laoyezha的博客

1.读取图片数据进行base64编码后发送客户端代码import requestsimport oshost = 'http://localhost:8888'image_path = os.path.join(os.path.dirname(__file__), 'data', 'img', 'test.jpg')def test_post_image(): method = 'post' url = os.path.join(host, 'postImage')

文件结构如下├── index.py└── src └── api ├── __init__.py ├── v1 # 版本1 │├── __init__.py │└── routes.py └── v2 # 版本2 ├── __init__.py └── routes.p...

对于一些背景纯色，结构相对简单的图，可以利用传统的opencv图像处理进行分割。先来记录一下基于二值化图像素投影的图片切割方法的实现。比如下面这张图，可以利用这个算法进行切割。（源代码在最后面）切割后的效果思路：对于背景为白色的图片，可以分别统计每一行和每一列的黑像素点的个数，获得水平和垂直方向累计黑点个数的列表，如果列表中某个元素的值为0，代表这一行或这一列没有黑色像素，可以认为这一行或这一列是背景，切割时利用列表相邻两个元素是否为0和非零，确定切割边界。黑色背景的图也可以用这个思路，这.

前一篇研究了opencv二值化方法threshold的使用，但是这个方法也存在一定的局限性，假如有一张图存在明显的明暗不同的区域，如下图可以看到左边不符因为整体偏暗，导致二值化后变成全黑，丢失了所有细节，这显然不是我们想要的结果。原因threshold函数使用一个阈值对图像进行二值化，导致小于这个阈值的像素点全都变成0。因此使用一个阈值的二值化方法并不适用于上面的这张图。那怎么搞？很明显，上面这张图只有左右两个区域明显亮度不同，最简单的方法就是把图分成两个区域，每个区域分别进行二值化，也就是

刚接触opencv，需要用到图像二值化，发现opencv提供的二值化算法有很多，网上借鉴了很多大神的帖子，自己做了一些总结归纳，作为笔记先记录一下。opencv二值化相关函数有两个，先记录一下threshold的使用，另一个为adaptiveThreshold，会在下个帖子做记录cv2.threshold(src, thresh, maxval, type, dst=None)研究了一下参数，src：需要进行二值化的一张灰度图像thresh：手动指定的灰度值（0~255）（用来比较的

项目中遇到需要另外解析RobotFrameWork的输出报告来取得一些信息，网上参考了一些方法以及自己尝试之后，在这里做一下笔记。运行RobotFrameWork会产生相应的output.xml，report.html，log.html。方法是用Python的robot包提供的api来解析output.xml，因此需要事先安装robot相应的包。（report.html，log.html可以使用命...