OpenCV中的腐蚀（Erosion）和膨胀（Dilation）操作，这是形态学处理的两个基础操作，常用于图像去噪、分割和特征提取。
一、核心概念
形态学操作：基于**结构元素（Kernel）**对二值图像（或灰度图像）进行几何运算，改变物体形状但不改变其拓扑结构。
结构元素：
是一个小型矩阵（如3x3、5x5）
定义操作的作用范围
常见形状：矩形、椭圆、十字形等
二、腐蚀（Erosion）1. 原理
用结构元素在图像上滑动
仅当结构元素完全覆盖前景像素时，中心像素保留为前景
效果：前景区域会”缩小”，可消除小物体、平滑边界
2. 特点
消除小于结构元素的噪声点
分割粘连物体...
鼠标点击会出现5颗✨，星星会出现在点击点下方，随机排布且不重叠（直接放代码啦，在下面✨处，可以更换成你喜欢的图形）：123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384<!DOCTYPE html><html lang="<%= config.language %>">&...
1. 核心目的
增加数据多样性：通过随机变换原始图像（如旋转、翻转、裁剪等），生成新的训练样本，提高模型的泛化能力。
防止过拟合：丰富训练数据的信息量，减少模型对特定属性（如位置、亮度、颜色）的依赖。
2. 常用方法
几何变换：
旋转：按一定角度（如90°、180°或任意角度）旋转图像。
翻转：水平或垂直翻转图像（水平翻转常用于自然场景图像）。
缩放：放大或缩小图像尺寸。
裁剪：从图像中随机裁剪出部分区域。
平移：沿X轴或Y轴移动图像内容。
仿射变换：结合旋转、缩放和平移等多种变换。
颜色空间变换：
亮度调整：增加或减少图像亮度。
对比度调整：增强或减弱图像对比度。
饱和度调整：改...
1. 核心功能
生成词云：将文本中的高频词以视觉化方式呈现，形成类似云状的彩色图片。
自定义形状：通过掩码图片生成特定形状的词云（如心形、圆形）。
颜色方案：支持多种颜色映射，或自定义颜色函数控制词云颜色。
停用词处理：内置停用词列表，可过滤无意义词汇（如“的”、“和”）。
2. 常用方法
创建词云对象：
WordCloud(width=800, height=400, background_color='white')：配置词云尺寸、背景色等参数。
生成词云：
generate(text)：根据文本生成词云。
generate_from_frequencies(f...
1. 核心功能
分词：支持精确模式、全模式、搜索引擎模式三种分词方式，适用于不同场景。
词性标注：为分词结果标注词性（如名词、动词），帮助理解词语在句子中的角色。
关键词提取：基于 TF-IDF 或 TextRank 算法提取文本关键词，快速获取文本核心信息。
自定义词典：允许用户添加自定义词汇，提高分词的准确性和灵活性。
2. 常用方法
分词方法：
jieba.cut(text, cut_all=False)：精确模式分词（默认），适合文本分析。
jieba.cut(text, cut_all=True)：全模式分词，扫描所有可能的词语，适合信息检索。
jieba.cut_for_s...
1. 核心功能
机器学习算法：提供分类（如逻辑回归、决策树、SVM）、回归（如线性回归、随机森林）、聚类（如K-means、DBSCAN）、降维（如PCA）等多种算法。
数据预处理：支持数据清洗、特征缩放（标准化、归一化）、特征选择、缺失值处理等。
模型选择：提供交叉验证、网格搜索等工具，帮助选择合适的模型。
模型评估：支持准确率、精确率、召回率、ROC曲线等多种评估指标。
2. 常用类与方法
数据集加载：
load_iris()：加载鸢尾花数据集（分类任务）。
load_digits()：加载手写数字数据集（分类任务）。
fetch_20newsgroups()：加载新闻文本数据集...
1. 核心功能
数据可视化：支持折线图、散点图、柱状图、饼图、3D 图等 20+ 种图表类型。
高度定制：可调整颜色、线型、标记、标签、标题、网格等样式。
跨平台输出：支持保存为 PNG、PDF、SVG 等格式，适配论文、网页、报告等场景。
2. 常用类与方法
pyplot 模块（类似 MATLAB 语法）：
1234567891011121314import matplotlib.pyplot as plt# 绘制折线图plt.plot([1, 2, 3, 4], [10, 20, 25, 30], 'r--o', label='Line 1'...
1. 核心功能
数据结构操作：提供 Series（一维）和 DataFrame（二维）数据结构，支持高效的数据操作。
数据清洗：集成处理缺失值、重复值、异常值等方法（如 dropna(), fillna(), drop_duplicates()）。
数据分析：支持描述性统计、聚合、分组、排序、合并等操作（如 mean(), sum(), groupby(), sort_values(), merge()）。
文件读写：支持 CSV、Excel、SQL、JSON 等格式的数据读写（如 read_csv(), to_excel()）。
数据可视化：集成 Matplotlib 库，支持直接绘制...
1. 核心功能
多维数组操作：提供高效的 ndarray 对象，支持向量、矩阵、高维数组运算。
数学函数集成：内置三角函数、指数函数、统计函数等，如 np.sin(), np.exp(), np.mean()。
线性代数：支持矩阵乘法、求逆、特征值计算等（通过 np.linalg 模块）。
随机数生成：提供均匀分布、正态分布等随机数生成函数（如 np.random.rand()）。
文件读写：支持 CSV、二进制文件等数据格式的读写。
2. 常用类与方法
创建数组：
123456789101112import numpy as np# 从列表创建arr = np.array([1, 2...
1. 核心功能
计算机视觉：支持图像处理、视频分析、特征提取、目标检测等任务。
跨平台：可在 Windows、Linux、macOS 等系统上运行。
算法丰富：提供 2500+ 优化算法，涵盖经典和先进的计算机视觉技术。
2. 常用类与方法
图像读取与显示：
12345678910import cv2# 读取图像（支持 JPG、PNG 等格式）img = cv2.imread("image.jpg", cv2.IMREAD_COLOR) # 彩色模式（默认）# img = cv2.imread("image.jpg", cv2.IMREAD_G...
