RabbitMQ延迟队列实战:TTL、死信队列与插件方案详解

RabbitMQ延迟队列死信队列
于 2026-10-29 04:14:06 修改
·本内容遵循CC 4.0 BY-SA版权协议

做后端的人迟早会碰延迟队列。订单超时未支付要关单、下单后十分钟没付款要发提醒、写操作失败要定时重试,这些场景都需要一种机制:把任务按计划放到未来某个时刻再执行。RabbitMQ 本身不直接提供“延迟队列”这个概念,但通过 TTL、死信队列、官方延迟插件等组合,可以实现近似且足够可用的方案。这篇文章我把三种常用实现方案的技术原理、配置方法和实际踩过的坑一次性讲清楚,适合对 RabbitMQ 有基础认识、想在生产环境落地延迟队列的读者参考。

1. 延迟队列是什么,为什么绕不开它

1.1 业务场景驱动:哪些需求天然需要“延迟”

延迟队列的核心价值是“把一条消息延迟到指定时间之后才被消费”。这种能力在电商、金融、IoT 领域极其常见:

  • 订单超时关闭:用户下单后 15 分钟内未支付,系统自动取消订单,释放库存。
  • 超时未确认收货:发货后 N 天未确认,自动完成订单。
  • 低频提醒通知:注册后 5 分钟给用户推送新手引导,支付失败后 1 小时再次提醒。
  • 上游调用重试:调用第三方接口失败,延迟 10 秒、1 分钟、10 分钟分级重试。

这些需求如果全部用定时任务扫描数据库,会非常低效。假设你有 100 万订单,每个订单都有一个“超时时间”,用定时任务每分钟扫一次全表,绝大多数扫描都是浪费,而且数据库压力会很大。延迟队列的思路则是“事件驱动”:订单创建成功时立刻发一条消息到延迟队列,消息自带的延迟时间到期后,再被投递给业务消费者。整个过程中,业务方不需要关心“何时去检查”,只需要等待消息自然到达。

1.2 RabbitMQ 实现延迟队列的三种典型路线

RabbitMQ 官方没有提供独立开箱即用的 DelayQueue(在 4.0 版本前甚至没有),但官方生态里有三种主流变通方案:

  1. 队列级 TTL + 死信队列:给一个“等待队列”设置全局消息过期时间(比如 15 分钟),消息进入该队列后,超时未消费会被自动投递到死信交换机,再由死信交换机路由到真正处理业务的企业务队列。
  2. 消息级 TTL + 死信队列:思路和方案一相同,但不在队列上配置统一 TTL,而在发送消息时带上 expiration 属性,每条消息可以拥有不同的延迟时间。
  3. 官方延迟消息交换机插件:安装 rabbitmq_delayed_message_exchange 插件,创建 x-delayed-message 类型的交换机,通过特殊消息头 x-delay 控制延迟时长。

三种方案各有取舍,后文会分别细讲。先聊死信机制,因为前两种方案都依赖它。

2. 方案一:队列级 TTL + 死信队列,实现固定延迟

2.1 死信机制原理解读:消息是怎么被“延迟”出去的

RabbitMQ 本身没有“延迟”能力,但它有一个“死信”机制:当一条消息在某个队列上出现以下几种情况时,会进入死信队列(Dead Letter Queue),更准确说是被重新发布到指定的死信交换机(DLX):

  • 消息被消费者拒绝(basic.reject / basic.nack),且 requeue 设置为 false;
  • 消息超过队列设置的 TTL(消息过期);
  • 队列达到最大长度,早于新消息进入的消息被迫溢出。

我们利用的就是其中“消息过期”这一条。当一条消息进入一个设置了 x-message-ttl 的队列,如果迟迟没有被消费,它不会凭空消失,而是会被 RabbitMQ 检查到并判定过期,然后发布到队列绑定的死信交换机。死信交换机再把消息路由到我们真正想让它去的业务队列。

所以整个链路是:

TEXT
生产者 -> 等待队列(TTL=15min,绑定DLX) -> 死信交换机 -> 业务队列 -> 消费者

注意一个关键点:等待队列的消费者通常是空集,也就是没有人消费它。它存在的唯一意义就是“让消息在里面待满 15 分钟再死掉”,死掉的一瞬间消息会带着原始消息体跳进业务队列。

