深度学习实验手册
文章目录
一、基础理论
1. 自定义感知机
# 001_percetron_感知机.py
# 实现感知机
# 实现逻辑和
def AND(x1, x2):
w1, w2, theta = 0.5, 0.5, 0.7
tmp = x1 * w1 + x2 * w2 # 交叉相乘再相加
if tmp <= theta:
return 0
else:
return 1
print(AND(1, 1)) # 1
print(AND(1, 0)) # 0
# 实现逻辑或
def OR(x1, x2):
w1, w2, theta = 0.5, 0.5, 0.2
tmp = x1 * w1 + x2 * w2
if tmp <= theta:
return 0
else:
return 1
print(OR(0, 1)) # 1
print(OR(0, 0)) # 0
# 实现异或
def XOR(x1, x2):
s1 = not AND(x1, x2) # 与非门
s2 = OR(x1, x2)
y = AND(s1, s2)
return y
print(XOR(1, 0)) # 1
print(XOR(0, 1)) # 1
print(XOR(1, 1)) # 0
print(XOR(0, 0)) # 0
2. 验证图像卷积运算效果
这里的scipy可能会因为版本的问题出现报错,解决办法如下两种方法
1、降低版本
2、代替库
from scipy import signal
from scipy import misc
import matplotlib.pyplot as plt
import numpy as np
import scipy.ndimage as sn
im = misc.imread("data/zebra.png", flatten=True)
# face = sn.imread("data/zebra.png", flatten=True)
flt = np.array([[-1, 0, 1],
[-2, 0, 2],
[-1, 0, 1]])
flt2 = np.array([[1, 2, 1],
[0, 0, 0],
[-1, -2, -1]])
# 把图像的face数组和设计好的卷积和作二维卷积运算,设计边界处理方式为symm
conv_img1 = signal.convolve2d(im, flt,
boundary='symm',
mode='same').astype("int32")
conv_img2 = signal.convolve2d(im, flt2,
boundary='symm',
mode='same').astype("int32")
plt.figure("Conv2D")
plt.subplot(131)
plt.imshow(im, cmap='gray') # 显示原始的图
plt.xticks([])
plt.yticks([])
plt.subplot(132)
plt.xticks([])
plt.yticks([])
plt.imshow(conv_img1, cmap='gray') # 卷积后的图
plt.subplot(133)
plt.xticks([])
plt.yticks([])
plt.imshow(conv_img2, cmap='gray') # 卷积后的图
plt.show()
更新后
from scipy import signal
# from scipy import misc
import matplotlib.pyplot as plt
import numpy as np
import scipy.ndimage as sn
import imageio
im = imageio.imread("相对路径下的任意一张图片.png")
# face = sn.imread("data/zebra.png", flatten=True)
flt = np.array([[-1, 0, 1],
[-2, 0, 2],
[-1, 0, 1]])
flt2 = np.array([[1, 2, 1],
[0, 0, 0],
[-1, -2, -1]])
# 把图像的face数组和设计好的卷积和作二维卷积运算,设计边界处理方式为symm
conv_img1 = signal.convolve2d(im, flt,
boundary='symm',
mode='same').astype("int32")
conv_img2 = signal.convolve2d(im, flt2,
boundary='symm',
mode='same').astype("int32")
plt.figure("Conv2D")
plt.subplot(131)
plt.imshow(im, cmap='gray') # 显示原始的图
plt.xticks([])
plt.yticks([])
plt.subplot(132)
plt.xticks([])
plt.yticks([])
plt.imshow(conv_img1, cmap='gray') # 卷积后的图
plt.subplot(133)
plt.xticks([])
plt.yticks([])
plt.imshow(conv_img2, cmap='gray') # 卷积后的图
plt.show()
3、OpenCV版:
from scipy import misc
from scipy import signal
import matplotlib.pyplot as plt
import matplotlib
import numpy as np
import scipy.ndimage as sn
import cv2
import pylab
im = cv2.imread("../data/zebra.png",0)
flt = np.array([[-1,0,1],
[-2,0,2],
[-1,0,1]])/2
flt2 = np.array([[1,2,1],
[0,0,0],
[-1,-2,-1]])/2
conv_img1 = cv2.filter2D(im, -1, flt,borderType=1)
conv_img2 = cv2.filter2D(im, -1, flt2,borderType=1)
cv2.imshow("im",im)
cv2.imshow("conv_img1",conv_img1)
cv2.imshow("conv_img2",conv_img2)
cv2.waitKey()
cv2.destroyAllWindows()
二、OpenCV部分
1. OpenCV安装
执行以下命令安装opencv-python库(核心库)和opencv-contrib-python库(贡献库)。注意:命令拷贝后要合成一行执行,中间不要换行。
# 安装opencv核心库
pip3 install --user opencv-python==3.4.2.16 --index-url https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host https://pypi.tuna.tsinghua.edu.cn
# 安装opencv贡献库
pip3 install --user opencv-contrib-python==3.4.2.16 --index-url https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host https://pypi.tuna.tsinghua.edu.cn
下面链接是一位大神总结的可跳转学习(需付费😁)
OpenCV简介与图像处理基础
2. OpenCV基本操作
1)读取、图像、保存图像
# 读取图像
import cv2
im = cv2.imread("../(自己的路径)/Linus.png", 1) # 1表示3通道彩色,0表示单通道灰度
cv2.imshow("test", im) # 在test窗口中显示图像
print(type(im)) # 打印数据类型
print(im.shape) # 打印图像尺寸
cv2.imwrite("../(自己定义的路径)/Linus_2.png", im) # 将图像保存到指定路径
cv2.waitKey() # 等待用户按键反馈
cv2.destroyAllWindows() # 销毁所有创建的窗口
3. 图像色彩操作
1)彩色图像转换为灰度图像
# 彩色图像转换为灰度图像示例
import cv2
im = cv2.imread("../(自己的路径)/Linus.png", 1)
cv2.imshow("RGB", im) # 在test窗口中显示图像
# 使用cvtColor进行颜色空间变化,COLOR_BGR2GRAY表示BGR to GRAY
img_gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) # 彩色图像灰度化
cv2.imshow("Gray", img_gray)
cv2.waitKey() # 等待用户按键反馈
cv2.destroyAllWindows() # 销毁所有创建的窗口
2)色彩通道操作
# 色彩通道操作:通道表示为BGR
import numpy as np
import cv2
im = cv2.imread("../(自己的路径)/opencv2.png")
print(im.shape)
cv2.imshow("im", im)
# 取出蓝色通道,当做单通道图像显示
b = im[:, :, 0]
cv2.imshow("b", b)
# 去掉蓝色通道(索引为0的通道)
im[:, :, 0] = 0
cv2.imshow("im-b0", im)