python点点滴滴

lambda函数例子，在这里把 lambda想象成一个过滤器

def return_sum(func, lst):
  result = 0
  for i in lst:
    #if val satisfies func
    if func(i):
      result = result + i
  return result
lst = [11,14,21,56,78,45,29,28]
x = lambda a: a%2 == 0
y = lambda a: a%2 != 0
z = lambda a: a%3 == 0
print(return_sum(x, lst))
print(return_sum(y, lst))
print(return_sum(z, lst))

map函数

arr = [2,4,6,8] 
arr = list(map(lambda x: x*x, arr)) 
print(arr)

students = [
            {"name": "John Doe",
             "father name": "Robert Doe",
             "Address": "123 Hall street"
             },
            {
              "name": "Rahul Garg",
              "father name": "Kamal Garg",
              "Address": "3-Upper-Street corner"
            },
            {
              "name": "Angela Steven",
             "father name": "Jabob steven",
             "Address": "Unknown"
            }
]
print(list(map(lambda student: student['name'], students)))
>>> ['John Doe', 'Rahul Garg', 'Angela Steven']

filter函数

fruits = ['mango', 'apple', 'orange', 'cherry', 'grapes'] 
print(list(filter(lambda fruit: 'g' in fruit, fruits)))

## reduce函数

from functools import reduce
lst = [2,4,6,8,10]
print(reduce(lambda x, y: x+y, lst))
>>> 30

列表推导式

arr = [2,4,6,8]
arr = [i**2 for i in arr]
print(arr)
fruit_result = [fruit for fruit in fruits if 'g' in fruit]
print(fruit_result)

字典推导式

lst = [2,4,6,8]
D1 = {item:item**2 for item in lst}
print(D1)
>>> {2: 4, 4: 16, 6: 36, 8: 64}
# 创建一个只包含奇数元素的字典
arr = [1,2,3,4,5,6,7,8]
D2 = {item: item**2 for item in arr if item %2 != 0}
print(D2)
>>> {1: 1, 3: 9, 5: 25, 7: 49}

python将视频切分成帧&&帧合成视频

opencv更新命令：pip3 install --upgrade opencv-python==4.5.5.64
一、视频切分成帧

import cv2
 
def video2frame(videos_path,frames_save_path,time_interval):
 
  '''
  :param videos_path: 视频的存放路径
  :param frames_save_path: 视频切分成帧之后图片的保存路径
  :param time_interval: 保存间隔
  :return:
  '''
  vidcap = cv2.VideoCapture(videos_path)
  success, image = vidcap.read()
  count = 0
  while success:
    success, image = vidcap.read()
    count += 1
    if count % time_interval == 0:
      cv2.imencode('.jpg', image)[1].tofile(frames_save_path + "/frame%d.jpg" % count)
    # if count == 20:
    #   break
  print(count)
 
if __name__ == '__main__':
   videos_path = 'D:\测试\测试视频01.mp4'
   frames_save_path = 'D:\测试\测试视频01'
   time_interval = 2#隔一帧保存一次
   video2frame(videos_path, frames_save_path, time_interval)

二、帧合成视频

import cv2
import os
import numpy as np
from PIL import Image
 
 
def frame2video(im_dir,video_dir,fps):
 
    im_list = os.listdir(im_dir)
    im_list.sort(key=lambda x: int(x.replace("frame","").split('.')[0]))  #最好再看看图片顺序对不
    img = Image.open(os.path.join(im_dir,im_list[0]))
    img_size = img.size #获得图片分辨率，im_dir文件夹下的图片分辨率需要一致
 
 
    # fourcc = cv2.cv.CV_FOURCC('M','J','P','G') #opencv版本是2
    fourcc = cv2.VideoWriter_fourcc(*'XVID') #opencv版本是3
    videoWriter = cv2.VideoWriter(video_dir, fourcc, fps, img_size)
    # count = 1
    for i in im_list:
        im_name = os.path.join(im_dir+i)
        frame = cv2.imdecode(np.fromfile(im_name, dtype=np.uint8), -1)
        videoWriter.write(frame)
        # count+=1
        # if (count == 200):
        #     print(im_name)
        #     break
    videoWriter.release()
    print('finish')
 
if __name__ == '__main__':
    im_dir = 'E:/测试/图片/'#帧存放路径
    video_dir = 'E:\测试/test.avi' #合成视频存放的路径
    fps = 30 #帧率，每秒钟帧数越多，所显示的动作就会越流畅
    frame2video(im_dir, video_dir, fps)
 

filter2D 自动生成的代码

import numpy as np
import cv2
def sharpen_image(image_path):
    # read image
    img = cv2.imread(image_path)