2.2 实操步骤:等待队列 + 死信绑定 + 消费者订阅

假设我们要实现“订单下单 15 分钟后未支付自动关闭”。业务消费者叫 order.pay.timeout,它绑定在 order.business.exchange 交换机上。

第一步,声明业务交换机、业务队列并建立绑定:

BASH
# rabbitmqadmin 命令行风格
rabbitmqadmin declare exchange name=order.business.exchange type=direct
rabbitmqadmin declare queue name=order.pay.timeout durable=true
rabbitmqadmin declare binding source=order.business.exchange destination=order.pay.timeout routing_key=order.pay.timeout

第二步,声明一个等待队列,这个队列才是延迟队列的本体:

BASH
rabbitmqadmin declare queue name=delay.15min durable=true arguments= '{"x-message-ttl": 900000, "x-dead-letter-exchange": "order.business.exchange", "x-dead-letter-routing-key": "order.pay.timeout"}'

这里的三个 arguments 含义分别是:

  • x-message-ttl:队列中所有消息的生存时间,单位毫秒。900000 毫秒 = 15 分钟。
  • x-dead-letter-exchange:消息过期后投递给哪个死信交换机。这里直接指向业务交换机。
  • x-dead-letter-routing-key:消息投递给该交换机时使用的路由键。RabbitMQ 会拿着这个路由键,在死信交换机上匹配绑定的队列,找到 order.pay.timeout。

第三步,生产者只需要往 delay.15min 队列发送消息即可,它不需要知道后续的路由链路:

PYTHON
import pika
 
connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
channel = connection.channel()
channel.basic_publish(
exchange='',
routing_key='delay.15min',
body='{"order_id": "123456", "create_time": "..."}',
properties=pika.BasicProperties(delivery_mode=2)
)
connection.close()

第四步,业务消费者正常订阅 order.pay.timeout 队列,处理超时关单:

PYTHON
import pika, json
 
def callback(ch, method, properties, body):
order = json.loads(body)
close_order(order['order_id'])
ch.basic_ack(delivery_tag=method.delivery_tag)
 
connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
channel = connection.channel()
channel.basic_consume(queue='order.pay.timeout', on_message_callback=callback)
channel.start_consuming()

这样整条链路就通了:下单后 15 分钟,消息自动从 delay.15min 进入 order.pay.timeout,消费者被唤醒,关单逻辑执行。

2.3 这个方案的命门:只能做“固定档位延迟”

如果需求是 15 分钟超时关闭,方案二十分完美。但现实业务往往希望延迟时间是变化的:A 用户享有 1 分钟超时,B 用户享有 30 分钟超时,C 订单属于“大额订单”需要 24 小时超时。由于等待队列的 x-message-ttl 是对队列内所有消息统一生效的,那就只能为每一种延迟时长建一个单独的等待队列:

  • delay.1min,TTL=60000
  • delay.30min,TTL=1800000
  • delay.24h,TTL=86400000

生产者要根据业务计算延迟档位,选择不同的队列。这带来的一个直接问题是:档位是枚举的,没法支持“3 分钟 17 秒”这种任意时长;如果档位种类很多,管理成本会成倍上升。

所以方案一的适用场景非常清晰:延迟时间固定、档位有限、不想引额外依赖、部署环境要求极简。如果你能预判“50 个延迟时间档位封顶”,那也没问题,大于 50 个档位时还是建议看一看方案三。

2.4 使用中容易忽略的细节

  • 等待队列最好声明为 durable,生产消息时也要设置 delivery_mode=2,否则 RabbitMQ 重启后消息丢失,延迟任务也就丢了。
  • 死信交换机的类型最好和原绑定时的路由规则匹配。如果业务交换机是 direct,那上面的 x-dead-letter-routing-key 必须精确等于一个绑定键;如果业务交换机是 topic,路由键可以是带通配符的绑定模式。
  • 等待队列不能有消费者。一旦有消费者消费了等待队列,消息就提前被处理了,后面的死信链路全部失效。
  • 消息过期后的死信转发是异步的,实际延迟时间与 TTL 不是绝对精确,会有毫秒级波动,但通常不影响业务。

3. 方案二:消息级 TTL + 死信队列,实现灵活延迟

3.1 和方案一核心差异:TTL 从“队列属性”变成了“消息属性”

方案二从直觉上最符合“灵活”二字:队列不设 x-message-ttl,而是发送每条消息时,在 properties 里带上 expiration 字段(单位毫秒)。RabbitMQ 会把 expiration 当作这条消息的 TTL,到期后消息一样会被判定为死信,进入死信交换机。

