首页/新闻资讯/正文详情

OpenCV图像处理基础实战:从读图到梯度,代码详解与避坑指南

发布时间:2026/11/19 0:53:41 来源:云帆数科 栏目:资讯中心
OpenCV图像处理基础实战:从读图到梯度,代码详解与避坑指南
简介这份PDF面向计算机视觉与图像处理入门者及人工智能方向学习者聚焦OpenCV基础操作与配套详解代码帮助读者在较短时间内建立图像读取、显示与处理的基本认知。内容涵盖图像读取与三维矩阵结构、cv_show显示函数封装、BGR三通道合并与单通道提取、copyMakeBorder五种边界填充方式、addWeighted图像融合以及threshold五种阈值处理类型并延伸至均值滤波等图像平滑操作代码均附注释便于对照练习。资源包共1个PDF文件大小约132KB轻量易读适合作为随查随用的入门笔记。目前已有1215人学习下载可作为OpenCV基础阶段的参考材料帮助读者理解常用函数的参数含义与调用方式并在此基础上自行扩展实验。1. 从一份 PDF 笔记说起这套 OpenCV 基础代码到底能帮你干什么刚接手一个图像预处理模块时我翻遍了项目里的工具函数发现真正天天用到的还是读图、显示、通道拆分、阈值、滤波、形态学、梯度这几样。手上这份《计算机视觉图像处理 Opencv 基础知识附详解代码上》就是围绕这些最基础也最高频的操作整理的一份代码笔记作者在学习过程中做了微调把每个知识点都落成了能直接跑的 Python 片段。它不适合想直接训练检测模型的人但对刚进计算机视觉方向、需要把 OpenCV 图像处理基本功打扎实的开发者来说是一份可以边跑边改的实操材料。下面我按自己拆项目的习惯把这份笔记里的代码逐块过一遍讲清每段在干什么、参数怎么调、哪里容易翻车。2. 环境与代码骨架把读图、显示、通道操作跑通2.1 依赖安装与最小可运行环境这份笔记全部基于 Python 和 OpenCV 的 Python 绑定配套用 matplotlib 做多图对比展示numpy 处理矩阵运算。三件套装好就能跑不需要编译源码也不需要 GPU。# 建议在虚拟环境里装避免和系统里的其他包打架 python -m venv cv_env source cv_env/bin/activate # Windows 下用 cv_env\Scripts\activate pip install opencv-python matplotlib numpyopencv-python是带 GUI 支持的完整包cv2.imshow能正常弹窗如果只在服务器上跑、不需要窗口可以换opencv-python-headless体积小一些但imshow会直接报错。这一点后面避坑章节还会提到。装完后用一行代码验证import cv2 print(cv2.__version__) # 能打印出版本号就说明装好了2.2 读图与显示一个 cv_show 函数省掉重复代码笔记里最先出现的是读图和显示。OpenCV 读进来的图像是 numpy 三维数组形状为(h, w, c)通道顺序是 BGR 而不是 RGB这是后面所有颜色操作的基准。import cv2 import matplotlib.pyplot as plt import numpy as np # 读取图像默认按 BGR 三通道读入返回 (h, w, 3) 的矩阵 img cv2.imread(giraffe.jpg) def cv_show(name, img): 统一封装显示逻辑弹窗、等待按键、销毁窗口 cv2.imshow(name, img) cv2.waitKey(0) # 0 表示无限等待直到任意键按下 cv2.destroyAllWindows() # 关闭所有窗口避免残留 cv_show(giraffe, img)cv_show这个封装看着简单实际很实用。cv2.imshow单独调用时窗口一闪就没了必须配waitKey才能停住而waitKey(0)是阻塞式的不按键程序就卡在那所以调试脚本里最好一次只显示一张或者改用 matplotlib 拼图。destroyAllWindows也别省反复调试时窗口叠一堆关起来很烦。读图时还可以指定模式cv2.imread(x.jpg, cv2.IMREAD_GRAYSCALE)直接读成单通道灰度图cv2.IMREAD_COLOR是默认的彩色读法。灰度图在阈值、梯度、形态学这些环节几乎是标配因为大部分算子只接受单通道输入。2.3 通道拆分与合并理解 BGR 索引顺序笔记里用cv2.merge合并通道用切片把某两个通道置零来观察单通道效果。这段代码的价值在于让你记住索引 0、1、2 分别对应 B、G、R。b, g, r cv2.split(img) # 拆成三个单通道矩阵 img_merged cv2.merge((b, g, r)) # 再合并回去顺序不能错 # 只保留红色通道把 B 和 G 置零 cur_img img.copy() # 一定要 copy否则会改到原图 cur_img[:, :, 0] 0 # 索引 0 是 B cur_img[:, :, 1] 0 # 索引 1 是 G cv_show(R, cur_img)这里有个血泪经验cur_img img是引用赋值改cur_img等于改原图后面再想用原图就没了。