    # create sharpening kernel
    kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]])

    # applying the sharpening kernel to the input image & displaying it.
    sharpened = cv2.filter2D(img, -1, kernel)

    # save the sharpened image
    cv2.imwrite('sharpened_image.jpg', sharpened)

# example usage
sharpen_image('e://1.jpg')

rosenfeld算法，目前仅知道可以细化图片，用二值法对黑白的效果好，不知道对彩色的效果怎么样。只能做细化还是可以做锐化‘？

#include <iostream>
#include <vector>
#include <opencv2/opencv.hpp>

using namespace std;

void Rosenfeld_Thin(cv::Mat& src, cv::Mat& dst) {
    if (src.type() != CV_8UC1) {
        cout << "只处理二值化图像，请先二值化图像" << endl;
        return;
    }

    dst = src.clone();

    int width = src.cols;
    int height = src.rows;
    int step = src.step;
    int  p1, p2, p3, p4, p5, p6, p7, p8; //八邻域
    uchar* img;
    bool ifEnd;
    cv::Mat tmpimg;
    int dir[4] = { -step, step, -1, 1 };

    while (1) {
        ifEnd = false;
        for (int n = 0; n < 4; n++) { //分四个迭代过程，分别为北，南，西，东四个边界情况
            dst.copyTo(tmpimg);
            img = tmpimg.data;
            for (int i = 0; i < height; i++) {
                for (int j = 0; j < width; j++) {
                    uchar* p = img + i * step + j;
                    if (p[0] == 0 || p[dir[n]] != 0) continue; //如果p0是背景点或不是方位边界点，跳过本次循环
                    p1 = p[(i == 0) ? 0 : -step] > 0 ? 1 : 0;
                    p2 = p[(i == 0 || j == width - 1) ? 0 : -step + 1] > 0 ? 1 : 0;
                    p3 = p[(j == width - 1) ? 0 : 1] > 0 ? 1 : 0;
                    p4 = p[(i == height - 1 || j == width - 1) ? 0 : step + 1] > 0 ? 1 : 0;
                    p5 = p[(i == height - 1) ? 0 : step] > 0 ? 1 : 0;
                    p6 = p[(i == height - 1 || j == 0) ? 0 : step - 1] > 0 ? 1 : 0;
                    p7 = p[(j == 0) ? 0 : -1] > 0 ? 1 : 0;
                    p8 = p[(i == 0 || j == 0) ? 0 : -step - 1] > 0 ? 1 : 0;
                    //判断8 simple
                    int is8simple = 1;
                    //以下6种情况，当p0=0时，不会改变8连通性
                    if (p1 == 0 && p5 == 0 && (p8 == 1 || p7 == 1 || p6 == 1) && (p2 == 1 || p3 == 1 || p4 == 1)) {
                        is8simple = 0;
                    }
                    if (p3 == 0 && p7 == 0 && (p8 == 1 || p1 == 1 || p2 == 1) && (p4 == 1 || p5 == 1 || p6 == 1)) {
                        is8simple = 0;
                    }
                    if (p7 == 0 && p1 == 0 && p8 == 1 && (p2 == 1 || p3 == 1 || p4 == 1 || p5 == 1 || p6 == 1)) {
                        is8simple = 0;
                    }
                    if (p3 == 0 && p1 == 0 && p2 == 1 && (p4 == 1 || p5 == 1 || p6 == 1 || p7 == 1 || p8 == 1)) {
                        is8simple = 0;
                    }
                    if (p7 == 0 && p5 == 0 && p6 == 1 && (p2 == 9 || p1 == 1 || p2 == 1 || p3 == 1 || p4 == 1)) {
                        is8simple = 0;
                    }
                    if (p3 == 0 && p5 == 0 && p4 == 1 && (p6 == 1 || p7 == 1 || p8 == 1 || p1 == 1 || p2 == 1)) {
                        is8simple = 0;
                    }
                    int adjsum;
                    adjsum = p1 + p2 + p3 + p4 + p5 + p6 + p7 + p8;
                    if (adjsum != 1 && adjsum != 0 && is8simple == 1) { //判断是否为孤立点或者端点
                        dst.at<uchar>(i, j) = 0; //满足删除条件，设当前像素为0
                        ifEnd = true;
                    }
                }
            }
        }
        if (!ifEnd) break; //若没有可以删除的像素点，则退出循环
    }
}

