用Python+PyQt5打造图片视频对比工具:从设计到打包全解析

简介:这是一款面向数字内容创作者、新媒体编辑及视觉分析初学者的多功能图片与视频比较工具,基于Python语言开发,依托PyQt5构建跨平台图形界面,解决日常工作中快速识别图像篡改、版本差异、格式异常及视频帧变化等实际问题。资源包共178个文件,含68个核心Python源码(实现图像像素比对、视频帧提取、音频波形分析等功能)、29个ICO图标与28个PNG界面资源(保障UI一致性)、21个多语言配置文件(支持国际化)、以及若干ICC色彩配置文件和可执行程序(如JPGC.exe、jpegr.exe),整体体积54.06MB,结构清晰,模块划分明确。目前已有72人学习下载,用户可直接运行exe快速体验,亦可深入阅读py源码理解图像处理逻辑(如Pillow集成用法)、PyQt5信号槽机制及批量比对流程设计,还可结合data.db数据库与lng多语言配置拓展本地化功能。 做图像和视频对比,最怕的不是算法难,而是流程碎。我之前要对比两张图,先找哈希工具算相似度;要对比视频某几帧,又得用播放器逐帧截图;最后想批量对比素材,只能写临时脚本,换台电脑就没了。后来我直接用 Python + PyQt5 把所有比较功能收进同一个桌面工具里,这个项目从需求到落地大概花了三个周末。这篇文章不吹不黑,把从设计、选型、核心实现到打包的完整过程拆开讲,适合正在折腾 GUI 工具、或者想给自己的工作流做点自动化的朋友参考。

1. 项目概述与功能设计思路

这个工具最终做成了一个小而全的桌面程序,我把名字暂定为 ImgComp。它支持图片和视频两条比较线:图片线能处理像素级差异、感知哈希相似度、直方图对比和差异高亮可视化;视频线能对两个视频按照时间点或帧号抽取画面,然后复用图片比较能力,也可以在抽帧后做批量相似度评估。整个界面用 PyQt5 搭的,比较逻辑用 OpenCV、NumPy 和 imagehash 完成。开发完以后,我日常比较素材、验证转码结果、检查渲染前后的差异,基本不再需要开一串命令行。

1.1 需求拆解:从“能跑”到“好用”

这个项目不是一开始就设计好的,而是被实际需求逼出来的。最早我只有几个 Python 脚本,比如用 imagehash 对比两个文件夹里的图片,输出相似度表格;再用 cv2 抽视频帧。确实能跑,但用起来很别扭:脚本参数记不住,每次都要翻历史命令;图片差异只有数值,看不到差异在画面的哪个位置;抽视频帧更麻烦,要算好时间点,再手动改脚本里的帧号。

后来我把需求重新梳理了一遍,核心是三个层次:第一,能看见差异,不要只给一串数字;第二,能交互,比如拖拽文件、缩放查看、实时预览;第三,能批量处理,至少要把两个文件夹的同名图片、或者两个视频自动对齐比较。这样一想,命令行确实不合适,需要图形界面。再考虑到后续可能会加功能、改交互,界面层的可维护性也要好。于是 PyQt5 就变成了最自然的选择,界面灵活,自带信号槽,多线程处理也比 tkinter 舒服。

1.2 功能清单与适用场景

我先把最终版本的功能列一张表,方便你对比自己的需求:

功能模块 具体能力 适用场景
图片像素级对比 计算两张图的像素差、差异率,输出差异热力图 验证压缩转码是否影响画质、检查图像编辑前后改动
图片感知哈希对比 计算 pHash / dHash,输出汉明距离和相似度判断 快速判断两张图是否相近、查找重复图片
直方图对比 输出 RGB 或灰度直方图相关系数、卡方距离 分析色调分布、检查调色前后整体变化
视频抽帧对比 按时间点或帧号从两个视频抽取画面,再复用图片比较 对比不同编码参数的视频中间帧、核对字幕出现时间
批量对比 遍历两个文件夹,按文件名配对比较,导出 CSV 报告 大批量素材验收、回归测试截图对比
可视化交互 左右并排显示、滚轮缩放、差异区域高亮 定位具体改动位置,而不是只看数字