笔记里用.copy()是对的但很多人抄代码时会漏掉。另外cv2.split和 numpy 切片都能拆通道前者可读性好后者性能略优日常调试用哪个都行。只保留 G 通道时把索引 0 和 2 置零只保留 B 时把索引 1 和 2 置零逻辑一致照着改索引就行。3. 像素级操作拆解边界填充、融合与阈值3.1 边界填充五种 borderType 的差别cv2.copyMakeBorder用来给图像四周补边卷积、模板匹配前经常需要。笔记里把五种模式并排展示这个对比很有必要因为不同模式在边缘处的填充逻辑完全不同。top, bottom, left, right (50, 50, 50, 50) # 复制边缘像素 replicate cv2.copyMakeBorder(img, top, bottom, left, right, borderTypecv2.BORDER_REPLICATE) # 镜像填充包含边缘像素本身 reflect cv2.copyMakeBorder(img, top, bottom, left, right, borderTypecv2.BORDER_REFLECT) # 镜像填充不包含边缘像素101 表示反射轴偏移一位 reflect101 cv2.copyMakeBorder(img, top, bottom, left, right, borderTypecv2.BORDER_REFLECT_101) # 环绕填充像平铺一样把对边接过来 wrap cv2.copyMakeBorder(img, top, bottom, left, right, borderTypecv2.BORDER_WRAP) # 常量填充value 指定填充值 constant cv2.copyMakeBorder(img, top, bottom, left, right, borderTypecv2.BORDER_CONSTANT, value0)参数含义很直白四个 size 分别是上、下、左、右补的像素行数或列数borderType决定填充规则value只在BORDER_CONSTANT时生效。实际项目里BORDER_REFLECT_101用得最多因为它不会在边缘产生明显的重复条纹做滤波时边缘过渡更自然。BORDER_REPLICATE适合纯色背景图BORDER_WRAP基本只在纹理平铺场景用。用 matplotlib 的subplot拼成 2×3 网格对比能一眼看出差异笔记里那段plt.subplot(231)到plt.show()就是干这个的。3.2 图像融合addWeighted 的权重与尺寸约束图像融合就是把两张图按比例叠加笔记里用cv2.addWeighted实现。这个函数要求两张图尺寸和通道数完全一致否则直接报错。# res img1 * alpha img2 * beta gamma res cv2.addWeighted(img_eagle, 0.6, img_giraffe, 0.4, 0)alpha和beta是两个权重gamma是叠加的偏置值公式是res img1*alpha img2*beta gamma。权重之和一般取 1这样结果亮度不会整体偏移如果想让融合图更亮可以把 gamma 调成正数。尺寸不一致时先用cv2.resize对齐img_giraffe cv2.resize(img_giraffe, (img_eagle.shape[1], img_eagle.shape[0]))注意resize的参数顺序是(宽, 高)而shape返回的是(高, 宽, 通道)这里很容易写反写反了图会被拉变形。3.3 阈值处理五种 type 的取舍阈值是二值化的核心cv2.threshold返回两个值实际使用的阈值和结果图。输入必须是单通道灰度图。img_gray cv2.imread(giraffe.png, cv2.IMREAD_GRAYSCALE) # 超过 127 取 255否则取 0 _, th1 cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY) # 上述结果反转 _, th2 cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV) # 超过阈值部分截断为阈值其余不变 _, th3 cv2.threshold(img_gray, 127, 255, cv2.THRESH_TRUNC) # 超过阈值不变否则置 0 _, th4 cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO) # 上述结果反转 _, th5 cv2.threshold(img_gray, 127, 255, cv2.THRESH_TOZERO_INV)thresh是阈值maxval是超过阈值时赋的值type决定比较方向和处理方式。THRESH_BINARY最常用适合前景亮背景暗的图THRESH_OTSU可以自动算阈值但笔记里没展开实际项目里遇到光照不均的图我一般会先试 Otsu 再手动微调。