xelatex --version

两个命令都能输出版本号,说明环境就绪。

2.2 搞定中文字体:一劳永逸的模板

Pandoc 默认的 LaTeX 模板里面没有适配中文字体,你直接转肯定会出现"乱码"或者"字全是方块"。解决办法是用一个自定义的 YAML 头,给 XeLaTeX 指定可用字体。

我习惯的做法是写一个 template.yaml 文件,放在固定目录下,所有项目共用:

YAML
---
documentclass: ctexart
CJKmainfont: "PingFang SC"
CJKsansfont: "PingFang SC"
CJKmonofont: "Menlo"
fontsize: 11pt
geometry: margin=2.5cm
linkcolor: blue
urlcolor: blue
toc: true
toc-depth: 2
header-includes:
- \usepackage{fancyhdr}
- \pagestyle{fancy}
- \fancyhead[L]{个人笔记归档}
---
 

这里有几个值得关注的点:

  • documentclass: ctexart 是中文 LaTeX 文档类的标准选择,它内部帮你处理了大部分中文排版细节,比手动配 fontspec 省心得多。
  • CJKmainfont 指定字体。注意字体名必须是系统里已经安装的。Windows 上可以用 "SimSun"、"Microsoft YaHei"(需要写成 "Microsoft YaHei" 带引号);macOS 上用 "PingFang SC";Linux 上如果是装了文泉驿或思源黑体,就写对应字体名。
  • toc: true 是自动生成目录。批量转文档时我建议开着,方便拿到 PDF 后快速跳转检查。

字体名不确定的话,可以在命令行查:fc-list :lang=zh(Linux/macOS),Windows 上可以在字体文件夹里看到字体显示名,或者用 PowerShell 查 Get-ChildItem C:\Windows\Fonts。

2.3 批量转换命令:小心目录结构和路径

假设你的 Markdown 文件都在 /docs/notes/ 目录下,文件名可能有中文、有空格。批量转换时最容易出问题的就是文件名带空格,脚本里不加引号就被拆成多个参数了。

最稳妥的批量脚本(Linux/macOS 写法):

BASH
cd /docs/notes
mkdir -p ../pdf_output
for f in *.md; do
[ -e "$f" ] || continue
base="${f%.md}"
pandoc "$f" \
-o "../pdf_output/${base}.pdf" \
--pdf-engine=xelatex \
-H ~/.pandoc/template.yaml \
--highlight-style=tango
done

Windows PowerShell 写法:

POWERSHELL
$files = Get-ChildItem -Path "D:\docs\notes" -Filter *.md
New-Item -ItemType Directory -Path "D:\docs\pdf_output" -Force
foreach ($f in $files) {
$output = "D:\docs\pdf_output\" + $f.BaseName + ".pdf"
pandoc $f.FullName -o $output --pdf-engine=xelatex -H "$env:USERPROFILE\.pandoc\template.yaml" --highlight-style=tango
}

这段脚本里有几个细节值得留意:

  • -H 参数是往 PDF 头部插入内容,我这里把整个 YAML 配置塞进去了,相当于全局模板生效。
  • --highlight-style=tango 是给代码块配一个颜色方案。如果你不指定,Pandoc 默认代码高亮是黑白的,在 PDF 里看代码会很难受,尤其是缩进的 Python 或嵌套的 JSON。
  • 文件名里的空格、中文在双引号包裹下都能正确处理。

跑完一看,PDF 是出来了,但你会发现一个新问题:图片全裂了。这就是我开头说的,Markdown 里嵌入图片的方式千奇百怪,Pandoc 默认可搞不定。

3. 图片路径映射:批量转换最大的坑

3.1 三种常见图片路径的处理策略

Markdown 里的图片路径,基本逃不出这三种:

  1. 相对路径:![](./images/foo.png) 或 ![](images/foo.png)
  2. 绝对路径:![](/Users/me/notes/images/foo.png) 或 ![](D:\notes\images\foo.png)
  3. 网络图片:![](https://example.com/foo.png)

逐个说:

  • 网络图片:Pandoc 默认会尝试下载,但如果你在离线环境,它会报错或者留空。最省事的方法是预先用脚本把所有网络图片下载到本地,再把 markdown 里的 src 替换成本地路径。
  • 绝对路径:对本机转换没毛病,但换个机器就完蛋,而且 PyPDF 合并或者上传到知识库时路径会乱。我建议统一改成相对路径,以你的"项目根目录"为基准去写。
  • 相对路径:这是最理想的,但有个隐患——如果你的 Markdown 分布在多个子文件夹,而图片集中在顶层 images/,你从子目录的文件里去写 ../images/foo.png,Pandoc 的工作目录是当前 md 文件所在的目录,它按相对路径能找到,PDF 输出后图片就能正常嵌入。