这些功能拆得并不复杂,但组合起来以后,日常图像视频相关的“这俩到底有没有区别”的问题,基本都能在这个工具里闭环解决。后面我就在这个需求列表基础上做技术选型。

2. 技术选型解析

2.1 界面层:PyQt5 的成熟与灵活

选择 PyQt5,最直接的原因是我需要拖拽文件进来。PyQt5 对拖拽事件的支持很完整,重写 dragEnterEvent 和 dropEvent 就能拿到文件路径列表,这个步骤在 tkinter 里要绕不少弯。另一个原因是信号槽机制,耗时比较操作放在子线程,完成后通过信号把结果发回主线程,界面不会卡死,这在做视频抽帧对比时尤其重要。

还有一个容易被忽略的点:PyQt5 的高分辨率屏适配相对成熟。设置好 Qt.AA_EnableHighDpiScaling 之后,在 Windows 和 macOS 上显示都比较正常。这个工具面向的是我自己这类经常处理图片的人,对 UI 精细度有一定要求,PyQt5 的 QGraphicsView、QScrollArea 组合也能满足缩放和局部查看的需求。对比之下,虽然 PySide6 也有优点,但 PyQt5 的资料最多,遇到问题搜起来最快。

2.2 图像处理层:OpenCV + Pillow + imagehash 的分工

整个工具里图像视频处理分了三块,各有各的活儿。OpenCV 负责视频解码和底层像素操作,比如抽帧、计算直方图、像素相减。Pillow 负责打开各种图片格式,尤其是 JPEG、PNG、WebP 这些常见格式,OpenCV 在某些情况下读 WebP 不如 Pillow 稳。imagehash 负责感知哈希计算,它底层也是基于 Pillow 和 numpy,封装得很好,我只需要调用 phash 和 hamming_distance 两个接口。

这里有一个选型心得:不要试图用一个库解决所有问题。OpenCV 的 imread 在 Windows 下对中文路径支持很差,而 Pillow 可以直接 Image.open(path) 读中文路径;反过来,视频抽帧只有 OpenCV 能做,Pillow 做不了。所以工具里我做了归一化读取:图片优先用 Pillow 读成 RGB,再转成 BGR 给 OpenCV 做计算,这样既避免路径问题,又让两种库的数据能统一。

2.3 多线程与信号槽设计

一开始我也图省事,直接在界面线程里调用比较函数,结果拖入两张几 MB 的图片后,窗口立刻变成“无响应”,等十几秒才恢复。这显然不能接受。PyQt5 里解决这个问题要用 QThread,把耗时操作放到 run() 方法里跑,然后用 signal 把进度和结果发出来。

我遇到的一个经验是:信号槽里尽量不要传递 numpy 大数组。虽然 PyQt5 支持传递 QImage 或 QPixmap,但如果把一张很大的 numpy 数组通过 signal 发出去,界面还是会卡顿。正确做法是线程里先计算出差异图,转换成 QImage,再发这种“已经可以显示”的轻量对象。至于中间数据,用实例变量缓存或者临时文件过渡都行。

3. 核心功能实现细节

3.1 图片像素级差异检测

这是基础中的基础。两张图片如果尺寸一样,直接让 numpy 相减就行:

import cv2
import numpy as np

def pixel_diff(img_a, img_b):
    # 确保 BGR 顺序统一
    img_a = cv2.cvtColor(img_a, cv2.COLOR_RGB2BGR)
    img_b = cv2.cvtColor(img_b, cv2.COLOR_RGB2BGR)

    if img_a.shape != img_b.shape:
        # 最简单的处理:统一缩放到较小的尺寸
        h = min(img_a.shape[0], img_b.shape[0])
        w = min(img_a.shape[1], img_b.shape[1])
        img_a = cv2.resize(img_a, (w, h))
        img_b = cv2.resize(img_b, (w, h))

    diff = cv2.absdiff(img_a, img_b)
    gray_diff = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)
    # 统计差异像素占比,阈值为 30
    _, binary = cv2.threshold(gray_diff, 30, 255, cv2.THRESH_BINARY)
    diff_ratio = np.count_nonzero(binary) / binary.size

    # 生成热力图:差异越大颜色越亮
    heatmap = cv2.applyColorMap(cv2.convertScaleAbs(gray_diff, alpha=1.5), cv2.COLORMAP_JET)
    return diff_ratio, heatmap

这段代码里有几个细节值得说明。第一,尺寸不一致时不能直接相减,我先 resize 到较小尺寸,这会把两张图强制对齐,但也会引入缩放误差。更严谨的做法是弹窗让用户确认或手动填充,我的工具里默认改成“按较小尺寸裁剪”,这样比较的是同一区域,结果更直观。第二,阈值 30 不是拍脑袋定的,我拿测试素材试过,低于这个值会把 JPEG 压缩噪声都算成差异,高于 50 又会漏掉一些轻微改动,30 在大多数场景下比较均衡。第三,热力图用 cv2.applyColorMap 转成 JET 配色,红色区域就是差异明显的地方,比单纯看数字直观得多。

