具体计算流程不详细写了，有很多大佬都提供了不错的学习做资料（个人的十大算法系列有kmeans，印象中有，读研的时候写的了）。这里为自己对比梳理与代码整理。聚类常用的是meanshift（均值漂移）与kmeans。效果对比暂时不放辣，后续更新。

试了下canny、sobel、拉普拉斯，其中拉普拉斯算子可以事先对灰度图平滑处理一下（拉普拉斯对噪声敏感）。2、使用边缘检测算子进行边缘提取，如canny、sobel、拉普拉斯算子。3、对边缘进行闭合处理。4、显示闭合后的轮廓。

区域分割概述：从种子点或区域出发，根据相似性准则（如灰度、纹理）生长或分裂区域。区域分割的经典代表算法有：区域生长与分水岭算法。

从前三者都是为了更好的理解数据流。适合有深度学习基础无目标检测经验的同学。（项目代码待整理完上传github）

本文主要介绍coze工作流中知识库&数据下的知识库写入、知识库删除、知识库检索等节点

块的滑动步长为 blockStride，在 winSize 窗口内滑动，对每个块内的所有细胞直方图进行归一化处理（常用 L2 归一化），消除光照、对比度变化带来的特征偏差（比如同一目标在亮处和暗处的梯度幅值差异）。正样本：裁剪好的「仅包含目标」的图像块（尺寸和 HOG 的 winSize 一致，比如 64x64），提取 HOG 特征后，标注为「1」（是目标）。所有尺度下的窗口，都会映射回原始图片的

openclaw联合飞书机器人，配置agent

结构化输出与多轮对话初体验，还学习dataclass、tool装饰器的使用

openclaw添加与更换服务商模型

openclaw添加与更换服务商模型