这样一来,只需要一个等待队列,就能容纳不同延迟时间的消息。比如同时发送一条 5 秒后到期和一条 10 分钟后到期的消息,它们都能按各自的时间进入业务队列。

3.2 配置细节:单等待队列 + 消息 expiration 示例

先声明等待队列,不需要设置队列级 TTL:

BASH
rabbitmqadmin declare queue name=delay.queue durable=true arguments= '{"x-dead-letter-exchange": "order.business.exchange", "x-dead-letter-routing-key": "order.pay.timeout"}'

生产者发送消息时,在 BasicProperties 中设置 expiration:

PYTHON
import pika
 
def publish_delay_message(channel, delay_ms, body):
channel.basic_publish(
exchange='',
routing_key='delay.queue',
body=body,
properties=pika.BasicProperties(
delivery_mode=2,
expiration=str(delay_ms)
)
)

业务侧消费者的方式和方案一完全一致,继续订阅 order.pay.timeout 队列即可。由于等待队列与业务队列的绑定链路不变,消费者并不需要对消息是“哪个方案延迟”做区分。

3.3 “队头阻塞”是 per-message TTL 最大的坑

刚听到“每条消息各自 TTL”的时候,很多人会以为 RabbitMQ 会像定时器一样,到点就把这条消息踢走。但 RabbitMQ 内部的实现远没有这么智能。对于设置了 TTL 的队列,RabbitMQ 只会去检查队首消息有没有过期。如果队首消息还有 10 分钟才到期,即使后面的某一条消息已经到期 5 分钟,RabbitMQ 也不会去“捞出”后面那条消息,因为队列是严格 FIFO 的,队首不消失,后面的消息无法被检测。

这就是 per-message TTL 最大的问题:队头阻塞。举一个实际崩溃场景:

  • 你发了 100 条延迟 10 分钟的消息,紧接着发了 1 条延迟 10 秒的消息。
  • 10 秒后,那条短延迟消息其实已经到期了,但它的前面还有 100 条长延迟消息堵着。
  • RabbitMQ 会一直等到这 100 条消息全部过期并投递到死信队列后,才有机会检查队首后面的短延迟消息。

结果就是:短延迟消息实际触发时间被严重拉长,可能是 10 分钟加 10 秒。如果你的业务中长短延迟消息会混同一个等待队列,方案二在消息量大时一定会让你血压升高。

那怎么办?有两个土办法:

  • 按延迟时长分队列,避免长短差异太大的消息进入同一个队列(但这样又回到了方案一的档位问题)。
  • 接受一定程度的不精确,把延迟场景设计成“只关注最短消费时间,不保证具体时间点”。比如通知类、重试类场景,晚几十秒也可以接受。

另外,如果等待队列设置了 x-message-ttl,同时消息又设置了 expiration,RabbitMQ 会取两者中较小的一个值作为实际 TTL。想用 per-message TTL,队列上就千万别设置 x-message-ttl,否则你的“灵活延迟”会被一刀切打回固定档位。

3.4 方案二适合什么场景

方案二适合“延迟时间差异不大、但每个消息都希望自定义延迟值”的场景。比如分级重试:第一次失败延迟 5 秒,第二次失败延迟 1 分钟,第三次失败延迟 5 分钟。这些延迟值虽有差异,但都是短延迟,队列中的消息会很快被排空,队头阻塞概率低。如果业务允许一定程度的延迟漂移,它是最轻量、无插件、又不需要维护一堆队列的方案。

4. 方案三:官方延迟消息交换机,真正意义上的“灵活精确延迟”

4.1 插件原理:延迟在交换机层完成,而不是堆在队首

RabbitMQ 官方社区有一个插件 rabbitmq_delayed_message_exchange,它引入了新类型的交换机 x-delayed-message。这种交换机的原理是:

  • 收到消息后,读取消息头中的 x-delay 字段,解析出延迟毫秒数。
  • 如果延迟时间大于 0,消息不会立即路由到绑定队列,而是先暂存在交换机的内部存储中。
  • 到达延迟时间后,插件内部将消息重新发布到交换机,再按绑定的路由规则投递给队列。

