内容导航：
一、第一篇文章，来说说深度学习计算机视觉极其发展前景
2021已经结束，不管是苦难还是辉煌，都已经过去了。希望2022是一个好的开端，to所有人。
深度学习的红利看起来已经行将终结，前两年很多人都在转行AI。15-17年是有些基础知道常用算法能训练模型就能找到好工作，18-20年转行也不是不可逾越的鸿沟，很多人都如愿进了大厂。而这两年大家看到的都是“算法红海”，“卷文化”盛行，看起来就是”白骨露于野，千里无鸡鸣”，一个字，”惨”。
难道是深度学习不需要人了吗？
当然不是，各大厂都在成立自己的算法研究院。
是AI不重要吗？
当然也不是，人工智能都已经提到了国家战略层面，深入到各行各业了。
那是什么导致当下的局面呢？
我觉得啊，不一定对，是AI行业回归了，理性了。
很多行业都是在疯狂之后回归理性，回归理性不是要抛弃这个行业，不是不重视了，只是为了良性长久的发展。
很多的人在抱怨深度学习不好找工作了，但是却只会调参，只是一个个的学习算法训练模型，不是说算法不重要，但是一招鲜吃遍天也是不错的，如果每个算法都不能好好应用，那看那么多算法意义在哪？
所以学计算机视觉，需要好好看看模型部署，看某乎上的推荐好书《深度学习计算机视觉实战》，这本书的目录放在这里，有需要的可以参考看看。如果你将模型训练好了，还能放到各种APP或者客户端软件里面去用起来，老板还能不心里美滋滋的要了你？
如下是在某东上找的目录：
第1章 深度学习基础 1
1．1 神经网络 1
1．1．1 感知机 1
1．1．2 神经网络原理 2
1．2 卷积神经网络 3
1．2．1 CNN基本操作 3
1．2．2 CNN原理 6
1．3 循环神经网络 7
1．3．1 RNN 7
1．3．2 LSTM与GRU 8
1．4 经典网络 9
1．4．1 AlexNet 9
1．4．2 VGG 10
1．4．3 GoogLeNet 11
1．4．4 ResNet 12
1．4．5 MobileNet 13
1．5 进阶必备：如何学习深度学习
并“落地”求职 16
1．5．1 深度学习如何快速入门 16
1．5．2 深度学习行业求职技巧 17
第2章 计算机视觉基础 18
2．1 目标检测Two-stage算法 18
2．1．1 R-CNN算法 18
2．1．2 Fast R-CNN算法 20
2．1．3 Faster R-CNN算法 21
2．2 目标检测One-stage算法 23
2．2．1 YOLO系列算法 23
2．2．2 SSD算法 29
2．3 图像分割算法 31
2．3．1 FCN算法 31
2．3．2 U-Net算法 33
2．3．3 DeepLab系列算法 34
2．3．4 Mask R-CNN算法 37
2．4 进阶必备：计算机视觉方向知多少 38
第3章 基础图像处理 40
3．1 线性滤波 40
3．1．1 案例1：使用方框滤波 41
3．1．2 案例2：使用均值滤波 46
3．1．3 案例3：使用高斯滤波 48
3．2 非线性滤波 50
3．2．1 案例4：使用中值滤波例 50
3．2．2 案例5：使用双边滤波 52
3．3 OpenCV形态学运算 54
3．3．1 案例6：进行膨胀操作 55
3．3．2 案例7：进行腐蚀操作 57
3．3．3 案例8：使用形态学运算 58
3．4 案例9：使用漫水填充 63
3．5 图像金字塔 67
3．5．1 案例10：使用高斯金字塔 67
3．5．2 案例11：使用拉普拉斯
金字塔 70
3．6 阈值化 73
3．6．1 案例12：使用基本阈值 74
3．6．2 案例13：使用自适应阈值 78
3．7 进阶必备：选择一款合适的图像处理工具 80
