跑完步后拉伸!这几个动作帮你放松关键肌群

很多跑者在受伤之后,才会懂得跑后拉伸的重要性。想要跑得健康,跑后拉伸是必不可少的环节。

这是因为,在跑步过程中,我们的肌肉会不断收缩,如果跑后不拉伸这些肌肉,随着时间的推移,我们的肌肉和身体灵活性就会降低。

而拉伸可以保持身体肌肉的柔韧性,使他们保持最大的活动范围。

但跑后拉伸具体该怎么做,很多人都一头雾水。有的干脆不做,有的做了却做错了,白白浪费了时间。

今天我们就来介绍8个跑后拉伸动作,它们可以帮助你放松关键肌肉群,让你避免伤病的发生。

1.股四头肌

股四头肌覆盖了大腿前部和两侧的大部分区域。如果你的跑步路线中包含上坡和下坡的话,那么拉伸股四头肌是十分必要的。

动作要点:

·身体站直,用同侧手臂将腿向后拉
·小腿尽可能紧贴大腿
·膝盖向下,保护膝关节
·保持至少30秒,然后换边

你也可以找一把椅子扶着来保持平衡。你的大腿前部、臀部到膝盖,都应该有拉伸感。

2.腘绳肌

腘绳肌就是大腿后侧的肌群,包括半腱肌、半膜肌和股二头肌。

动作要点:

·坐在地上,伸展左腿;
·右脚尽可能放到左腿大腿内侧,接触到左腿根
·身体前倾,保持上身挺直,背部和腰部不要弯
·保持至少30秒,换边

3.腓肠肌

腓肠肌是小腿后方浅层肌肉,其实就是我们的小腿肚。如果拉伸不正确,可能会导致更大的受伤概率。

动作要点:

·身体站立,右脚在前,左脚在后
·左腿伸直向前顶,右腿向前弯曲
·左腿膝盖不要弯曲,左脚稳稳地在地面上,指向前方
·挺直背部,保持30秒,换边

做这个动作时,你应该能感觉到膝盖后方到脚踝部分的拉伸感。

4.髂胫束

髂胫束综合征是很多跑友都会遇到的问题。跑量增加过大或跑姿有问题,都会导致髂胫束疼痛,也就是膝盖外侧疼痛。

动作要点:

·左右脚交叉站立,右脚脚踝在左脚脚踝前
·右臂自然不动保持平衡,左臂向前越过头顶
·躯干及手臂向上、向右侧伸展
·保持30秒,换边

当身体向右侧伸展时,你应该感觉到左腿的拉伸。

5.腰大肌

腰大肌是位于腰椎两侧的长肌,具有维持身体稳定、传导上下肢力量的功能。

动作要点:

·右腿向前,双膝呈90度
·挤压臀大肌,骨盆向下倾斜,臀部向前顶,直到感觉到拉伸
·左臂举过头顶,轻轻向右伸,躯干向左

6.大腿内收肌

大腿内收肌位于大腿内侧,从骨盆延伸到大腿。

动作要点:

·双脚分开站立
·左腿不动,身体向右倾斜,右膝弯曲,直到感觉到拉伸
·保持30秒,换边

做这个动作时你应该感觉到大腿内侧的拉伸。

7.脊柱

如果你在较硬的路面跑步,会给脊柱施加额外的压力,导致脊柱僵硬和疼痛。

动作要点:

·仰卧,双臂向两侧伸展
·左膝上提,尽量贴近胸部
·轻轻将左膝向右倾斜,保持右臂和肩胛骨着地
·感觉到拉伸时停下

8.腰背部肌肉

动作要点:

·仰卧
·双手抱膝,将膝盖上提至胸部,直到你感觉到拉伸
·保持30秒

以上这8个动作,视自己跑后的身体状况而定。当然,如果你时间充裕,也可以都做,这样可以更好地帮助你缓解疲劳、避免伤病。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
很高兴为您解答这个问题。线性拉伸是一种简单有效的图像增强算法,它可以将图像像素间的灰度值映射到更广的范围内,从而增强图像的对比度和细节。以下是一种常见的线性拉伸实现方式: 1. 读取待增强图像,并获取其灰度级范围 2. 定义拉伸后的灰度级范围,例如[0, 255] 3. 对于每个像素,计算其在待增强图像中的灰度级值和最小灰度级值的差值与灰度级范围的差值的比例,再乘以255,即为拉伸后的灰度级值 4. 将得到的拉伸后的灰度级值写入输出图像的对应位置 以下是一个Python示例代码实现: ```python import cv2 import numpy as np # 读取待增强图像,并获取其灰度级范围 img = cv2.imread('input.jpg', cv2.IMREAD_GRAYSCALE) minVal, maxVal, _, _ = cv2.minMaxLoc(img) # 定义拉伸后的灰度级范围 newMinVal = 0 newMaxVal = 255 # 对于每个像素,计算其在待增强图像中的灰度级值和最小灰度级值的差值与灰度级范围的差值的比例,再乘以255,即为拉伸后的灰度级值 outImg = ((img-minVal)/(maxVal-minVal))*(newMaxVal-newMinVal)+newMinVal # 将得到的拉伸后的灰度级值写入输出图像的对应位置 outImg = np.round(outImg).astype(np.uint8) cv2.imwrite('output.jpg', outImg) cv2.imshow('output', outImg) cv2.waitKey(0) cv2.destroyAllWindows() ``` 需要注意的是,线性拉伸算法虽然可以增强图像的对比度和细节,但对于某些图像可能会产生不良影响,比如过度增强噪声。因此,在实际应用中需要根据图像的特点进行选择和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值