看起来像给交换机加了一层“缓冲”,消息不是堵在某个队列头部,而是挂在交换机内部有独立调度,因此不存在方案二那种队头阻塞带来的延迟漂移。延迟精度明显更高。

4.2 安装插件:Docker 部署最常见的坑

官方 RabbitMQ 镜像默认没有自带这个社区插件。如果你是用 Docker 部署,不要以为 docker run rabbitmq:3.12-management 就能直接用延迟交换机。你需要手动下载插件 .ez 文件并拷贝到容器内。

第一步,去 RabbitMQ 社区插件页面下载与 RabbitMQ 版本匹配的 rabbitmq_delayed_message_exchange 版本。比如 RabbitMQ 3.12.x 对应插件版本通常是 3.12.0 系列,这个很关键,版本不匹配时插件根本无法加载。

第二步,将下载好的 .ez 文件复制到容器内的插件目录。官方镜像中插件目录一般是 /opt/rabbitmq/plugins,你可以用 docker cp 复制:

BASH
docker cp rabbitmq_delayed_message_exchange-3.12.0.ez my-rabbitmq:/opt/rabbitmq/plugins/

第三步,进入容器启用插件:

BASH
docker exec -it my-rabbitmq rabbitmq-plugins enable rabbitmq_delayed_message_exchange

启用后会提示插件已经启用。为了稳妥,最好重启一下 RabbitMQ:

BASH
docker restart my-rabbitmq

如果你不是 Docker 部署,而使用系统级安装,插件目录通常在 /usr/lib/rabbitmq/plugins 或 /opt/rabbitmq/plugins,同样用 rabbitmq-plugins enable 命令。

4.3 声明 x-delayed-message 交换机并验证消息流

启用插件后,声明交换机时 type 必须设置为 x-delayed-message,同时额外传入 x-delayed-type 参数,这个参数指定“内部实际使用的交换机类型”。绝大多数业务用 direct 即可,但如果你的路由键需要通配符,可以设置成 topic。

用 Python 声明交换机:

PYTHON
import pika
 
def declare_delayed_exchange(channel):
channel.exchange_declare(
exchange='order.delayed.exchange',
exchange_type='x-delayed-message',
durable=True,
arguments={'x-delayed-type': 'direct'}
)

创建队列并绑定到交换机,这个队列是正常的业务队列:

PYTHON
channel.queue_declare(queue='order.pay.timeout', durable=True)
channel.queue_bind(exchange='order.delayed.exchange', queue='order.pay.timeout', routing_key='order.pay.timeout')

发送消息时,不能把延迟时长放在 expiration 里了,而要放在名为 x-delay 的消息头里:

PYTHON
def publish_with_delay(channel, delay_ms, body):
headers = {'x-delay': delay_ms}
channel.basic_publish(
exchange='order.delayed.exchange',
routing_key='order.pay.timeout',
body=body,
properties=pika.BasicProperties(
delivery_mode=2,
headers=headers
)
)

消费者写法不变,依然订阅 order.pay.timeout 队列。这里有一点需要注意:插件支持的延迟范围是有上限的,默认是约 49.5 天(2^32 毫秒以内),正常业务完全够用。

4.4 插件方案有没有代价?有

插件方案的第一个代价是运维依赖。你在生产环境多了一个社区插件,RabbitMQ 集群升级版本时,必须同步升级插件,版本不匹配会导致交换机声明失败,或者消息发送时出现 PRECONDITION_FAILED - unknown exchange type 'x-delayed-message'。如果你所在企业要求所有依赖都走内部私有化仓库,这个插件可能需要人工搬运。

第二个代价是性能损耗。延迟消息在交换机内部需要额外存储和触发机制,所以吞吐量比直接投递普通消息要低一些。实测下来,普通消息投递单机可以达到每秒几万条,而经过 x-delayed-message 交换机的消息,吞吐量会有一个明显下降,但大多数订单/提醒场景每秒几百条到几千条完全没问题。

第三个代价是监控缺失。通过管理界面查看,延迟消息在交换机内部排队,你只能看到交换机绑定的队列里没有消息,却看不到那些“挂在交换机内”的延迟消息具体有多少条。排查问题时,你可能需要借助插件自带的 rabbitmqctl 命令或自定义消费者在到期一侧做统计,这增加了排查成本。

4.5 什么情况建议选插件方案

只要业务中涉及大量不同延迟时长的消息,且对延迟时间精确性有要求,插件方案是首选。比如:直播秒杀后的库存回滚时间需要按用户维度定制、不同等级订单超时时长完全随机、离线任务按计划任务书指定时刻执行。这类需求用方案一和方案二都会写得很别扭,插件方案一条交换机全部搞定。