void main() {
    cv::Mat src = cv::imread("C:\\Users\\PC\\Desktop\\cv\\src.jpg");
    cv::cvtColor(src, src, cv::COLOR_BGR2GRAY); //将原图像转换为灰度图
    cv::threshold(src, src, 128, 255, cv::THRESH_BINARY); //二值化图像

    //图像细化
    cv::Mat dst;
    Rosenfeld_Thin(src, dst);
    //显示图像
    cv::imshow("src", src);
    cv::imshow("dst", dst);
    cv::waitKey(0);
}

列表作为形参 from 王铭东老师

定义函数时，列表作为形参，每一次引用都是上一次引用后的同一个列表

def fuc(x=[]):
	x.append("balabala")
	print( x)

fuc()
fuc()

强行解释，创建fuc函数后，指针没有释放，所以指向同一个列表（内存）
搞不懂为什么def fuc（x[ ]）会报错呢？

sort() 没有返回值

#给字典排序
infos.sort(key=lambda temp:temp["age"])

os,walk 方法

i

mport os
for temp in os.walk("./aa")
    print(temp) # 返回元祖(‘./aa’,[],['1.txt','2.txt'])
    #返回路径，文件夹名列表，文件名列表

cv的3中去噪点算法

import cv2

img = cv2.imread('e://1.jpg')

# 中值滤波
img_median = cv2.medianBlur(img, 5)

# 高斯滤波
img_gaussian = cv2.GaussianBlur(img, (5, 5), 0)

# 双边滤波
img_bilateral = cv2.bilateralFilter(img, 9, 75, 75)

cv2.imshow('Original', img)
cv2.imshow('Median Filter', img_median)
cv2.imshow('Gaussian Filter', img_gaussian)
cv2.imshow('Bilateral Filter', img_bilateral)

cv2.waitKey(0)
cv2.destroyAllWindows()

数组的维度

import numpy as np

x  = np.array([2,4,25,33])# 数组作为实参
print(x.shape)            #(4,)一个4元素的一维数组
print(x)                  #[ 2  4 25 33] 一维数组
print(x[np.newaxis,:])    #[[ 2  4 25 33]]二维，shape=(1,4)

#
#

python中的省略号ellipsis

for i in range(15)
	...# 相当于pass

python strip()作用

Python中的strip()函数用于移除字符串开头和结尾处的空格或指定字符。它返回一个新字符串。如果不指定字符集合，则默认移除字符串开头和结尾的空格。#中间的空格不删。

s = "  hello world    "
print(s.strip())  # 输出："hello world"

s = "   hello    "
print(s.strip(" "))  # 输出："hello"

s = "-*-hello-*-"
print(s.strip("-*"))  # 输出："hello"

在 Python 中，-*- 是一种注释语法，可以用于文件头部或函数头部。这种语法通常用于指定文件的编码格式、作者信息、版权信息、许可证信息以及最后修改时间等元数据信息。

def init(self, text) -> None:箭头是什么意思

这里使用了 -> None 表示该函数返回值的类型是 None。None 表示空值，即没有值。

如果函数返回值的类型不是 None，我们可以在箭头后面注明返回值的类型，如 -> int、-> str 等。例如：

def add(x: int, y: int) -> int:
    return x + y

python中如果有多个返回值，返回的是列表类型吗

在 Python 中，如果一个函数有多个返回值，函数会将这些值打包成一个元组(tuple)类型的数据结构返回。
需要注意的是，如果函数返回值只有一个，且没有使用逗号将其与其他返回值分开，在函数调用时也会返回一个元组(tuple)类型的数据结构，而不是单个值。

欢迎使用Markdown编辑器

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法¹ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