五种结果用plt.subplot(2, 3, i1)拼图对比是理解它们差别最快的方式。4. 滤波与形态学去噪、腐蚀膨胀的完整链路4.1 四种平滑滤波的适用场景图像平滑用来压噪声笔记里给了均值、方框、高斯、中值四种。它们的卷积核逻辑不同效果差别很明显。img cv2.imread(lenaNoise.jpg) # 均值滤波3x3 核内取平均 blur cv2.blur(img, (3, 3)) # 方框滤波normalizeTrue 时等同均值滤波False 时只求和可能溢出 box cv2.boxFilter(img, -1, (3, 3), normalizeTrue) # 高斯滤波核内权重服从高斯分布中心权重更大 gaussian cv2.GaussianBlur(img, (5, 5), 1) # 中值滤波取核内中位数对椒盐噪声特别有效 median cv2.medianBlur(img, 5)cv2.blur的第二个参数是核大小必须是奇数。boxFilter的-1表示输出深度与原图一致normalizeFalse时求和容易超过 255 被截断一般保持 True。GaussianBlur的第三个参数是标准差设 0 时由核大小自动推算。medianBlur的核大小直接传一个整数5 表示 5×5 邻域。椒盐噪声用中值滤波效果最好高斯噪声用高斯滤波这是选型的基本判断。笔记里每段都配了imshow和waitKey调试时一张张看能直观感受到核越大越糊。4.2 腐蚀与膨胀kernel 和 iterations 的作用形态学操作的基础是腐蚀和膨胀笔记里用np.ones构造 kernel然后调cv2.erode和cv2.dilate。kernel np.ones((5, 5), np.uint8) # 腐蚀核内取最小值亮区收缩暗区扩大 erosion cv2.erode(img, kernel, iterations1) # 膨胀核内取最大值亮区扩大暗区收缩 dilate cv2.dilate(erosion, kernel, iterations1)kernel是结构元素全 1 的矩形核最常用也可以自定义十字形或椭圆形。iterations是迭代次数次数越多效果越强但过度腐蚀会把小目标直接抹掉。腐蚀常用来去小噪点、断开粘连膨胀用来填补孔洞、连接断裂。两者顺序反过来就是开运算和闭运算下一节展开。4.3 开闭运算、梯度、礼帽黑帽morphologyEx 一个函数全包笔记里用cv2.morphologyEx把组合操作都串起来了这个函数是形态学的总入口。# 开运算先腐蚀后膨胀去小噪点、保持大目标尺寸 opening cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) # 闭运算先膨胀后腐蚀填小孔洞 closing cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) # 梯度膨胀减腐蚀得到目标轮廓 gradient cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) # 礼帽原图减开运算突出比背景亮的小区域 tophat cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) # 黑帽闭运算减原图突出比背景暗的小区域 blackhat cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)MORPH_OPEN适合去除背景上的小白点MORPH_CLOSE适合填补目标内部的小黑洞。梯度运算等价于dilate - erode笔记里也手动算了一遍做对照结果一致。礼帽和黑帽在缺陷检测里用得不少比如找亮背景上的暗斑或者暗背景上的亮斑。kernel 大小要根据目标尺度调目标小就用 3×3目标大再往上加。5. 图像梯度Sobel、Scharr、Laplacian 的对比与坑5.1 Sobel 算子的 dx、dy 与绝对值转换梯度用来找边缘Sobel 是最常用的算子。笔记里反复强调一个点负梯度会被截断成 0所以必须取绝对值。img cv2.imread(eagle.jpg, cv2.IMREAD_GRAYSCALE) # 水平方向梯度ksize3 表示 3x3 的 Sobel 核 sobelx cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize3) sobelx cv2.convertScaleAbs(sobelx) # 取绝对值并转回 uint8 # 垂直方向梯度 sobely cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize3) sobely cv2.convertScaleAbs(sobely) # 两个方向加权合并 sobelxy cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)cv2.CV_64F是输出深度用浮点是为了保留负值如果直接写cv2.CV_8U负梯度全变 0边缘会缺一半。