由于工作太忙，已经连续断更三年的我，今天实在忍不住给大家分享一些自己的学习笔记。今天这个文章我就带大家把OpenManus如何本地部署给详细走一遍，后面准备录制一个视频，大家多多关注我的账号哦。OpenManus 需要对其使用的大语言模型（LLM）的应用程序编程接口（APIs）进行配置。官网使用的openai的，但是openai是收费的，我们使用免费的，再本地使用ollama。有git的可以使用以

1.图像分割概述图像分割指根据灰度、纹理、形状等特征把图像分割为若干个互不交叠的区域，并使图像在同一区域内呈现出相似性，在不同区域内呈现明显的差异性。基于阈值基于区域基于边缘基于小波变换基于神经网络基于能量基于概率统计基于特定理论1.基于阈值的分割基本思想：给定合适的灰度阈值，将图像中各个像素的灰度值和阈值作比较，将每个像素划分到合适的类别中。优点：思想简单、运算效率高（并行区域技术）难点：图像结

在图像分割与抠图（1）和（2）中说到的图像分割的方式都是机器学习的方法，分水岭算法是基于图像图像形态学和结构的方法来进行图像的分割。基于机器学习的方式本质是通过概率统计与建模，通过数学的方式对图像进行分割与分类。分水岭算法是通过图像本身的特征对图像进行分割与分类。1.分水岭算法概述1.1.分水岭算法的理解分水岭（Watershed）是基于地理形态的分析的图像分割算法，模仿地理结构（比如山川、沟壑，

为了方便开发者应用，PyTorch专门开发了一个视觉工具包torchvision，主要包含以下三个部分：1.model

目录1.封装的意义1.1封装的意义一：1.2 封装的意义二2.struct和class区别3.成员属性私有化4.示例15.示例21.封装的意义封装是C++面向对象三大特征之一将属性和行为作为一个整体，表现生活中的事物将属性和行为加以权限控制1.1封装的意义一：将属性和行为作为一个整体，表现生活中的事物语法：class 类名{访问权限：属性/行为};专业术语：类中的属性和行为统一称为成员，类中的属性

出现这种问题是由于2.1or2.2稳定版本的tensorflow没有这个函数：train_dst = keras.preprocessing.image_dataset_from_directory(）如果不想更换版本的话可以利用下面方式进行解决：pip install tf-nightly注：安装tf-nightly后，GPU能用tf.keras.preprocessing.image_data

目录1.封装的意义1.1封装的意义一：1.2 封装的意义二2.struct和class区别3.成员属性私有化4.示例15.示例21.封装的意义封装是C++面向对象三大特征之一将属性和行为作为一个整体，表现生活中的事物将属性和行为加以权限控制1.1封装的意义一：将属性和行为作为一个整体，表现生活中的事物语法：class 类名{访问权限：属性/行为};专业术语：类中的属性和行为统一称为成员，类中的属性

1.图像边缘填充1.1卷积边界问题图像卷积的时候边界像素不被卷积操作，原因在于边界像素没有完全跟kernel重叠，只有当3X3的滤波时候有一个像素的边缘没有被处理，5x5滤波的时候有两个像素边缘没有处理。1.2.处理边缘在卷积开始之前增加边缘像素，填充的像素值为0或者RGB黑色，比如3x3在四周各填充1各像素的边缘，这样就确保图像的边缘被处理，在卷积处理hi后再去掉这些边缘，openCV中默认的处

由于工作太忙，已经连续断更三年的我，今天实在忍不住给大家分享一些自己的学习笔记。今天这个文章我就带大家把OpenManus如何本地部署给详细走一遍，后面准备录制一个视频，大家多多关注我的账号哦。OpenManus 需要对其使用的大语言模型（LLM）的应用程序编程接口（APIs）进行配置。官网使用的openai的，但是openai是收费的，我们使用免费的，再本地使用ollama。有git的可以使用以

1.图像边缘填充1.1卷积边界问题图像卷积的时候边界像素不被卷积操作，原因在于边界像素没有完全跟kernel重叠，只有当3X3的滤波时候有一个像素的边缘没有被处理，5x5滤波的时候有两个像素边缘没有处理。1.2.处理边缘在卷积开始之前增加边缘像素，填充的像素值为0或者RGB黑色，比如3x3在四周各填充1各像素的边缘，这样就确保图像的边缘被处理，在卷积处理hi后再去掉这些边缘，openCV中默认的处