关键点在 Pandoc 的工作目录行为。比如你在 /docs/notes/sub/ 文件夹里执行 pandoc sub/note.md,Pandoc 会以当前执行命令的位置为基准去解析相对路径,这就会出问题。所以执行命令的目录最好和你 Markdown 文件所在目录一致,或者直接用 --resource-path 参数指定图片根目录。

3.2 一个 Python 预处理脚本的示例

我实际使用的思路是这样:在批量转换前,先跑一个预处理脚本,把相对路径全部改写为"以当前脚本所在项目根目录为基准"的绝对路径,转换完成后再改回去(其实改不改回去无所谓,只要源文件是干净的就行)。

PYTHON
import os
import re
import shutil
 
# 项目根目录,脚本放在这个目录下运行
ROOT = os.path.dirname(os.path.abspath(__file__))
MD_DIR = os.path.join(ROOT, "docs", "notes")
IMG_DIR = os.path.join(ROOT, "docs", "images")
 
# 1. 收集所有 md 文件
md_files = []
for dirpath, _, filenames in os.walk(MD_DIR):
for fn in filenames:
if fn.endswith(".md"):
md_files.append(os.path.join(dirpath, fn))
 
# 2. 将所有图片复制到统一目录 IMG_DIR 下
for md in md_files:
with open(md, "r", encoding="utf-8") as f:
content = f.read()
matches = re.findall(r"!\[.*?\]\((.*?)\)", content)
for img_path in matches:
if img_path.startswith("http"):
continue # 网络图片另行处理
abs_img = os.path.normpath(os.path.join(os.path.dirname(md), img_path))
if os.path.exists(abs_img):
shutil.copy2(abs_img, IMG_DIR)
 
# 3. 改写 md 文件中的图片链接
for md in md_files:
with open(md, "r", encoding="utf-8") as f:
content = f.read()
def replace_img(match):
alt, src = match.group(1), match.group(2)
if src.startswith("http"):
return match.group(0)
abs_img = os.path.normpath(os.path.join(os.path.dirname(md), src))
if os.path.exists(abs_img):
# 替换为项目根目录相对路径
rel = os.path.relpath(abs_img, ROOT)
return f"![{alt}]({rel})"
return match.group(0) # 找不到图片就保持原样,后续检查时标记
content = re.sub(r"!\[(.*?)\]\((.*?)\)", replace_img, content)
with open(md, "w", encoding="utf-8") as f:
f.write(content)
 
print(f"共处理 {len(md_files)} 个 Markdown 文件,图片已统一复制至 {IMG_DIR}")

这段代码有两个关键设计:

  • 统一图片目录:不管原来图片散落在哪里,全部复制到一个 images/ 目录下,后续不管你怎么移动 PDF 都不会出现路径问题。代价是如果两份 md 引用同名图片,会互相覆盖,复制前要做个重名检查(我这里偷懒没写,你如果文件多,建议加一个 if os.path.exists 判断加后缀)。
  • 只处理本地图片:网络图片跳过,因为网络地址不受目录结构影响,转 PDF 时也能正常嵌入(前提是网络通)。

这个脚本跑完之后,再用 Pandoc 批量转换,你会发现图片裂掉的问题基本根治。

4. 转换后检查:批量操作的重中之重

批量转换最怕什么?不是转得慢,而是转完了你不知道哪些是坏的。100 个文件转完了,结果有 30 个图片裂了、10 个字体有问题、5 个目录是空的,你不可能一个个打开 PDF 用肉眼看。所以检查环节必须"自动化优先、人工抽查兜底"。

4.1 用 PyPDF2 或 pdfplumber 做自动化健康检查

我自己写过一个检查脚本,思路很朴实:用 pdfplumber 打开每个 PDF,统计页数、提取文本长度,和原始的 Markdown 字数做比对。如果字数差距过大,说明转换过程中某些内容被吞了。

PYTHON
import os
import glob
import pdfplumber
 
pdf_dir = "../pdf_output"
md_dir = "../docs/notes"
 
issues = []
 
for pdf_path in sorted(glob.glob(os.path.join(pdf_dir, "*.pdf"))):
base = os.path.splitext(os.path.basename(pdf_path))[0]
# 找对应的 md
md_path = os.path.join(md_dir, base + ".md")
if not os.path.exists(md_path):
issues.append((pdf_path, "找不到对应的Markdown源文件"))
continue
 
with open(md_path, "r", encoding="utf-8") as f:
md_content = f.read()
 
try:
with pdfplumber.open(pdf_path) as pdf:
page_count = len(pdf.pages)
pdf_text = ""
for page in pdf.pages:
pdf_text += page.extract_text() or ""
except Exception as e:
issues.append((pdf_path, f"PDF解析异常: {e}"))
continue
 
md_len = len(md_content)
pdf_len = len(pdf_text)
 
