园区网安全是保障企业、校园、园区内网稳定运行的基础安全体系，整体分为内部局域网安全与内外网交换安全两层防护逻辑。1）内部局域网安全主要针对园区内网环境，保护交换机、终端、服务器、内网链路等资源，核心目标是管控内网用户行为、防止内网攻击、杜绝内网越权访问，是本课程的学习重点。2）内外网数据交换安全针对内网与互联网、外网之间的边界传输场景，主要依靠防火墙、边界安全设备实现数据过滤、访问防护、攻击拦截。

本文详细介绍了H3CSE高性能园区网中的组播技术。组播是一种点到多点的通讯模式，通过组播地址标识接收者，利用IGMP协议实现终端加入/离开组播组，并依靠组播路由协议和分发树实现高效数据转发。相比单播和广播，组播具有精准投递、带宽高效等优势，适用于视频直播、会议等场景。文章还解析了组播地址分类、IP到MAC的映射机制，以及ASM和SSM两种组播模型的特点与应用场景。组播协议体系通过成员管理、路径建立

MVRP（Multiple VLAN Registration Protocol，多VLAN注册协议）是二层网络中用于交换机之间自动同步VLAN配置信息的动态协议。实现VLAN的动态注册与注销，无需在每台交换机上手动重复创建VLAN自动在Trunk链路上同步VLAN信息，简化跨设备VLAN互通配置提升大型二层组网的运维效率，减少配置错误与重复工作量重复配置繁琐：多交换机级联组网时，需在每台交换机上

在上一章《角点检测：Harris 与 Shi-Tomasi 原理拆解》中，我们掌握了基于局部灰度变化的角点检测方法，这类算法能有效定位图像中的角点，但存在明显局限——缺乏尺度不变性、旋转不变性，且仅能提供特征点位置，无法实现鲁棒的图像间特征匹配。为解决该问题，本章将重点讲解两类经典的稳健局部特征算法：SIFT（Scale-Invariant Feature Transform，尺度不变特征变换）

在二值图像中，我们把前景目标的所有像素点（图中左侧二值化图的白色区域，如人物轮廓、帽子）记作集合AAA，把用来操作的小模板（结构元素）记作集合BBB。AAA被BBB腐蚀的结果（图中右侧腐蚀效果的白色区域）记作A⊖BA⊖BA⊖Bxy∣Bxy⊆AA⊖B{(xy∣Bxy​⊆A在这张图里，二值化图（左）的白色区域（人物轮廓、帽子）就是前景集合AAA，我们用 3×3 方形小模板作为结构元素BBB。AAA被B

归一化处理是提升相关性匹配算法鲁棒性的关键核心，它解决了CCORR 认亮不认像的先天缺陷，让算法从「理论可行」走向「实际可用」。模板匹配任务中，应优先选择带归一化的匹配算法（如 NCC），避免使用无归一化的基础算法（如 CCORR），以保证匹配结果的稳定性和可靠性。cv2.matchTemplate() 核心参数3个：目标图、模板图、匹配算法，用于生成相似度数据；cv2.rectangle() 核

本文围绕图像灰度变换与阈值化二值化技术方向核心本质关键方法适用场景实践注意事项灰度变换通过点运算映射函数sTrs=T(r)sTr优化图像对比度与明暗分布线性变换（对比度增强、反转）非线性变换（对数、伽马）分段灰度变换直方图均衡化/匹配1. 图像对比度低、灰度分布集中2. 需要统一多图灰度风格直方图均衡化易放大噪声，可配合滤波使用阈值化二值化设定阈值TTT，将灰度图转换为黑白二值图，实现前景与背景分

本文介绍了角点检测在计算机视觉中的关键作用，重点阐述了Harris角点检测算法的原理与实现。角点是图像中灰度变化显著的特征点，Harris算法通过计算像素邻域内不同方向移动后的灰度变化来判断角点。文章详细推导了算法的数学原理：首先定义窗口移动的灰度变化函数，通过泰勒展开简化为二次型，构建Harris结构矩阵M；然后利用矩阵行列式和迹构造响应函数R，实现对角点、边缘和平坦区域的高效判别。算法通过计算

灰度图像像素灰度值x∈0255x∈0255，设定分割阈值TTTgx255前景xT0背景x≤Tg(x) =255 \quad (前景), & x > T \\0 \quad (背景), & x \le Tgx255前景0背景​xTx≤T​解释：像素灰度大于阈值 T 判定为前景（白色255），小于等于 T 判定为背景（黑色0）。多阈值分割（T1T2⋯Tk−1T1​T2​⋯Tk−1​gx0。

小波变换是一种多分辨率、局部化的时/空频分析工具，可将图像从空域拆解为不同尺度的低频近似（轮廓）与高频细节（边缘/纹理/噪声）分量，解决了傅里叶变换“无空间定位”、短时傅里叶变换“固定窗宽”的缺陷，是计算机视觉中图像去噪、增强、融合、压缩、特征提取的核心进阶工具。傅里叶变换虽实现了图像从空域到频域的转换，但仅能反映全局频率分布，无法定位“某一频率出现在图像哪个位置”；短时傅里叶变换（STFT）通过