dx1, dy0算水平方向dx0, dy1算垂直方向两个都设 1 虽然能算但效果不如分开算再合并笔记里也做了这个对比。convertScaleAbs做的是绝对值加缩放是梯度可视化的标准收尾。5.2 Scharr 与 Laplacian什么时候换算子Scharr 是 Sobel 的增强版核系数更大对小边缘更敏感Laplacian 是二阶算子对噪声更敏感通常配合滤波使用。# Scharr 不需要指定 ksize固定 3x3 scharrx cv2.Scharr(img, cv2.CV_64F, 1, 0) scharrx cv2.convertScaleAbs(scharrx) # Laplacian 直接算二阶导 laplacian cv2.Laplacian(img, cv2.CV_64F) laplacian cv2.convertScaleAbs(laplacian) # 四种结果横向拼接对比 res np.hstack((img, sobelxy, scharrxy, laplacian)) cv_show(res, res)np.hstack要求所有图高度一致灰度图都是单通道拼起来没问题。Scharr 在边缘较弱时比 Sobel 更清晰Laplacian 适合做粗边缘检测但前提是先做高斯平滑否则噪声会被放大成满屏亮点。实际项目里我一般先用高斯滤波压一遍再上梯度算子这个顺序别搞反。6. 避坑与二次开发把这份笔记变成自己的工具库6.1 常见问题排查现象cv2.imshow报错The function is not implemented。原因多半是装了opencv-python-headless这个包不带 GUI 后端。解决方法是卸载后重装opencv-python或者在无界面环境里改用matplotlib显示、用cv2.imwrite存图。现象阈值处理报src is not a numpy array或通道数错误。原因是把彩色图直接传给了cv2.threshold它只接受单通道。解决方法是先cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)转灰度再进阈值函数。现象Sobel 出来的边缘只有一半。原因是输出深度用了cv2.CV_8U负梯度被截断。解决方法是统一用cv2.CV_64F算完再convertScaleAbs。现象形态学操作后目标消失。原因是 kernel 太大或iterations太多小目标被腐蚀没了。解决方法是先把 kernel 降到 3×3、迭代 1 次看效果再逐步加。现象matplotlib 显示的颜色和原图对不上。原因是 OpenCV 读进来是 BGRmatplotlib 按 RGB 渲染。解决方法是在plt.imshow前做cv2.cvtColor(img, cv2.COLOR_BGR2RGB)或者直接用cv2.imshow看。6.2 二次开发方向与验证方法这份笔记的代码是散点式的二次开发的第一步是把它们收拢成一个工具模块。我一般会建一个cv_utils.py把cv_show、read_gray、sobel_xy、morph_clean这些高频操作封装成函数参数带默认值主脚本只负责调。验证方法很直接拿同一张测试图分别跑封装前和封装后的代码用np.array_equal比对输出矩阵确保封装没改变行为。再往上一层可以把阈值、滤波、形态学串成一条预处理流水线输入原图、输出干净的二值掩码中间每一步的结果都存图留档。这样调参时能快速定位是哪一步出了问题而不是对着最终结果猜。笔记里的每个知识点都是流水线上的一个节点先保证单点可复现再谈组合。6.3 一个具体技巧用参数化函数替代硬编码笔记里很多参数是写死的比如阈值 127、kernel 5×5。二次开发时把它们提成函数参数配合默认值既能快速跑通又能灵活调整。def preprocess(img_path, thresh127, ksize5, blur_typemedian): 读图 - 灰度 - 滤波 - 阈值返回二值图 img cv2.imread(img_path, cv2.IMREAD_GRAYSCALE) if blur_type median: img cv2.medianBlur(img, ksize) elif blur_type gaussian: img cv2.GaussianBlur(img, (ksize, ksize), 0) _, binary cv2.threshold(img, thresh, 255, cv2.THRESH_BINARY) return binary这个函数把读图、滤波、阈值三步串起来thresh、ksize、blur_type都能从外部传。验证时换几组参数跑同一张图对比二值结果的连通域数量就能判断哪组参数更适合当前场景。我习惯在函数里加一句cv2.imwrite把中间结果落盘调参时不用反复改代码重跑。从那以后我每次拿到这类基础代码笔记都会先把它拆成可参数化的函数、跑一遍矩阵比对再往项目里搬。散落的代码片段直接复制进工程后面维护起来就是灾难。希望这份拆解能帮到你把这份 OpenCV 基础笔记真正跑起来、改起来。本文还有配套的精品资源点击获取

