LaTex itemize enumerate 枚举 编号使用

24 篇文章 5 订阅

文章目录

itemize

{itemize} 命令对文本进行简单的排列,不是采用序号,而是实心圆点符号。这个命令需要和 \item 配合使用。

\begin{itemize}
  \item Huawei
  \item Xiaomi
  \item Oppo
\end{itemize}

在这里插入图片描述

\begin{itemize}
  \item[-] Huawei
  \item[-] Xiaomi
  \item[-] Oppo
\end{itemize}

在这里插入图片描述

enumerate

想要改变 enumerate 的序号 首先 引入包:

\usepackage{enumerate}

\begin{enumerate}
  \item Huawei
  \item Xiaomi
  \item Oppo
\end{enumerate}

在这里插入图片描述

\begin{enumerate}[A]
  \item Huawei
  \item Xiaomi
  \item Oppo
\end{enumerate}

在这里插入图片描述

注:可以使用 A,a,I,i,1 作为可选项产生 \Alph,\alph,\Roman,\roman,\arabic 的效果。

  • 18
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
使用Python和OpenCV进行实时物体识别,可以按照以下步骤进行: 1. 安装Python和OpenCV:首先,确保已经成功安装了Python和OpenCV库。可以使用pip工具通过终端或命令提示符运行以下命令来安装OpenCV:pip install opencv-python 2. 引入所需库:在Python脚本的开头,导入必要的库。这包括cv2和numpy。代码示例:import cv2 import numpy as np 3. 读取视频输入:使用cv2.VideoCapture函数来读取视频输入。代码示例:cap = cv2.VideoCapture(0) # 0表示摄像头 4. 加载物体图像:使用cv2.imread函数加载要识别的物体的图像。代码示例:object_image = cv2.imread("object.jpg") 5. 定义特征提取器:使用OpenCV的ORB(Oriented FAST and Rotated BRIEF)特征提取器来检测物体的关键特征点。代码示例:orb = cv2.ORB_create() 6. 提取关键特征:使用ORB特征提取器来计算物体图像的关键特征和描述符。代码示例:kp_object, des_object = orb.detectAndCompute(object_image, None) 7. 启动循环:使用一个无限循环,来进行连续的实时物体识别。代码示例:while True: 8. 读取实时视频帧:在循环中,使用cap.read()函数来读取每一帧的视频。代码示例:ret, frame = cap.read() 9. 提取当前帧的关键特征和描述符:使用ORB特征提取器来计算当前帧的关键特征和描述符。代码示例:kp_frame, des_frame = orb.detectAndCompute(frame, None) 10. 特征匹配和筛选:使用OpenCV的BFMatcher来进行关键特征的匹配,并筛选出最佳匹配。代码示例:bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) matches = bf.match(des_object, des_frame) matches = sorted(matches, key=lambda x: x.distance) 11. 绘制匹配结果:使用cv2.drawMatches函数,将匹配的关键特征点在图像上进行可视化。代码示例:matched_result = cv2.drawMatches(object_image, kp_object, frame, kp_frame, matches[:10], None, flags=2) 12. 显示结果:使用cv2.imshow函数,将识别结果显示在窗口中。代码示例:cv2.imshow("Result", matched_result) 13. 退出循环:当按下键盘上的任意键时,通过cv2.waitKey函数检测并退出循环。代码示例:if cv2.waitKey(1) & 0xFF == ord('q'): break 14. 释放资源:在结束程序之前,使用cap.release()函数来释放视频输入资源。代码示例:cap.release() 15. 关闭窗口:使用cv2.destroyAllWindows函数来关闭所有的显示窗口。代码示例:cv2.destroyAllWindows() 通过按照上述步骤,就可以实现使用Python和OpenCV进行实时物体识别了。可以根据具体需求,对整个流程进行调整和优化。
评论 2
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

打赏作者

TransientYear

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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