3．7．1 OpenCV 80
3．7．2 Matlab 81
第4章 图像变换 83
4．1 边缘检测 83
4．1．1 案例14：Sobel算法 83
4．1．2 案例15：Scharr算法 87
4．1．3 案例16：Laplacian算法 90
4．1．4 案例17：Canny算法 91
4．2 案例18：绘制轮廓 94
4．3 霍夫变换 97
4．3．1 案例19：霍夫线变换 97
4．3．2 案例20：霍夫圆变换 101
4．4 案例21：重映射 103
4．5 案例22：仿射变换 106
4．6 案例23：透视变换 109
4．7 直方图 111
4．7．1 案例24：直方图的计算
与绘制 111
4．7．2 案例25：直方图均衡化 113
4．8 进阶必备：图像变换应用之文本
图像矫正 114
4．8．1 图像变换知识总结 114
4．8．2 案例26：文本图像矫正 115
第5章 角点检测 117
5．1 案例27：Harris角点检测 117
5．2 案例28：Shi-Tomasi角点检测 119
5．3 案例29：亚像素级角点检测 122
5．4 进阶必备：角点检测知识总结 125
第6章 特征点检测与匹配 127
6．1 特征点检测 127
6．1．1 opencv-contrib环境安装 127
6．1．2 案例30：SIFT特征点检测 130
6．1．3 案例31：SURF特征点检测 137
6．2 特征匹配 139
6．2．1 案例32：BruteForce匹配 139
6．2．2 案例33：FLANN匹配 146
6．3 案例34：ORB特征提取 148
6．4 进阶必备：利用特征点拼接图像 151
6．4．1 特征点检测算法汇总 151
6．4．2 案例35：基于特征点检测与
匹配的图像拼接 151
第7章 手写数字识别 155
7．1 Keras的应用 155
7．1．1 Keras模型 155
7．1．2 Keras层 156
7．1．3 模型编译 157
7．1．4 模型训练 158
7．2 LeNet算法 159
7．3 案例36：使用Keras实现手写数字识别 160
7．3．1 模型训练 160
7．3．2 手写数字识别模型推理 164
7．4 进阶必备：算法模型开发流程 167
7．4．1 数据准备 167
7．4．2 网络搭建 169
7．4．3 模型训练 170
第8章 CIFAR-10图像分类 171
8．1 图像分类数据集 171
8．1．1 CIFAR-10数据集和
CIFAR-100数据集 171
8．1．2 ImageNet数据集 172
8．1．3 PASCAL VOC数据集 173
8．2 案例37：CIFAR-10图像分类 173
8．2．1 模型训练过程 174
8．2．2 模型推理 179
8．3 进阶必备：COCO数据集与使用
HOGTSVM方法实现图像分类 180
8．3．1 COCO数据集 180
8．3．2 案例38：使用HOG+SVM
方法实现图像分类 180
第9章 验证码识别 184
9．1 TensorFlow应用 184
9．1．1 案例39：TensorFlow的
基本使用 184
9．1．2 TensorFlow的常用模块 186
9．2 案例40：验证码识别 188
9．2．1 生成验证码图片 188
9．2．2 基于TensorFlow的
验证码识别 189
9．3 进阶必备：算法模型开发技巧 194
9．3．1 数据预处理技巧 194
9．3．2 网络搭建技巧 195
9．3．3 模型训练技巧 196
第10章 文本检测实战 197