3.2 感知哈希相似度计算

像素级对比适合找“哪里有改动”,但很多场景只想知道“两张图是不是一张图”,这时候感知哈希更高效。它的核心思想是把图片缩小到固定尺寸、转换成灰度、提取频率特征,然后生成一串哈希值。两张图的汉明距离越小,相似度越高。

import imagehash
from PIL import Image

def perceptual_hash_similarity(path_a, path_b):
    hash_a = imagehash.phash(Image.open(path_a))
    hash_b = imagehash.phash(Image.open(path_b))
    distance = hash_a - hash_b  # 等价于 hamming_distance
    max_distance = 64  # phash 是 64 bit
    similarity = max(0, 1 - distance / max_distance)
    return distance, similarity

注意 hash_a - hash_b 在 imagehash 库里重载了运算符,返回的就是汉明距离。pHash 默认是 8x8 的 DCT 低频系数,结果是一个 64 bit 的哈希值,所以最大距离是 64。我自己的经验是:距离小于等于 10 基本可以视为同一张图,10 到 20 之间是“可能相似但需要确认”,超过 20 基本就是不同画面。但阈值必须结合业务调,比如比较视频压缩前后的帧,由于编码噪声影响,阈值可以放宽到 15;如果比较的图片本身有大量文字,pHash 会不那么灵敏,这时候换成 dHash 效果更好。

3.3 视频抽帧与帧间对比

视频比较比图片麻烦的地方在于时间对齐。直接按时间点读取经常不准,OpenCV 在压缩视频上的 CAP_PROP_POS_MSEC 并不总是精确。我用的是按帧号定位:

import cv2

def extract_frame(video_path, frame_number):
    cap = cv2.VideoCapture(video_path)
    if not cap.isOpened():
        return None
    cap.set(cv2.CAP_PROP_POS_FRAMES, frame_number)
    ret, frame = cap.read()
    cap.release()
    if not ret:
        return None
    return frame

比较两个视频时,我建议先通过 CAP_PROP_FRAME_COUNT 拿到总帧数,再算两张抽取帧的时间比例,而不是直接要求两边文件大小一致。比如视频 A 时长 100 秒,视频 B 时长 120 秒,我想比较中间位置,就分别取 50 * fps 和 60 * fps 帧。这样做的好处是即使两段视频编码参数不同、帧率不同,也能对齐到同一个相对时间点。

抽帧出来以后的比较,直接复用图片比较逻辑。我还会在界面上显示两个视频的分辨率、帧率、总帧数,方便用户判断是不是一开始就分辨率不一致。如果两个视频长度差太多,直接比较相对时间点意义不大,工具会提示用户手动输入具体时间点。

3.4 界面交互与拖拽缩放

界面交互里最常用的就是拖拽和缩放。拖拽文件进来,最关键的是拿到路径。PyQt5 的实现是这样的:

from PyQt5.QtWidgets import QMainWindow, QLabel
from PyQt5.QtCore import Qt

class ImagePanel(QLabel):
    def __init__(self):
        super().__init__()
        self.setAcceptDrops(True)
        self.setText("拖拽图片或视频到这里")
        self.setAlignment(Qt.AlignCenter)

    def dragEnterEvent(self, event):
        if event.mimeData().hasUrls():
            event.acceptProposedAction()

    def dropEvent(self, event):
        for url in event.mimeData().urls():
            path = url.toLocalFile()
            if path:
                self.load_file(path)
                break

缩放查看我用了 QScrollArea 套 QLabel 的方式,滚轮事件里改 QPixmap 的缩放尺寸。需要注意的点是:不要频繁重设大尺寸 QPixmap,应该缓存原始 QImage,滚轮结束后再用原始图重新缩放,否则内存占用会飙升。这里我踩过坑,一张 4000x3000 的图片,每滚一格就重新完整解码一次,直接卡死。后来改成“滚轮停止后 200ms 再刷新”,体验好很多。

4. 实操过程:从零搭建到打包发布

4.1 环境搭建与依赖安装

我建议所有项目都用虚拟环境,避免全局环境被弄乱。Windows 下用命令行操作:

python -m venv venv
venv\Scripts\activate
pip install PyQt5 opencv-python Pillow imagehash numpy pyinstaller