# 启发式判断:PDF文本量远小于MD文本量,说明内容丢失
if pdf_len == 0:
issues.append((pdf_path, f"PDF提取不到任何文本,可能全是图片或转换失败"))
elif pdf_len < md_len * 0.3:
issues.append((pdf_path, f"疑似内容缺失:PDF文本 {pdf_len} vs MD文本 {md_len}"))
elif page_count == 0:
issues.append((pdf_path, "PDF页数为0,文件可能损坏"))
 
if issues:
print("发现潜在问题:")
for path, reason in issues:
print(f" [问题] {path} -> {reason}")
else:
print("所有PDF均通过自动化检查")

这个脚本不是万能的,因为 Markdown 里有代码块、图片、公式,这些原始文本不会全部映射到 PDF 文本里。所以判断阈值我放宽到了 0.3——只要 PDF 提取出的文本量不低于 Markdown 原文的 30%,就认为基本正常。实际使用中,如果一个 md 文件 90% 都是图片和代码,那么这个比例会自然偏低,需要人工确认。

4.2 人工抽查清单:别省这一步

自动化只能查"有没有内容",查不了"内容排版对不对"。我总结了一个人工抽查清单,批量转换后花 10 分钟抽查 3-5 个代表性文件就够:

  1. 封面和目录页:目录是否自动生成?页码有没有对不上?
  2. 代码块是否换行:长代码是不是被截断在页面边缘?这个 Pandoc 默认会处理,但如果代码里有超长 URL 或 base64 串,还是会溢出。
  3. 表格宽度:宽表格是不是被强行压缩到页面里?单元格文字是否重叠?
  4. 数学公式:行内公式、块级公式是否正常渲染?检查一下和 LaTeX 源码的对应关系。
  5. 图片清晰度:嵌入的图片会不会变得模糊?如果源图分辨率太低,PDF 里放大看会糊。

针对代码溢出的问题,我习惯在 YAML 模板里加一行 lstlisting 的设置,强制代码块自动换行:

YAML
header-includes:
- \usepackage{listings}
- \lstset{breaklines=true, breakatwhitespace=false, basicstyle=\ttfamily\small}

这样遇到长行就会自动断行,不会超出页面边界。

4.3 结果检查后端的修复技巧

抽查发现问题之后,修复分两类:

  • 单个文件问题:直接改源 Markdown(比如把宽度过大的表格拆成两段、把源码里的长 URL 用 <br> 换行),重转这一个文件即可:
    BASH
    pandoc problem.md -o problem.pdf --pdf-engine=xelatex -H ~/.pandoc/template.yaml
  • 整个文件夹的共性问题:比如所有 PDF 的页眉页脚没设置好、所有字体都有问题。这种情况建议改模板文件,然后全量重转。不要尝试在单文件上打补丁,因为下一次还会犯,模板一劳永逸。

5. 进阶玩法:把这些命令做成一键脚本

如果你是不定期、批量转换的"高频用户",我强烈建议把整个流程(图片预处理、批量转换、结果检查)整合成一个 shell 脚本。我自己的做法是放在项目根目录,起名 convert_all.sh,里面包含三段逻辑,整个跑下来大概需要几分钟到十几分钟(看文件数量和 PDF 引擎加载时间)。

脚本的结构我贴个核心,你可以根据自己需求改:

BASH
# !/bin/bash
 
# ========== 配置区 ==========
MD_DIR="docs/notes"
IMG_DIR="docs/images"
OUT_DIR="docs/pdf_output"
TEMPLATE="$HOME/.pandoc/template.yaml"
 
# ========== 1. 图片预处理 ==========
python3 scripts/normalize_images.py
 
# ========== 2. 批量转换 ==========
mkdir -p "$OUT_DIR"
cd "$MD_DIR"
for f in *.md; do
[ -e "$f" ] || continue
base="${f%.md}"
pandoc "$f" \
-o "../$OUT_DIR/${base}.pdf" \
--pdf-engine=xelatex \
-H "$TEMPLATE" \
--highlight-style=tango
echo "[OK] $f -> ${base}.pdf"
done
 
# ========== 3. 自动化检查 ==========
cd ..
python3 scripts/check_pdfs.py
 
echo "全部完成,请抽查 PDF 排版情况。"