10．1 文本检测算法 197
10．1．1 CTPN算法 198
10．1．2 EAST算法 200
10．2 案例41：基于EAST算法的文本检测 202
10．2．1 数据预处理 202
10．2．2 网络搭建 205
10．2．3 模型训练 212
10．2．4 文本检测验证 217
10．3 进阶必备：在不同场景下文本检测的
应对方式 218
10．3．1 复杂场景文本检测 219
10．3．2 案例42：使用形态学运算
实现简单场景文本检测 220
10．3．3 案例43：使用MSER+NMS
实现简单场景文本检测 223
第11章 文本识别实战 226
11．1 文本识别算法 226
11．1．1 CRNN算法 226
11．1．2 Attention OCR算法 229
11．2 案例44：基于C-RNN算法的
文本识别 231
11．2．1 数据预处理 231
11．2．2 网络搭建 232
11．2．3 模型训练 236
11．2．4 文本识别验证 237
11．3 进阶必备：单字OCR 238
11．3．1 OCR探究 238
11．3．2 案例45：文本图片
字符切割 238
第12章 TensorFlow Lite 244
12．1 TensorFlow Lite介绍 244
12．1．1 TensorFlow Lite基础 245
12．1．2 TensorFlow Lite源码分析 246
12．2 模型转换 248
12．2．1 FlatBuffers文件格式 248
12．2．2 案例46：其他格式
转换为．tflite模型 250
12．3 模型量化 252
12．3．1 案例47：量化感知训练 252
12．3．2 案例48：训练后量化 255
12．4 进阶必备：模型转换与
模型部署优化答疑 257
12．4．1 模型转换问题 257
12．4．2 模型部署优化 258
第13章 基于TensorFlow Lite的AI
功能部署实战 260
13．1 部署流程 260
13．2 案例49：移动端部署 261
13．2．1 搭建开发环境 262
13．2．2 编译运行项目 262
13．2．3 调用过程解析 264
13．3 PC端部署 266
13．3．1 案例50：Windows端部署 266
13．3．2 案例51：Linux端部署 278
13．3．3 案例52：ARM平台部署 282
13．3．4 案例53：MIPS平台部署 285
13．4 进阶必备：推理框架拓展与
OpenCV编译部署 286
13．4．1 其他深度学习推理框架 286
13．4．2 OpenCV编译 286
深度学习计算机视觉算法在很多领域都是有出奇好的效果，所以很多人“唯网络论”，如果达不到效果，那是数据不够多，网络不够复杂，所以就加参数加网络层。
但是很多实际的问题，并不是需要那么麻烦的。曾经看过一个电视剧，剧情是：要选一个总镖头，所以老板在几米开外放着一个花瓶，让大家十步之内拿到花瓶，然后各大高手都用各种高超的武艺，如鞭法缠住花瓶拿到，枪法挑过花瓶，真可谓是用心良苦，但是最终获胜的小伙子只是走了不到十步就拿到了花瓶。保镖就是要把镖安全送达目的地，能低调稳妥的办法为啥不用？
深度学习也是类似的，老板就是想实现功能赚钱，至于下面你用的是深度学习的方法，还是传统图像处理的方法，who cares。
所以说做计算机视觉一点不懂传统图像处理算法，代码写出问题不会调试找问题，怎么能怪市场行情不好呢。
做传统图像处理最常用的就是OpenCV库了，那天群里有群友写个图像显示的功能显示不了图片，原因是传颜色的参数Scalar四个参数，透明度不传，默认值为0，颜色无效，他看不出来问题。