如果你网络不好,pip 会非常慢,可以加国内镜像:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple PyQt5 opencv-python Pillow imagehash numpy pyinstaller

这里有个版本提醒:Python 建议用 3.9 或 3.10。太新的 Python 版本有时候 PyQt5 还没对应 wheel,OpenCV 也可能编译失败。我最初用 Python 3.12 装 PyQt5 没报错,但一跑就崩,后来发现是某个依赖没跟上,退回 3.9 就稳定了。如果你只是写脚本,Python 版本影响不大,但要开发带 GUI 的项目,稳妥为上。

4.2 搭建界面骨架

主窗口我用 QMainWindow,左侧放两个 QScrollArea,分别承载图片显示面板;右侧放一个 QTabWidget,里面有“像素差异”“哈希比较”“视频抽帧”三个标签页;底部是一个 QPlainTextEdit,用来输出日志。整体布局用 QSplitter 做左右分隔,可以拖动调整宽度。

from PyQt5.QtWidgets import (QMainWindow, QSplitter, QScrollArea,
                             QTabWidget, QPlainTextEdit, QWidget, QVBoxLayout)
from PyQt5.QtCore import Qt

class MainWindow(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("ImgComp - 图片/视频比较工具")
        splitter = QSplitter(Qt.Horizontal)

        self.scroll_a = QScrollArea()
        self.scroll_b = QScrollArea()
        self.panel_a = ImagePanel()
        self.panel_b = ImagePanel()
        self.scroll_a.setWidget(self.panel_a)
        self.scroll_b.setWidget(self.panel_b)
        splitter.addWidget(self.scroll_a)
        splitter.addWidget(self.scroll_b)

        tabs = QTabWidget()
        tabs.addTab(self.build_pixel_tab(), "像素差异")
        tabs.addTab(self.build_hash_tab(), "哈希比较")
        tabs.addTab(self.build_video_tab(), "视频抽帧")
        splitter.addWidget(tabs)
        splitter.setStretchFactor(0, 1)
        splitter.setStretchFactor(1, 1)
        splitter.setStretchFactor(2, 0)
        self.setCentralWidget(splitter)

布局不复杂,但要注意 QScrollArea 的 setWidgetResizable(True) ,不然图片放进去不会自适应。我一开始忘了设,图片老是显示不全,后来排查到是这个属性没开。界面代码不要试图一步到位,先把主结构和拖拽功能跑通,再慢慢加细节。

4.3 串联核心逻辑:比较线程与结果展示

耗时的比较操作全部放进 QThread 子类里。下面是一个简单的 worker:

from PyQt5.QtCore import QThread, pyqtSignal

class CompareWorker(QThread):
    result_ready = pyqtSignal(float, object)  # (差异率, 热力图QImage)
    error_occurred = pyqtSignal(str)

    def __init__(self, path_a, path_b, parent=None):
        super().__init__(parent)
        self.path_a = path_a
        self.path_b = path_b

    def run(self):
        try:
            img_a = read_image(self.path_a)
            img_b = read_image(self.path_b)
            ratio, heatmap = pixel_diff(img_a, img_b)
            qimage = cv_to_qimage(heatmap)
            self.result_ready.emit(ratio, qimage)
        except Exception as e:
            self.error_occurred.emit(str(e))

主窗口里连接信号,收到结果后再更新界面。这样界面线程只负责设置文本、设置图片,不参与计算。另一个细节是线程生命周期:如果关闭窗口时线程还在跑,会看到 QThread: Destroyed while thread is still running 的警告。我是在子类里保存 self.worker 的引用,并在 closeEvent 里调用 worker.wait() 来等待线程结束,或者先请求线程停止再退出。

后面我增加视频比较功能时,把 worker 扩展成了可以设置“抽取帧号”的形式。本质上还是同一个模式:视频抽帧 + 图片比较,整个流程跑在子线程里,每次抽帧完成发一个进度信号,界面可以显示“正在比较 12 / 100 帧”。

4.4 打包成 exe 与踩坑

开发完后自然要打包分发。我用 PyInstaller,最简单的命令是:

pyinstaller -w -F main.py --name ImgComp --hidden-import imagehash

-w 表示不显示控制台窗口, -F 表示打包成单文件。但这里我强烈建议第一次打包用 -D (onedir 模式),也就是生成一个文件夹:

pyinstaller -w -D main.py --name ImgComp

因为 -F 把程序解压到临时目录,运行速度慢,而且如果 OpenCV 缺少动态库,排错非常麻烦。用 -D 模式直接看 _internal 文件夹里有没有缺 dll。等确认能跑,再考虑单文件。打包 OpenCV 相关程序时,还需要在 spec 文件里加 binaries 和 datas ,把 opencv_python 目录下的 dll 一起打进去。