5. 三种方案横向对比,用一张表做选型决策

对比项 方案一:队列级 TTL + DLX 方案二:消息级 TTL + DLX 方案三:延迟消息交换机插件
延迟粒度 固定档位 每条消息可自定义 每条消息可自定义
延迟精度 准确 受队头阻塞影响,可能有较大漂移 准确,内部独立调度
需要插件 不需要 不需要 需要社区插件
队列数量 每种延迟档位一个 一个等待队列 一个交换机,队列数量正常
性能影响 低 低,但队头阻塞可能拉高整体延迟 中等,交换机内部有额外存储和触发
运维复杂度 简单 简单 需要管理插件版本,升级稍复杂
适合场景 固定时长超时、固定档位通知 分级重试、短延迟任务、允许一定延迟波动 任意延迟时长、要求延迟精确、灵活调度

从我的实际经验来看,选型决策其实没那么复杂:没有插件安装条件且延迟档位很少,用方案一;没有插件安装条件但需要灵活延迟且消息量不大,用方案二;有条件安装插件且对延迟精度有要求,无脑选方案三。

如果你的项目正处在一个“要使用什么消息中间件”的关键节点,不妨多说一句:RabbitMQ 的延迟队列能力是它区别于 Kafka 的核心卖点之一。Kafka 在吞吐量和流处理上更强,但它原生不支持这种按消息延迟调度的能力,硬撑着做反而更别扭。像这种“未来某个时刻执行”的业务,RabbitMQ 的生态和语义是最贴合的。

6. 部署与排障实录:Docker 环境下的血泪经验

6.1 docker 部署后 admin 账号无法创建虚拟主机?先别急着卸镜像

热词里那个“docker 部署 rabbitmq 后,你的 admin 账号真的能用吗?”我深有体会。很多人用 docker run -d -it --name rabbitmq -p 5672:5672 -p 15672:15672 rabbitmq:3-management 启动容器,浏览器能打开管理界面,也能用默认账号 guest/guest 登录。但当你创建一个新用户,或者在界面上点击“Add virtual host”时,却提示“no permission”或者 403。

先说结论:这不是 Bug,而是 RabbitMQ 管理插件默认权限模型导致的。管理界面里创建 virtual host 的按钮,需要有 administrator 标签的用户才可以使用;而默认 guest 用户只有一个 administrator? 不对,新版 RabbitMQ 里 guest 默认就是 administrator 标签,但只能从 localhost 访问,所以如果你是在容器内用 rabbitmqctl,只能对 guest 做操作。可悲的是,很多人根本没创建过新用户。

正确的做法是,启动容器后进入容器,用 rabbitmqctl 创建自己的管理员,并给足 virtual host 权限:

BASH
# 进入容器
docker exec -it rabbitmq /bin/bash
 
# 创建用户,设管理员标签
rabbitmqctl add_user blogadmin 'your_password'
rabbitmqctl set_user_tags blogadmin administrator
 
# 给默认 vhost "/" 设置全量权限(配置、写、读)
rabbitmqctl set_permissions -p / blogadmin ".*" ".*" ".*"
 
# 如果需要额外 vhost,先创建再赋权
rabbitmqctl add_vhost prod_vhost
rabbitmqctl set_permissions -p prod_vhost blogadmin ".*" ".*" ".*"

关键点:set_permissions 后面三个参数分别对应 configure(配置权限)、write(写权限)、read(读权限)。如果你漏了这一步,即使有 administrator 标签,也只能登录管理界面看看,不能创建交换机、队列、virtual host。

如果你管理界面能打开,但“RabbitMQ Management”顶栏始终显示“Cannot connect to server: 501/ …”,大概率是管理插件部分接口和后端探测断开了。此时先检查容器日志:docker logs rabbitmq,常见原因是 Erlang 节点名默认使用的是 rabbit@localhost,如果你修改了 hostname,会导致应用无法重新连接。最简单的恢复方式是让容器名、hostname 固定:

BASH
docker run -d --name rabbitmq --hostname rabbitmq -p 5672:5672 -p 15672:15672 rabbitmq:3-management