相关推荐

SAP SD配置手册:从组织架构到复制控制的实操顺序与避坑指南
SAP SD配置手册:从组织架构到复制控制的实操顺序与避坑指南

简介:面向SAP SD(销售与分销)模块初学者与实施顾问的基础配置参考手册,聚焦从报价到发货全流程的系统配置逻辑,帮助读者理清销售组织、分销渠道、产品组等核心组织单元之间的关联关系,解决配置入门阶段概念… · 2026/11/3 9:00:45

多帧图像超分辨率重构:亚像素配准、融合与可运行检查
多帧图像超分辨率重构:亚像素配准、融合与可运行检查

简介:这份代码包围绕多帧图像超分辨率重构展开,面向已具备图像处理与MATLAB基础、希望从原理到实现系统实践的学习者和开发者,重点解决低分辨率多帧图像融合、去噪去模糊、模型训练与效果评估等环节的落地问题。压缩包共399个文件、约15.38MB… · 2026/11/17 7:27:16

无源无感、零电磁辐射:纯视觉定位破解涉密训练场管控难题
无源无感、零电磁辐射:纯视觉定位破解涉密训练场管控难题

方案导语涉密训练场作为高安全等级军事训练与战术演练核心场地,严格执行电磁静默、设备极简、场景保真、数据保密的刚性管控标准。传统训练场定位管控普遍采用UWB、蓝牙、卫星定位、有源标签、穿戴终端等技术,依赖大量射频基站、信号发射设备、带电终端硬… · 2026/11/4 20:21:04

职称电工证有用吗现在?学历不高怕报不上名?官方报名入口在这里
职称电工证有用吗现在?学历不高怕报不上名?官方报名入口在这里

职称电工证有用吗现在?学历不高怕报不上名?官方报名入口在这里 你是不是也这样想:学历不高,怕考不上职称电工证?其实现在考电工证,特别是职称电工证,已经不是学历的门槛,而是你能否在行业里站稳脚跟的关键。职称电工证有用吗现在?答案是:… · 2026/11/19 0:53:22

考电工证被骗了官方回应:别让培训费打水漂
考电工证被骗了官方回应:别让培训费打水漂

考电工证被骗了官方回应:别让培训费打水漂 怕考不过白交培训费,这是很多准备考电工证的人心里的疙瘩。最近,不少学员在郑州、洛阳等地反映,自己报名的培训机构根本不靠谱,考试一再延期,甚至直接消失, 官方回应… · 2026/11/19 0:53:22

绍兴哪里能考电工证官方报名入口怎么找
绍兴哪里能考电工证官方报名入口怎么找

绍兴哪里能考电工证官方报名入口怎么找 怕考不过白交培训费?绍兴电工证报名有门道,官方入口不走偏 案例背景:新乡小李的电工证报考之路… · 2026/11/19 0:53:22

长垣办低压电工证地方官方回应:证书过期了不知道怎么复审延期?这几点必须知道
长垣办低压电工证地方官方回应:证书过期了不知道怎么复审延期?这几点必须知道

长垣办低压电工证地方官方回应:证书过期了不知道怎么复审延期?这几点必须知道 证书过期了不知道怎么复审延期?你不是一个人,很多人在工作中遇到这种情况时,常常手忙脚乱,不知道该从哪里开始。尤其是在长垣办低压电工证地方,很多电工从业者因为不熟悉流… · 2026/11/19 0:53:21