打包后的 exe 体积通常有 80MB 以上,这很正常,因为 OpenCV 本身就不小。如果嫌大,可以尝试用 conda 环境打包,或者不用 OpenCV 的 video 模块只保留图像模块,但意义不大。我最终就保留完整版,毕竟视频抽帧需要 ffmpeg 解码能力,删了容易出幺蛾子。

5. 常见问题与排查技巧实录

5.1 PyQt5 安装与显示问题

PyQt5 安装失败最常见的是网络问题,换镜像源基本能解决。还有一个是 Python 版本太新,当前没有对应的 wheel。如果你已经装了最新 Python,又不想降版本,可以试试 pip install PyQt5-Qt5 这个纯 Qt 运行时的包,但后续可能还有兼容问题。

界面显示最大的坑是高 DPI 模糊。Windows 下默认缩放 125% 或 150% 时,PyQt5 自带的分辨率感知不够,显示会模糊。解决办法是在程序最开头加上:

import sys
from PyQt5.QtCore import Qt
from PyQt5.QtWidgets import QApplication

QApplication.setAttribute(Qt.AA_EnableHighDpiScaling, True)
QApplication.setAttribute(Qt.AA_UseHighDpiPixmaps, True)

app = QApplication(sys.argv)

注意这两行必须在创建 QApplication 之前设置,否则不生效。我在 macOS 上也遇到类似问题,加了之后字体锐利很多。

5.2 OpenCV 中文路径读取失败

这是 Windows 上非常经典的坑。 cv2.imread("D:/测试图片/a.jpg") 直接返回 None,不报错,但程序后面就崩了。解决方法是先把文件读成字节流,再用 cv2.imdecode :

import numpy as np
import cv2

def imread_with_chinese_path(path):
    data = np.fromfile(path, dtype=np.uint8)
    return cv2.imdecode(data, cv2.IMREAD_COLOR)

视频也有类似问题, cv2.VideoCapture 对中文路径的支持不稳定。我的方案是:如果路径包含非 ASCII 字符,先复制到系统临时目录的英文文件名里,再读取。这个方法虽然慢一点,但非常稳。后来我在界面层做了判断,凡是视频路径存在中文,就自动复制临时文件,用户无感知。

5.3 界面卡死:线程与信号排查

如果你发现把大图拖进去窗口就转圈,多半是没使用线程,或者线程里做了太重的主线程操作。排查顺序是:先确认耗时计算在 run() 里,再确认 result_ready 信号只传递轻量数据。如果你在信号里发出 numpy 大数组,主线程要花很多时间做转换,照样卡。

另外,PyQt5 里子线程不能直接操作界面控件。所有界面更新必须通过信号槽,这是铁律。我曾经在 worker 里调用了 self.panel_a.setText() ,结果程序直接崩溃。后来规范为:worker 只计算结果,发信号,主线程统一更新,问题消失。

5.4 打包后缺少 DLL 或找不到 FFmpeg

PyInstaller 打包 OpenCV 程序最容易出现“运行时找不到 opencv_videoio_ffmpeg.dll”之类的错误。解决办法在 spec 文件里手动添加:

a = Analysis(['main.py'],
             ...
             binaries=[('venv/Lib/site-packages/cv2/opencv_videoio_ffmpeg*.dll', 'cv2')],
             ...)

或者更简单,用 conda 安装 opencv,conda 会将所有需要的库都放在同一个环境目录,PyInstaller 收集时不容易漏。如果你用 opencv-contrib-python ,里面自带 ffmpeg 支持,打包失败率会低一些。我的经验是:先用 -D 模式打包,跑起来看控制台报错,缺什么就补什么,比一遍遍猜快很多。

如果视频打不开,还要检查是不是缺少系统的 Visual C++ Redistributable。很多 Windows 精简系统连这个都没有,程序闪退很正常。桌面工具类的项目,把这几个运行时依赖搞清楚,比算法本身更费时间。

