基于条纹处理的光学干涉测量：Docker、Jenkins、Harbor与GitLab在科研中的应用

"本章内容小结-docker+jenkins+harbor+gitlab" 本文并未直接提及“docker+jenkins+harbor+gitlab”的技术组合，而是围绕光学干涉测量和摄像测量学的主题展开。光学干涉测量是利用光的干涉原理对物体进行精密测量的一种方法，而在文中主要讨论了在干涉条纹图处理中遇到的两大难题：噪声抑制和相位解缠。作者提出了基于条纹方向和条纹等值线的新方法，有效地滤除噪声且保持相位信息的完整性，这对于光学干涉测量和InSAR（合成孔径雷达干涉）处理具有重大意义。 摄像测量学，作为一门结合了摄影测量、光学测量、计算机视觉和数字图像处理的学科，其核心是通过数字图像获取和分析目标的三维信息。文中概述了摄像测量的发展历程，强调了它从传统的摄影测量向数字图像处理和计算机视觉的转变，特别是对于图像目标的自动高精度识别与匹配。摄像测量的一个关键环节是摄像系统的高精度标定，以恢复三维信息。 虽然原始内容没有直接涉及“docker+jenkins+harbor+gitlab”这些IT相关的工具，但可以推测这是关于持续集成/持续部署（CI/CD）的场景。Docker是一个容器化平台，用于封装和运行应用程序；Jenkins是一个开源的持续集成工具，用于自动化软件构建、测试和部署的过程；Harbor是一个企业级的容器注册表，用于存储和管理Docker镜像；GitLab则是一个用于版本控制和协作的Git仓库管理工具，支持集成Jenkins和其他CI/CD流程。在实际的IT项目中，这四个工具通常一起使用，构建一套完整的自动化部署解决方案。例如，开发者在GitLab中管理代码，Jenkins监听代码库的变更并触发构建和测试，Docker用于构建可移植的容器化应用，而Harbor则作为安全存储和分发Docker镜像的中心仓库。这样的组合有助于提高开发效率，确保软件质量，并实现快速迭代和部署。