惠州考电工证哪里考的证怎么转异地 这些考前押题你得知道
惠州考电工证哪里考的证怎么转异地 这些考前押题你得知道

惠州考电工证哪里考的证怎么转异地 这些考前押题你得知道 之前考的证在外省能不能转过来?这个问题困扰了不少在惠州打工的外来务工人员。特别是那些已经在外地考了低压电工证或高压电工证,现在想在惠州继续工作的朋友,最怕的就是证书不能异地转移,耽误了… · 2026/11/19 0:53:21

能源局高级电工证怎么考?郑州报考避坑指南全解析
能源局高级电工证怎么考?郑州报考避坑指南全解析

能源局高级电工证怎么考?郑州报考避坑指南全解析 实操考试心里没底怕挂科?你不是一个人。尤其是像你这样在河南的应届工程类毕业生,手里攥着一份电工相关专业毕业证书,想考个 能源局高级电工证… · 2026/11/19 0:52:21

长春初级电工证怎么考?通过率揭秘全在这里
长春初级电工证怎么考?通过率揭秘全在这里

长春初级电工证怎么考?通过率揭秘全在这里 之前考的证在外省能不能转过来?这几乎是每个想从事电工工作的人都会问的问题。特别是那些在外地打拼多年、手里握着一张“外地电工证”的人,到了长春想继续干这一行,第一反应就是“我的证能用吗?”。今天我们就… · 2026/11/18 8:19:55

国内电工证报考条件与考试时间
国内电工证报考条件与考试时间

低压电工证怎么考?学历不高也能报名,官方报名入口全在这 你是不是经常听说“电工证是入行门槛”,但又担心自己学历不够、经验不足,根本报不了名?别急,今天就带你从零了解【国内电工证】的报考流程、考试内容,还有怎么在 官方报名入口… · 2026/11/18 8:19:53

电工作业时如何断电?电子证书到底能不能全国通用?
电工作业时如何断电?电子证书到底能不能全国通用?

电工作业时如何断电?电子证书到底能不能全国通用? 实操考试心里没底怕挂科,特别是电工作业时如何断电这一操作,不仅关系到你能不能拿到证书,更关系到以后能不能顺利上岗。很多人觉得这不过就是“断个电”,但其实这里面的门道可不少,稍有不慎就可能出错… · 2026/11/18 14:38:14

姑苏区哪里考电工证好考前押题怎么找
姑苏区哪里考电工证好考前押题怎么找

姑苏区哪里考电工证好考前押题怎么找 工地太忙根本没时间复习考试,电工证考前还总找不到靠谱的 考前押题 资源,真让人头疼。如果你也是在苏州姑苏区从事建筑或电力行业的,那这些建议你一定要看完。 为什么姑苏区考电工证的人这么多?… · 2026/11/19 0:00:12

罗定能考电工证吗?外省证转过来流程全解析+郑州报考避坑指南
罗定能考电工证吗?外省证转过来流程全解析+郑州报考避坑指南

罗定能考电工证吗?外省证转过来流程全解析+郑州报考避坑指南 之前考的证在外省能不能转过来?这几乎是每个特种作业证书持有者都会遇到的问题,特别是像你这样已经在外地工作多年,想回老家罗定发展或者重新规划职业路径的人。别急,今天就给你一条清晰的路… · 2026/11/19 0:00:12

罗定能考电工证吗 电工证含金量到底有多少?
罗定能考电工证吗 电工证含金量到底有多少?

罗定能考电工证吗 电工证含金量到底有多少? 之前考的证在外省能不能转过来,这几乎是每个准备考电工证的朋友最先想到的问题。特别是在罗定这样的地方,很多人的电工证都是在外地考的,现在想在当地继续使用,但不知道怎么办。实际上,电工证的 含金量… · 2026/11/19 0:00:12

双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试
双极步进电机控制实战:DRV8818PWPR与PIC18F86K22驱动调试

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/17 21:47:42

STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析
STM32F207ZG + DRV8818PWPR 步进电机驱动实战解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/17 21:47:42

DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案
DRV8818PWPR+dsPIC30F4013工业级双极步进电机控制方案

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/11/19 0:22:38

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码