还有学OpenCV的朋友不知道键盘和鼠标回调，建议有计算机视觉需求的朋友可以好好看看《学习OpenCV4：基于Python的算法实战》一书。
这本书的目录就是OpenCV模块的一个总图了，国内好多书都只写imgproc一个模块，不信去翻翻那些书，图像滤波都是单独的一个章节。这本书讲了所有的模块，所以书比较厚实。
目录如下(来自某东)：
第1章 OpenCV快速入门
1.1 OpenCV介绍
1.1.1 OpenCV概述
1.1.2 OpenCV的代码结构
1.1.3 OpenCV 4的新特性
1.2 OpenCV开发环境搭建
1.2.1 案例1：Windows动态库开发环境搭建
1.2.2 案例2：Linux动态库开发环境搭建
1.2.3 案例3：Python语言开发环境搭建
1.3 OpenCV模块介绍
1.3.1 常用模块
1.3.2 扩展模块
1.4 OpenCV源码编译
1.4.1 案例4：OpenCV编译
1.4.2 案例5：OpenCV裁剪编译
1.4.3 案例6：扩展模块opencv-contrib编译
1.5 进阶必备：OpenCV入门参考
1.5.1 OpenCV版本选择
1.5.2 如何学习OpenCV
第2章 图像读/写模块imgcodecs
2.1 模块导读
2.2 图像读/写操作
2.2.1 案例7：图像读取
2.2.2 案例8：图像保存
2.3 图像编/解码
2.3.1 案例9：图像编码应用
2.3.2 案例10：图像解码应用
2.4 进阶必备：聊聊图像格式
第3章 核心库模块core
3.1 模块导读
3.2 基本数据结构
3.2.1 案例11：Mat数据结构介绍及C++调用
3.2.2 案例12：Python中的Mat对象操作
3.2.3 案例13：Point结构
3.2.4 案例14：Rect结构
3.2.5 案例15：Size结构
3.3 矩阵运算
3.3.1 案例16：四则运算
3.3.2 案例17：位运算
3.3.3 案例18：代数运算
3.3.4 案例19：比较运算
3.3.5 案例20：特征值与特征向量
3.3.6 案例21：生成随机数矩阵
3.4 矩阵变换
3.4.1 案例22：矩阵转向量
3.4.2 案例23：通道分离与通道合并
3.4.3 案例24：图像旋转
3.4.4 案例25：图像拼接
3.4.5 案例26：图像边界拓展
3.4.6 案例27：傅里叶变换
3.5 进阶必备：聊聊图像像素遍历与应用
3.5.1 案例28：图像像素遍历
3.5.2 案例29：提取拍照手写签名
第4章 图像处理模块imgproc（一）
4.1 模块导读
4.2 案例30：颜色空间变换
4.3 案例31：图像尺寸变换
4.4 基本绘制
4.4.1 案例32：绘制标记
4.4.2 案例33：绘制直线
4.4.3 案例34：绘制矩形
4.4.4 案例35：绘制圆
4.4.5 案例36：绘制椭圆
4.4.6 案例37：绘制文字
4.5 形态学运算
4.5.1 案例38：腐蚀
4.5.2 案例39：膨胀
4.5.3 案例40：其他形态学运算
4.6 图像滤波
4.6.1 案例41：方框滤波
4.6.2 案例42：均值滤波
4.6.3 案例43：高斯滤波
4.6.4 案例44：双边滤波
4.6.5 案例45：中值滤波
4.7 边缘检测
4.7.1 案例46：Sobel边缘检测
4.7.2 案例47：Scharr边缘检测
4.7.3 案例48：Laplacian边缘检测
4.7.4 案例49：Canny边缘检测
4.8 进阶必备：聊聊颜色模型
第5章 图像处理模块imgproc（二）