整个项目做下来,我最深的体会是:工具的价值不在技术多高深,而在能不能真正省时间。PyQt5 加上 OpenCV 这套组合确实有学习曲线,但一旦把拖拽、线程、打包这些基础模块吃透,后面加功能就是水到渠成的事情。如果你也想做一个类似的小工具,建议第一版只实现“拖入两张图,算出差异热力图”这一个功能,跑通以后,自然知道下一步该加什么。最后再分享一个小技巧:把所有文件读取统一封装成 read_image(path) 和 extract_frame(path, frame) ,后面不管加算法还是换界面,都能少改几十处地方。

本文还有配套的精品资源,点击获取 menu-r.4af5f7ec.gif

基于IMU的纯惯性导航轨迹绘制实践与优化 本文深入探讨了基于IMU的纯惯性导航轨迹绘制实践。通过修改开源组合导航算法KF-GINS,屏蔽GPS更新并简化地球参数,实现了仅依赖IMU数据的轨迹解算。文章详细介绍了代码改造、轨迹可视化方法,并分析了误差累积的根本原因,为深入理解惯性导航原理与传感器融合的必要性提供了宝贵的实践经验。 阅读详情

相关推荐

深入解析6T SRAM的读写机制与性能优化

本文深入解析了6T SRAM的基本结构与核心工作原理,详细阐述了其读写操作的具体时序与机制。文章重点探讨了在先进工艺下面临的读写稳定性、写入能力等性能挑战,并系统介绍了写入辅助与读取辅助等关键优化技术,旨在提升SRAM的可靠性与整体性能。

weixin_29205061的博客 1232

任务管理器杀不了的进程关闭法[转]

任务管理器杀不了的进程关闭法[推荐]Windows XP/2000的任务管理器是一个非常有用的工具,能让你看到系统中正在运行哪些程序(进程),只要你平时多看任务管理器中的进程列表,熟悉系统的基本进程,就可以随时发现可疑进程,这对防范***和病毒大有裨益!不过有一些可疑进程,你用任务管理器却无法杀掉,这该怎么办呢?一、哪些系统进程不能关掉Windows运行的时候,会启动多个进程...

weixin_34146805的博客 397

LPDDR4引脚功能详解:硬件新人必看的设计与调试指南

内存接口是硬件设计中的核心难点,尤其是LPDDR4这类高速动态随机存储技术,引脚繁多且功能复杂。理解其引脚分组逻辑,是进行可靠硬件设计的基础。LPDDR4引脚可划分为时钟使能、命令地址、数据选通、阻抗校准与电源等几大类,其中ZQ引脚外接精密电阻用于校准驱动强度,直接影响信号完整性;CK差分时钟与CKE使能协同控制读写节拍;DQ与DQS构成字节通道。掌握这些引脚的功能与PCB布局约束,能帮助工程师快速定位training失败等问题。本文从工程实践角度,系统梳理LPDDR4引脚定义与调试经验,为硬件新人提供一份

weixin_29191761的博客 249

任务管理器杀不了的进程关闭大法

 Windows XP/2000的任务管理器是一个非常有用的工具,能让你看到系统中正在运行哪些程序(进程),只要你平时多看任务管理器中的进程列表,熟悉系统的基本进程,就可以随时发现可疑进程,这对防范木马和病毒大有裨益!不过有一些可疑进程,你用任务管理器却无法杀掉,这该怎么办呢?  一、哪些系统进程不能关掉  Windows运行的时候,会启动多个进程。只要你按下“Ctrl+Alt+Del”键打开任务

wuyinling1984的专栏 2647

XianYuAutoDeliveryX:基于闲鱼API与大模型的智能自动发货系统实践

本文详细介绍了如何利用XianYuAutoDeliveryX系统,结合闲鱼API与大语言模型,构建一个智能自动发货解决方案。该系统能实现买家付款后秒级自动发货,并通过对接ChatGPT等大模型智能回复买家咨询,有效解放卖家时间,提升虚拟商品店铺的运营效率和客户体验。

bush的博客 1036

Win10系统VS2019+Cmake+qhull_8.0.0环境配置

1 qhull 1.1 简要介绍 qhull是一个强大的计算几何库,可以用于计算高维的convex hull, Delaunay triangulation, Voronoi diagram等。 1.2 依赖库 qhull不依赖其他库。 1.3 源码包下载 qhull源码地址:github:https://github.com/qhull/qhull.git 2 Cmake构建项目 2.1 路径 源代码路径:D:/ThirdParty/qhull/qhull_8.0.0构建项目路径:D:/Thi.

