qq_74893270-CSDN博客

原创 OpenCV-图像处理

在学习 OpenCV 的过程中，我掌握了图像处理的基本操作，如图像的读取、显示、保存和各种常见的图像变换。OpenCV 提供了丰富的工具，能够处理不同类型的图像，包括彩色图像、灰度图像和带透明度的图像。此外，OpenCV 与 Python 的结合，使得图像处理变得高效且易于实现。通过实践，我逐步理解了图像处理的核心思想，也为将来应用于计算机视觉领域打下了基础。

2025-07-22 19:08:22 985

原创 Python学习-迭代器和生成器的区别及其各自实现方式和使用场景

return self # 返回自身return valelse:raise StopIteration # 结束迭代# 使用迭代器yield 1yield 2yield 3print(i)通过学习迭代器与生成器，我理解了 Python 中高效遍历数据的两种方式。迭代器通过实现__iter__()与__next__()控制访问过程，适合自定义复杂状态逻辑；生成器以yield简洁定义，自动维护状态，适用于大数据或无限序列等惰性计算场景。

2025-07-17 18:32:41 799

原创 Python学习-类和对象的基本概念及属性和方法的常见分类和使用场景

在 Python 中，类（Class）是用来创建对象的模板，它封装了属性（数据）和方法（行为）。通过类可以生成多个对象，实现代码复用和结构清晰。class 类名:def __init__(self, 参数):self.属性 = 参数 # 初始化属性def 方法(self):# 定义行为def __init__(self, name, age): # 构造方法，在创建对象时自动调用self.name = name # 实例属性def greet(self): # 实例方法。

2025-07-16 18:53:13 729

原创 Python学习-递归函数及装饰器函数

阶乘是数学中一个基本概念，表示从1到nn!递归终止条件：当n == 1时，1!= 1递归调用关系n!if n == 1:return 1else:print(factorial(5)) #结果为120通过学习递归函数和装饰器函数，我深刻理解了函数式编程的强大与灵活。递归函数能优雅地解决分解类问题，如阶乘与斐波那契数列，提升了逻辑思维能力；装饰器函数则体现了Python语法的简洁与强大，可在不修改原函数的基础上增强功能，为开发提供了高效、优雅的扩展方式。

2025-07-15 16:25:22 975

原创 Python学习-函数的位置传参、关键词传参及其可变性和解包操作

args多参数解包让函数调用更灵活，适合参数来源动态或数量不固定的场景，如调用封装函数、数据自动填充等通过学习Python函数的位置传参、关键词传参及其可变参数和解包操作，我更加理解了函数参数传递的灵活性与多样性。位置传参简洁直观，关键词传参提高可读性，而可变参数使函数更具通用性。配合解包操作，可以高效地处理数据输入和动态参数，极大提升了编程效率和函数的复用能力。这些知识为我编写灵活、结构清晰的函数打下了坚实基础。

2025-07-14 18:44:12 455

原创 Python学习-推导式及常见语句和内置函数总结

通过学习Python中的推导式、常见语句（如条件语句、循环语句、异常处理）以及常用内置函数，我更深入地理解了Python语言的简洁与强大。这些知识不仅提高了编程效率，也增强了我解决实际问题的能力，为后续深入学习打下了坚实基础。

2025-07-11 16:55:09 623

原创 Python学习-序列类型变量

通过学习Python中的复合数据类型，如列表、元组、字典和集合，深刻感受到它们在数据存储和处理中的重要性。每种类型都有其独特的特点和用途，掌握它们能帮助我更高效地进行编程和解决实际问题。

2025-07-10 15:42:09 1022

原创 Python学习-基础变量类型

（python的变量使用与C语言的变量使用不一样，在C语言中我们定义一个变量需在变量前规定它的数据类型，如：int、char、long、float等，但在Python中我们不需要这样定义）Python中的变量就是变量，它没有类型，我们所说的"类型"是变量指向的内存中对象的类型。0、0.0、-0.0、空字符串、空列表、空字典、空集合、空元组、None等都是False；变量是代数的思想，是用来引用数据和功能占位的，具备动态性和可变性；为空，则返回字符之间的空字符串数，即字符串的长度加一。

2025-07-09 16:31:11 763

原创 Python学习-环境配置

Anaconda 是当前最受欢迎的开源数据科学平台，支持 Python 和 R 语言，广泛应用于数据分析、机器学习、人工智能及科学计算领域。它提供了一套完整的工具链，简化了数据科学相关工具和库的管理与部署。

2025-07-08 20:04:01 1461 1

qq_74893270的博客