cv.BORDER_CONSTANT - 添加恒定的彩色边框。该值应作为下一个参数给出。# cv.copyMakeBorder(src,边界宽度,边框类型)# cv.BORDER_REFLECT - 边框将是边框元素的镜像。# cv.copyMakeBorder(src,边界宽度,边框类型)# cv.BORDER_REFLECT - 边框将是边框元素的镜像。# img.itemset((x,y,c

定义1.每个结点至多有两棵子树；2.左右子树不能颠倒（二叉树是有序树）。特殊二叉树1.满二叉树一棵高度为h，且含有2h−12^h-12h−1个结点的二叉树。特点：（1）只有最后一层有叶子结点；（2）不存在度为1的结点；（3）按层序从1开始编号，结点i的左孩子为2i2i2i，右孩子为2i12i+12i1；结点i的父节点为⌊i2⌋⌊i/2⌋。2.完全二叉树。

1.数字图像处理基础1.1 图像表示1.1.1 图像成像模型1.1.2 数字图像的表示a.图像采样b.图像灰度的量化c.算比特数1.2 分辨率1.2.1 空间分辨率1.2.2 灰度分辨率1.3 像素间的关系1.3.1 像素邻域a.4邻域b.4对角邻域c.8邻域1.3.2 像素邻接1.3.3 像素连通1.3.4 像素距离a.欧式距离b.街区距离c.棋盘距离1.4 图像的显示1.4.1 显示分辨率和图

语义信息：人脸提取出特征点后人脸就有了语义信息。高层语义特征：识别人脸的喜怒哀乐。现有问题：检测方法依赖于常见的后处理操作（如压缩）。想法来源：通过观察得，为了让伪造人脸的身份，语言和表情相匹配，大多数人脸视频伪造者会以某种方式操作嘴巴。例如：假嘴巴在发音某些音时无法充分闭合。口腔形状或口腔内部（例如牙齿）在帧与帧之间的变化。:在高度压缩泛化性好，能检测新的伪造方法。主要检测说话时的不协调。方法：

Numpy Pandas np.array() 创建访问数组 向量与矩阵 Series DataFrame

定义1.每个结点至多有两棵子树；2.左右子树不能颠倒（二叉树是有序树）。特殊二叉树1.满二叉树一棵高度为h，且含有2h−12^h-12h−1个结点的二叉树。特点：（1）只有最后一层有叶子结点；（2）不存在度为1的结点；（3）按层序从1开始编号，结点i的左孩子为2i2i2i，右孩子为2i12i+12i1；结点i的父节点为⌊i2⌋⌊i/2⌋。2.完全二叉树。

在实际求解中，只留表达式中最高阶的部分，丢弃其他部分。2.只需挑一个基本操作分析它的执行次数与n的关系即可。最坏时间复杂度、平均时间复杂度、最好时间复杂度。1.顺序执行的代码只会影响常数项，可忽略。3.如果有多层嵌套循环，只需关注。1.找到一个最深层的基本操作；

单链表定义；头插法、尾插法创建单链表；按位插入、后插、前插；按位删除、删除指定结点；按位查找、按值查找；单链表的销毁。附单链表带头结点和不带头结点的两种完整代码。

unity3D跑酷游戏

完整代码在最后一.单链表基本操作1.初始化1）创建结构体，储存节点的数据+指针域； 2）创建指向结构体的指针； 3）用结构体定义单链表； 4）初始化链表头节点：为头节点开辟内存； 5）判断内存是否开辟成功； 6）头节点的指针域置空，使链表长度为0。typedef struct Node//1{ElemType data;struct Node *next;}Node;typedef struct