wangchenxue的博客 2498

关掉一个用任务管理器关不了的进程

问:怎么才能关掉一个用任务管理器关不了的进程?我前段时间发现我的机子里多了一个进程,只要开机就在,我用任务管理器却怎么关也关不了  答1:杀进程很容易,随便找个工具都行。比如IceSword。关键是找到这个进程的启动方式,不然下次重启它又出来了。顺便教大家一招狠的。其实用Windows自带的工具就能杀大部分进程:  c:/>ntsd -c q -p PID  只有System、SMSS.EXE和C

他的专栏 2860

基于任务的后勤智能体:三段构建与演进设计探究

这是系统智能化的核心难点。例如,对于一个“加强连级滩头阵地防御”子任务,系统会根据防御时长、预期敌军攻击强度、地形等因素,计算出所需的弹药(不同弹种的具体数量)、构筑工事的器材、人员的给养和饮水量、以及医疗救护的药品和血包数量。首先进行分词、词性标注等基础处理,然后利用在军事语料库上训练的命名实体识别(NER)模型,提取出关键实体,如任务类型(“夺控作战”)、作战对象(“Y岛”)、时间约束(“D日H时”、“24小时内”)、成功标准(“建立稳固滩头阵地”)、保障重点(“弹药充足”、“及时救治”)等。

weixin_49042442的博客 1088

任务管理器进程哪些可以关闭?看完这篇再下手

电脑一变卡就打开任务管理器,却不知道哪些进程能关、哪些不能动?本文从实际使用场景出发,帮你快速分辨可关闭的后台进程与系统关键进程,并讲清进程过多的根本原因,教你用更稳妥的方式让电脑运行更流畅。

QUDONG_biubiubiu的博客 2850

MFC中的CMFCToolBar:自定义按钮提示消息

通过以上步骤,您可以在MFC应用程序中使用CMFCToolBar创建自定义按钮,并设置按钮的提示消息。通过以上步骤,您可以在MFC应用程序中使用CMFCToolBar创建自定义按钮,并设置按钮的提示消息。通过上述代码,您可以在MFC应用程序中添加一个名为"ID_BUTTON_CUSTOM"的自定义按钮,并将其提示消息设置为"自定义提示消息"。通过上述代码,您可以在MFC应用程序中添加一个名为"ID_BUTTON_CUSTOM"的自定义按钮,并将其提示消息设置为"自定义提示消息"。

PixelInk的博客 1089

Android UI 组件系列(二):Button 进阶用法

在这篇博客中,我们深入探讨了 Button 的进阶用法,重点介绍了如何通过 事件处理 来响应用户的操作,如何使用 自定义样式 来提升按钮的外观,并利用 StateListDrawable 来管理按钮在不同状态下的表现。这些技巧能够帮助你打造更具交互性、视觉吸引力和动态响应的按钮,提升用户体验。

weixin_39339407的博客 1625

怎么才能关掉一个用任务管理器关不了的进程

怎么才能关掉一个用任务管理器关不了的进程   问:怎么才能关掉一个用任务管理器关不了的进程?我前段时间发现我的机子里多了一个进程,只要开机就在,我用任务管理器却怎么关也关不了。      答1:杀进程很容易,随便找个工具都行。比如IceSword。关键是找到这个进程的启动方式,不然下次重启它又出来了。顺便教大家一招狠的。其实用Windows自带的工具就能杀大部分进程:      c

小猪唠唠 3051

实战案例七:Claude Code 构建完整的 Web 应用

前面的案例大多是单一功能的演示,本章将展示如何使用 Claude Code 从零开始构建一个完整的 Web 应用,涵盖需求分析、架构设计、编码实现、测试部署的全流程。

gaoxiang_120的专栏 584

关闭任务管理器杀不了的进程

  发现任务管理器的进程列表中有一些可疑进程,用任务管理器却无法杀掉,这该怎么办呢?  Windows XP/2000的任务管理器是一个非常有用的工具,能让你看到系统中正在运行哪些程序(进程),只要你平时多看任务管理器中的进程列表,熟悉系统的基本进程,就可以随时发现可疑进程,这对防范木马和病毒大有裨益!  一、哪些系统进程不能关掉  Windows运行的时候,会启动多个进程。只要你

wangzhi_821的专栏 1375

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

任务管理器杀不了的进程如何关闭

我发现任务管理器的进程列表中有一些可疑进程,用任务管理器却无法杀掉,这该怎么办呢?  Windows XP/2000的任务管理器是一个非常有用的工具,能让你看到系统中正在运行哪些程序(进程),只要你平时多看任务管理器中的进程列表,熟悉系统的基本进程,就可以随时发现可疑进程,这对防范木马和病毒大有裨益!  一、哪些系统进程不能关掉   Windows运行的时候,会启动多个进程。只要你按下“Ctrl+...