5.1 霍夫变换
5.1.1 案例50：霍夫线变换
5.1.2 案例51：霍夫圆变换
5.2 案例52：仿射变换
5.3 案例53：透视变换
5.4 案例54：重映射
5.5 阈值化
5.5.1 案例55：基本阈值化
5.5.2 案例56：自适应阈值化
5.6 图像金字塔
5.6.1 案例57：高斯金字塔
5.6.2 案例58：拉普拉斯金字塔
5.7 直方图
5.7.1 案例59：直方图计算
5.7.2 案例60：直方图均衡化
5.8 传统图像分割
5.8.1 案例61：分水岭算法
5.8.2 案例62：GrabCut算法
5.8.3 案例63：漫水填充算法
5.9 角点检测
5.9.1 案例64：Harris角点检测&
5.9.2 案例65：Shi-Tomasi角点检测
5.9.3 案例66：亚像素角点检测
5.10 图像轮廓
5.10.1 案例67：轮廓查找
5.10.2 案例68：轮廓绘制
5.11 轮廓包裹
5.11.1 案例69：矩形边框
5.11.2 案例70：最小外接矩形
5.11.3 案例71：最小外接圆
5.12 案例72：多边形填充
5.13 图像拟合
5.13.1 案例73：直线拟合
5.13.2 案例74：椭圆拟合
5.13.3 案例75：多边形拟合
5.14 案例76：凸包检测
5.15 进阶必备：图像处理算法概述
第6章 可视化模块highgui
6.1 模块导读
6.2 图像窗口
6.2.1 案例77：创建与销毁窗口
6.2.2 案例78：图像窗口操作
6.3 图像操作
6.3.1 案例79：图像显示
6.3.2 案例80：选取感兴趣区域
6.4 案例81：键盘操作
6.5 案例82：鼠标操作
6.7 进阶必备：在Qt中使用OpenCV
第7章 视频处理模块videoio
7.1 模块导读
7.2 视频读取
7.2.1 案例84：从文件读取视频
7.2.2 案例85：从设备读取视频
7.3 视频保存
7.3.1 案例86：从图片文件创建视频
7.3.2 案例87：保存相机采集的视频
7.4 进阶必备：视频编/解码工具FFMPEG
第8章 视频分析模块video
8.1 运动分析
8.1.1 模块导读
8.1.2 案例88：基于MOG2与KNN算法的运动分析
8.2 目标跟踪
8.2.1 模块导读
8.2.2 案例89：基于CamShift算法的目标跟踪
8.2.3 案例90：基于meanShift算法的目标跟踪
8.2.4 案例91：稀疏光流法运动目标跟踪
8.2.5 案例92：稠密光流法运动目标跟踪
8.3 进阶必备：深度学习光流算法
第9章 照片处理模块photo
9.1 模块导读
9.2 案例93：基于OpenCV的无缝克隆
9.3 案例94：基于OpenCV的图像对比度保留脱色
9.4 案例95：基于OpenCV的图像修复
9.5 案例96：基于OpenCV的HDR成像
9.6 图像非真实感渲染
9.6.1 案例97：边缘保留滤波
9.6.2 案例98：图像细节增强
9.6.3 案例99：铅笔素描
9.6.4 案例100：风格化图像
9.7 进阶必备：照片处理算法概述
第10章 2D特征模块features2d
10.1 模块导读
10.2 特征点检测
10.2.1 案例101：SIFT特征点检测
10.2.2 案例102：SURF特征点检测
10.2.3 案例103：BRISK特征点检测
10.2.4 案例104：ORB特征点检测
10.2.5 案例105：KAZE特征点检测
10.2.6 案例106：AKAZE特征点检测
10.2.7 案例107：AGAST特征点检测