6.2 RabbitMQ 启动失败:多半是 Erlang cookie 或端口占用

RabbitMQ 启动失败是个老话题。如果是 Docker 部署,优先检查端口占用。5672 和 15672 同时被占用的情况很常见,尤其本地开发项目多的时候。启动报 Address already in use 的解法只能换个端口映射,或停掉占用的进程。

另一种坑出现在集群场景:多个节点需要共享同一个 Erlang cookie。但如果你用 Docker 部署时没有指定 RABBITMQ_ERLANG_COOKIE 环境变量,每次重启容器都会自动生成一个新 cookie,可能导致节点无法互相通信,启动失败。所以在生产环境,建议明确指定:

BASH
docker run ... -e RABBITMQ_ERLANG_COOKIE='my_secret_cookie_sequence' ...

注意 cookie 长度最好大于 20 个字符,并且不能用很多人熟知的默认值。

6.3 死信循环:一条消息为什么能无限循环

用方案一或方案二时,最容易踩的坑是死信循环。假设你设置的 x-dead-letter-routing-key 指向了等待队列自身,那么消息过期后会再次进入同一个等待队列,再次 TTL,再次过期,周而复始。更隐蔽的是,如果设置 x-dead-letter-exchange 为当前交换机,而路由键又匹配了等待队列,同样会形成循环。

我遇到过一位同事调接口时发现消息在 MQ 里“抽风”,每隔 30 分钟出现一批,RT 高得离谱。查了半天,发现他把业务队列和等待队列配成了同一个。排查方法其实很简单:在管理界面打开队列的 Bindings 页签,跟着死信交换机的路由键走,确认最终指向的业务队列,千万不要指回等待队列或某个中间延迟队列。

6.4 管理界面创建 Virtual Host 后,用户仍然连不上?注意 Notify 标签

使用管理界面创建 virtual host 后,如果你用 CLI 客户端连接,发现 access_refused,而用户确实是管理员且已赋权,多半是这个 virtual host 还没有添加权限。界面上的“Set permission”按钮看起来只是弹窗,但没有保存。

推荐的做法是永远以 rabbitmqctl 的权限命令为准,因为管理界面对权限的可视化操作容易遗漏。创建完 vhost 后,务必执行:

BASH
rabbitmqctl list_permissions -p prod_vhost

确认输出里包含了你的用户名,而不是空表。

6.5 使用 Quorum Queue 时的额外提醒

如果业务对可靠性的要求非常高,你可能会把业务队列声明为 Quorum Queue。此时需要注意,方案一和方案二里,等待队列如果也想用 Quorum Queue,需要在声明时额外配置,而延迟插件与 Quorum Queue 的兼容性有版本要求。我在测试 RabbitMQ 3.12 版本时,插件交换机内部采用的是 Mnesia 存储,消息量一旦很大,存储节点会带来额外 GC 压力。如果确认辛苦,可以先切回经典队列。这个细节在官方文档中没有明显提示,建议你在压测阶段就做好验证。

7. 个人小结与一个小建议

三种方案我都真实落地过,各自都有“爽”与“不爽”的地方。方案一让我在无插件环境里快速上线了一个订单超时关闭功能,代码量最少,排障也最直观;方案二在短延迟重试任务里性能不错,但真正跑大流量时被队头阻塞恶心了一次;方案三则是我现在最推荐用的,因为它把“延迟”这个语义封装得最干净,业务代码也最接近自然语言。

最后分享一个小技巧:当你用延迟队列做业务时,消息体里最好额外带一个 execute_at 字段,表示“期望执行的时间戳”。消费者收到消息后,先比对 now 与 execute_at,如果发现提前或延迟超过阈值,可以打点监控。这个字段是消息的“业务灵魂”,能帮你快速判断延迟队列当前是否跑偏,比只靠 RabbitMQ 自身的监控指标直观得多。

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
Backtrader Web:开源量化交易全栈平台
Backtrader Web是一个基于Backtrader框架的现代化量化交易全栈平台,将专业回测引擎与Web技术结合,提供从策略开发到实盘交易的完整解决方案。平台采用FastAPI+Vue3技术栈,具有118个内置策略模板、专业可视化分析工具和完整的策略生命周期管理功能。支持策略版本控制、参数优化、模拟/实盘交易及监控告警,通过RESTful API和WebSocket实现前后端交互。系统采用模块化设计,包含策略服务、回测服务等核心模块,支持SQLite/PostgreSQL等多种数据库。安装简单,5分钟
云金杞