weixin_33739627的博客 634

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

如何关闭java后台进程

如何关闭java后台进程 1.windows 1.1 查找端口号占用信息 cmd命令窗口 查询端口8297占用信息,找到进程号9188占用了该端口 netstat -aon|findstr "8297" 1.2 任务管理器 查看 -> 选择列 勾选PID -> 确认 找到对应的PID 9088 结束进程 2.linux 2.1 查找java进程信息 jps -l 2....

谢文峰的博客 9752

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

如何关掉计算机进行中的程序,任务管理器进程哪些是可以关闭的【图文教程】...

当大家长时间使用电脑以后就会出现内存不够的情况,还有的时候大家打开一些恶意软件关闭不了的问题,这个时候大家就需要使用任务管理器进程。那我就个大家简单的说一说遇到任务管理器进程问题的解决方法。任务管理器进程关不掉大家一定遇到过有的一些流氓程序的任务管理器进程关闭不掉的情况,这时候就需要用一些非常手段了。其实大家只要将要关闭的程序映像名称记住就可以啦,然后使用tskill强制关闭,大家就只要在tski...

weixin_42213451的博客 5438

防止进程被任务管理器关掉的办法

1.任务管理器的“结束任务”实际上就是强制终止进程,它所使用的是一个叫做TerminateProcess()的Win32 API函数以下是此函数的定义: BOOL TerminateProcess( HANDLE hProcess; // 将被结束进程的句柄 UINT uExitCode; // 指定进程的退出码 );2.为了得到要杀掉的进程的句柄,首先要取得该进程的句柄,即采用以下函数获取进

yuntianhai的专栏 1万+

进程防杀HOOK下载仓库:进程保护的关键利器

进程防杀HOOK下载仓库:进程保护的关键利器 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在软件开发中,进程的安全性是一个至关重要的议题。进程防杀HOOK下载仓库正是一个针对这一需求而诞生的开源项目。它提供了一个基于HOOK技术的进程保护资源文件,能有效地防御任务管理器对目标进程的终止行为,为您的程序提供一道坚实的保护防线。 项目技术分析 进程防杀HOOK下载仓库的...

gitblog_06799的博客 1079

WIN10 关闭占用某一端口号的进程

1.使用cmd命令查看端口号占用情况,例如查看端口 8014,可以看出进程号为10728; netstat -ano | findstr 端口号 2.关闭该进程 方法一:使用任务管理器关闭: 菜单栏 -> 右键 - > 任务管理器 -> 详细信息,根据PID排序找到PID为10728的进程,选择后点击结束任务。 方法二: 使用命令关闭 命令: ...

菜鸟小扎 11万+

如何关闭任务管理器杀不了的进程(windows)

如果你在任务管理器中无法关闭某个可疑进程,可以使用下面的方法强行关闭,注意不要杀掉进程表中的系统核心进程:   1. 使用Windows XP/2000自带的工具   从浏览开始,Windows系统就自带了一个用户态调试工具Ntsd,它能够杀掉大部分进程,因为被调试器附着的进程会随调试器一起退出,所以只要你在命令行下使用Ntsd调出某进程,然后退出Ntsd即可终止该进...

网络飞鸥 1451

强行关闭“杀”不了的进程(转)

强行关闭“杀”不了的进程(转)[@more@]   在Windows 2000/XP的任务管理器中可以看到系统中正在运行哪些程序(进程)。只要平时多注意这些进程列表,就能熟悉系统的基本进程,一旦出现可疑进程,就很容易发现,这对...

csd3176的博客 180

windows 查杀任务管理器杀不掉的进程

windows 查杀任务管理器杀不掉的进程: 1、一般进程:Taskkill     进入CMD,在命令提示符中输入:     Taskkill /F /PID 5408     Taskkill /IM FIREFOX.EXE /F /T   2、顽固进程:ntsd    同样进入CMD    ntsd -c q -p 5408          /// 5408 为进程pid,...

云之中,营之外 3689
上一篇: 三极管放大电路静态工作点详解:Q点计算与调试方法
下一篇: DeepSeek-V4-Pro正式版实测:API接入与长上下文应用指南
ciya3282
博客等级 码龄11年 30粉丝 1187原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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
⌂ 换网址