10.2.8 案例108：FAST特征点检测
10.3 特征点匹配
10.3.1 案例109：Brute-Force特征点匹配
10.3.2 案例110：FLANN特征点匹配
10.4 进阶必备：特征点检测算法概述
第11章 相机标定与三维重建模块calib3d
11.1 模块导读
11.2 单应性变换
11.2.1 案例111：单应性变换矩阵
11.2.2 案例112：单应性应用之图像插入
11.3 相机标定
11.3.1 案例113：棋盘角点检测并绘制
11.3.2 案例114：消除图像失真
11.4 进阶必备：聊聊镜头失真
第12章 传统目标检测模块objdetect
12.1 模块导读
12.2 级联分类器的应用
12.2.1 案例115：人脸检测
12.2.2 案例116：人眼检测
12.3 案例117：HOG描述符行人检测
12.4 二维码应用
12.4.1 案例118：二维码检测
12.4.2 案例119：二维码解码
12.5 进阶必备：聊聊条形码与二维码
第13章 机器学习模块ml 392
13.1 模块导读
13.2 案例120：基于OpenCV的Logistic回归
13.3 案例121：基于OpenCV的支持向量机
13.4 案例122：基于OpenCV的主成分分析
13.5 进阶必备：机器学习算法概述
第14章 深度学习模块dnn
14.1 模块导读
14.2 风格迁移
14.2.1 深度学习风格迁移
14.2.2 案例123：OpenCV实现风格迁移推理
14.3 图像分类
14.3.1 深度学习图像分类
14.3.2 案例124：基于TensorFlow训练Fashion-MNIST算法模型
14.3.3 案例125：OpenCV实现图像分类推理
14.4 目标检测
14.4.1 深度学习目标检测
14.4.2 案例126：OpenCV实现目标检测推理
14.5 图像超分
14.5.1 深度学习图像超分算法
14.5.2 案例127：OpenCV实现图像超分推理
14.6.1 计算机视觉的发展
14.6.2 OpenCV在计算机视觉中的应用
(好冷，先不写了，00:10了，要是有朋友觉得好烦请动动你的发财小手帮忙点个关注，点个赞，我下次继续更新，谢谢！最后祝大家新年工作顺利，钱途无量。)
二、“补冬不如补霜降”，霜降记得吃“4宝”，指的哪4宝应季正美味
“补冬不如补霜降”，霜降记得吃“4宝”，指的哪4宝？应季正美味
秋日生活打卡季
今天是“霜降”，也是秋季最后一个节气， 万物毕成，毕入于戌，阳下入地，阴气始凝。霜降是一年之中昼夜温差最大的一天，霜降过后，意味着寒冷的冬季就要来临了。
霜降是秋季和冬季的过渡阶段，为了能给冬季打好基础，此时正是进补的最佳时节，老话说 “补冬不如补霜降” ，所以霜降时节记得多吃“4宝”，应季正美味。
霜降4宝指的是什么？
一、鸭肉
老话说“秋高鸭肥”，这个时候的鸭子最为肥美，因为鸭子在这个季节已经很少游动，储存脂肪准备过冬，所以肉质鲜美。另外鸭肉性凉，有补虚清热润燥的作用。
推荐食谱【紫苏烧鸭】
主要食材：鸭子、紫苏酱、青红椒、大蒜
1、准备半只鸭子，把鸭子剁成小块，大小适中即可。
2、切好的鸭肉冷水下锅，加入去腥三件套葱姜料酒，大火煮开，然后把表面的浮沫撇掉，继续煮2分钟，捞出后冲洗干净备用。
3、锅烧热倒入菜籽油，油热后下入鸭肉大火翻炒，炒出多余的油脂，这样吃着就不腻了，炒到表面微微金黄即可。
4、接着倒入姜蒜末翻炒出香味，倒入一包紫苏酱， ：如果家里没有紫苏酱，那么准备一些紫苏叶，洗净剁碎，加入生抽、盐、蚝油、味精、适量豆豉即可。
5、然后倒入一瓶啤酒，，啤酒可以去腥增香，中火炖上30分钟左右即可。
