用matplotlib中在循环语句中显示多张图片

今天,运行MTCNN/TensorFlow 实现人脸检测程序,然后想要用matplotlib在循环语句中显示多张图片或自动关闭进入下一张图片显示,因为没事imshow()时需要手动关闭才能运行接下来的程序,这太麻烦了,现在可以给出自动关闭进入下一次显示的程序。

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
from six import string_types, iteritems


from scipy import misc
import tensorflow as tf
import detect_face
import cv2
import os
import matplotlib.pyplot as plt
import numpy as np
from pylab import *
from matplotlib.backends.backend_pdf import PdfPages


minsize = 20  # minimum size of face
threshold = [0.6, 0.5, 0.5]  # three steps's threshold
factor = 0.709  # scale factor
gpu_memory_fraction = 0.1

print('Creating networks and loading parameters')

with tf.Graph().as_default():
    gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=gpu_memory_fraction)
    sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options, log_device_placement=False))
    with sess.as_default():
        pnet, rnet, onet = detect_face.create_mtcnn(sess, None)
image_path = 'zidonghua.jpg'
img = misc.imread(image_path)

factor_count=0
total_boxes=np.empty((0,9))
points=np.empty(0)
h=img.shape[0]
w=img.shape[1]
minl=np.amin([h, w])
m=12.0/minsize
minl=minl*m
    # create scale pyramid
scales=[]

while minl >= 12:
    scales += [m * np.power(factor, factor_count)]
    minl = minl * factor
    factor_count += 1

i=1
for scale in scales:
    hs=int(np.ceil(h*scale))
    ws=int(np.ceil(w*scale))
    #im_data = misc.imresize(img, (hs, ws))
    im_data = cv2.resize(img, (ws, hs), interpolation=cv2.INTER_AREA)  # @UndefinedVariable
    plt.ion()
    plt.figure(i)
    plt.imshow(im_data)
    plt.pause(5)
    plt.close()
    i=i+1
这是MTCNN中的部分程序,通过这个你可以看到等一段时间它会自动显示下一张图片,其实上面关键的是 plt.ion(),
你也可以把plt.close()注释掉,这样你就看到figure(1),figure(2)......等图片




  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值