OpenCV||超简略的Numpy小tip

一、基本类型

二、数组属性

 三、数组迭代（了解）

import numpy as np  
  
# 创建一个数组  
a = np.arange(6).reshape(2, 3)  
  
# 使用np.nditer遍历数组  
for x in np.nditer(a):  
    print(x)

np.nditer有多个参数，用于控制迭代器的行为，以下是一些重要参数的介绍：

1. op：要迭代的数组或数组序列。

2. flags：一个字符串列表，用于控制迭代器的行为。例如，'buffered'、'c_index'、'f_index'、'multi_index'等。这些标志可以组合使用，以满足不同的迭代需求。

   • 'buffered'：启用缓冲，以减少内存访问次数。
   • 'c_index'：跟踪C顺序索引。
   • 'f_index'：跟踪Fortran顺序索引。
   • 'multi_index'：跟踪多个索引或每个迭代维度一个索引元组。

3. op_flags：一个字符串列表，用于指定每个操作数的标志。常用的有'readonly'、'readwrite'和'writeonly'。

   • 'readonly'：表示只读取操作数。
   • 'readwrite'：表示将读取和写入操作数。
   • 'writeonly'：表示只会写入操作数。

4. op_dtypes：一个数据类型或数据类型元组，用于指定操作数所需的数据类型。如果启用了复制或缓冲，则数据将转换为指定的类型。

5. order：控制迭代顺序，可选'C'（C顺序）、'F'（Fortran顺序）或'A'（如果所有数组都是Fortran连续的，则为'F'顺序，否则为'C'顺序）。

6. casting：控制进行复制或缓冲时可能出现的数据转换类型。可选值包括'no'、'equiv'、'safe'、'same_kind'和'unsafe'。

 高级用法：

# 同时迭代多个数组  
a = np.arange(6).reshape(2, 3)  
b = np.array([[1, 2, 3], [4, 5, 6]])  
  
# 使用multi_index同时获取索引和元素值  
it = np.nditer([a, b], flags=['multi_index'], op_flags=['readonly'])  
while not it.finished:  
    print(it.multi_index, it[0], it[1])  
    it.iternext()

 四、写在最后

学习OpenCV前，扎实的Numpy基础是不容忽视的。

 链接跳转：

章节一、OpenCV||超细节的基本操作

章节三、OpenCV||超详细的图像处理模块

章节四、OpenCV||超详细的灰度变换和直方图修正

章节五、OpenCV||超详细的图像平滑

章节六、OpenCV||超详细的几何变换