6、时间到了后大火收汁，最后放入青红椒，翻炒个十几下，就可以出锅了。
二、萝卜
老话说“冬吃萝卜夏吃姜，不劳医生开药方”，萝卜口感脆爽，有补气、开胃、润燥等作用，也是秋冬季节的应季蔬菜。不过吃萝卜要适量，尤其是脾胃不好的人，吃多了会胀气。
推荐食谱【萝卜肉丸汤】
主要食材：萝卜、牛肉丸子、鸡蛋、西蓝花
1、萝卜洗净之后去掉两头去皮，然后把萝卜插成细丝，插好之后，我们放在一边备用，接下来准备其他食材。
2、小碗里面打入3个鸡蛋，如果条件好的话，多打几个也无所谓，不粘锅里倒入适量油，油热之后倒入鸡蛋，先把底部给它煎至定型，然后把鸡蛋翻面，一直煎到两面金黄就可以了，放到案板上切成小块备用。
3、接着咱们再准备些牛肉丸，牛肉丸我们选择纯肉的丸子，这样的牛肉丸特别好吃，香味浓郁，汁水丰富，而且还弹力十足。
4、锅里烧油把葱姜蒜炒出香味，然后加入萝卜翻炒，把萝卜炒到变软，加入一勺猪油，再倒入开水，然后放上鸡蛋和丸子，猪油和开水可以让汤汁变得更加浓白好看，搅拌均匀之后，盖上锅盖中火炖煮5分钟。
5、时间到了后咱们下入焯过水的西蓝花，加入适量的盐和胡椒粉就可以了，搅拌均匀后再煮1分钟就可以出锅了。
三、白菜
古语有云“初春早韭，秋末晚菘”，意思是早春要吃韭菜，秋末要吃菘，菘是古人对于白菜的称呼，人们认为这个季节的白菜又嫩又鲜，值得品尝。
推荐食谱【肉末白菜】
主要食材：小白菜 肉沫 红椒 绿椒
1、准备2颗小白菜（娃娃菜）先切掉根部，然后将白菜一片片撕下来，撕好之后用清水冲洗干净。
2、准备几根绿辣椒洗净后切成圈，小米椒洗净后也切成圈，不能吃辣的话可以少切一些，也可以将辣椒换成豆角或者小芹菜，准备多一些大蒜切碎后剁成蒜末备用。
3、锅里烧一些水，水开之后下入小白菜烫熟，时间不宜过长，几十秒就可以了，焯好之后控水捞入盘子里。
4、锅里多来些油，油热后放入肉沫炒至变色，然后加入料酒翻炒几秒钟，加入一勺豆瓣酱，一勺生抽，一勺蚝油，然后将调料翻炒均匀。
5、炒均匀后倒入蒜末翻炒出香味，接着倒入切好的辣椒翻炒到辣椒断生，最后淋入一些水淀粉炒到微微粘稠就可以了。
6、炒好之后直接淋在白菜上面就可以上桌了。
四、牛肉
牛肉是大家日常生活中经常会吃到的肉食，在霜降这一天，很多地区的人都会吃上一顿牛肉，大家认为牛肉可以强身健体，补充能量。
推荐食谱【香菜炒牛肉】
主要食材：牛里脊、香菜、小米椒、大蒜、泡椒、生姜
1、首先准备一块牛里脊洗净后切成薄片，牛肉要逆着纹路切，这样切的牛肉才会嫩，如果顺着纹路切，怎么炒都老，因为牛肉筋膜比较粗，不把它切段，就会影响口感。
2、切好的牛肉我们加入盐，白糖、生抽、蚝油，一勺淀粉、一勺食用油，然后把牛肉抓拌均匀，多抓一会儿，让牛肉完全吸收料汁和油，这样吃起来入味，也能增加嫩滑的口感。
3、趁着腌牛肉的时候，咱们切点配料，大蒜切成蒜片，生姜切片，葱白切小段。
4、做香菜炒牛肉少不了泡椒，它可以让牛肉吃起来更加开胃，所以这个一定不能省略，将泡椒和小米椒分别切成圈备用。
5、稍微多一些的香菜切成段备用。
6、锅里多倒一些食用油，油热后下入腌好的牛肉，开大火翻炒，把牛肉炒至变色，炒好后盛出备用。
7、重新起锅倒入食用油，油热放入切好的配料，大火爆出香味，然后下入牛肉，翻炒几秒钟。
8、接着加入鸡精、生抽、香菜，大火翻炒七八下就可以出锅了
三、家里进水是发财兆头
楼主，你好
你要往好的这方面说也是可以的
水也，财也
广东话【猪笼入水】
也就是财源广进的意思
建议努力工作，好好赚钱
事在人为
人定胜天
生活不易，加油
以上就是小编为大家整理的家里漫水意味着要发财的内容，更多关于家里漫水意味着要发财可以关注本站。
微信扫一扫 
支付宝扫一扫 