有了这个脚本,日常新增了几个 Markdown,只要把它拖到终端里跑一遍,等它输出一堆 [OK] 和检查结果,任务就算闭环了。我自己的体验是:这个脚本省下来的时间,比一开始标准化的时间多得多,尤其是当你一个月要整理几百个 Markdown 文件时。

6. 实测过程中的高频坑位

最后把我踩过的坑集中列一下,有些坑藏得很深,网上资料也不多:

6.1 Pandoc 转 PDF 时图片成了"空框"

这个的根因一般是图片路径含中文或空格,LaTeX 的宏包对这类路径支持不好。解决办法很简单:预处理脚本里用 shutil.copy2 复制时,统一改成纯英文文件名(比如 image_001.png),同时替换 md 里的引用路径。

6.2 表格里的长文本把页面撑爆

Pandoc 对长表格的处理策略是"能塞就塞",一旦宽度超出页面,它不会自动缩小字号,而是直接把内容推出去。解决思路是给表格加全局设置,用 longtable 或者设置自动宽度:

YAML
header-includes:
- \usepackage{longtable}
- \setlength{\tabcolsep}{4pt}
- \renewcommand{\arraystretch}{1.2}

tabcolsep 是列间距,arraystretch 是行高。这两个调一调,表格在页面里会透气很多。

6.3 批量转换跑到一半进程被杀

这种情况几乎都是因为某个文件内有特殊字符或者路径异常,Pandoc 卡住或直接抛错。有一个实用的技巧是给 Pandoc 命令加超时机制,跑满 60 秒就自动跳到下一个文件:

BASH
timeout 60 pandoc "$f" -o "../$OUT_DIR/${base}.pdf" ... || echo "[错误] $f 转换超时,请单独排查"

如果某个文件确实转不了,至少不会卡死整批。

6.4 PDF 文件名不能用 Markdown 里的特殊字符

如果 Markdown 文件名带 #、&、% 这类字符,Windows 文件系统会拒绝创建同名 PDF。批处理脚本里最好做一个安全替换:

BASH
safe_name=$(echo "$base" | tr -d '#&%')

这个坑我是在一次批量处理读书笔记时踩到的,当时文件名类似"《K8s权威指南》#5 笔记.md",Windows 直接报错,改了半小时才发现问题。

7. 一条被低估的辅助路径:先用 HTML 再转 PDF

Pandoc 直接转 PDF 是主力方案,但我得说一句实话——在某些场景下,先转 HTML 再打印成 PDF,质量更高。尤其是你的 Markdown 用了很多自定义 CSS 样式(比如不同颜色块、自定义列表样式、多列布局),LaTeX 引擎很难还原这些效果。

具体操作是两步走:

BASH
# 第一步:转成带样式的 HTML
pandoc input.md -o output.html --standalone --css=style.css --toc
 
# 第二步:用无头浏览器打印成 PDF
# 可以用 Chrome 的无头模式,它有默认A4纸、边距、页脚处理,效果非常接近浏览器预览
chrome --headless --print-to-pdf=output.pdf output.html

这一步适合那些"极度依赖视觉样式"的文档。比如我的产品需求文档(PRD)就喜欢用颜色来区分"正常流程"和"异常流程",这种花哨的排版,LaTeX 很难做到,但 HTML+Chrome 打印还原度 100%。

代价是:批量控制力弱一些,因为 Chrome 无头模式一次只能处理一个文件,不像 Pandoc 那样脚本里循环跑起来很轻松。折中方案是写个循环:

BASH
for f in *.md; do
pandoc "$f" -o "${f%.md}.html" --standalone --css=style.css --toc
chrome --headless --print-to-pdf="${f%.md}.pdf" "${f%.md}.html" --no-margins
done

实际效果实测下来,代码高亮、图片、表格、CSS 的阴影和圆角、渐变背景,全部能原样输出。如果你对排版有强迫症,这条路径值得尝试。

我自己现在的工作流里,这两套方案是并存的:笔记和文档类的批量用 Pandoc,产品和设计文档类的用 HTML+Chrome。没有哪种方案是银弹,关键是搞清楚你要转的这批文件,它们对格式还原度的要求有多高。 先把一个文件夹里的文件类型摸透,再选方案,比装十个工具瞎试要快得多。

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
医学图像配准实战:用Python实现MIND特征提取(附完整代码)
本文详细介绍了MIND(模态无关邻域描述符)在医学图像配准中的应用。通过Python和PyTorch实战,从原理到代码逐步解析了如何提取MIND特征,并利用其对结构而非灰度的感知能力,有效解决CT、MRI等多模态图像的对齐难题,为病灶追踪、手术导航等高级应用提供鲁棒性基础。
Light