Scipy简介
- Scipy依赖于Numpy(np.dot(nd1,nd2))
- Scipy提供了真正的矩阵
- Scipy包含的功能:最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理、图像处理、常微分方程求解器等
- Scipy是高端科学计算工具包 matlab == python+numpy+scipy+pandas+matplotlib
- Scipy由一些特定功能的子模块组成
Scipy文件输入/输出
from scipy import io as spio
import numpy as np
a = np.ones((3,3))
#mat文件是标准的二进制文件
spio.savemat('./data/file.mat',mdict={'a':a})
#读取图片
from scipy import misc
data = misc.imread('./data/moon.png')
#读取保存的文件
data = spio.loadmat('./data/file.mat')
data['a']
#保存图片
misc.imsave('./data/save.png',arr=data)
scipy.misc
模糊,轮廓,细节,edge_enhance,edge_enhance_more, 浮雕,find_edges,光滑,smooth_more,锐化
图片处理ndimage
使用Scipy中的ndimage/misc进行处理
from scipy import misc,ndimage
#原始图片
face = misc.face(gray=True)
#移动图片坐标
shifted_face = ndimage.shift(face, (50, 50))
#移动图片坐标,并且指定模式
shifted_face2 = ndimage.shift(face, (-200, 0), mode='wrap')
#旋转图片
rotated_face = ndimage.rotate(face, -30)
#切割图片
cropped_face = face[10:-10, 50:-50]
#对图片进行缩放
zoomed_face = ndimage.zoom(face, 0.5)
faces = [shifted_face,shifted_face2,rotated_face,cropped_face,zoomed_face]
图片过滤
from scipy import misc,ndimage
import numpy as np
import matplotlib.pyplot as plt
face = misc.face(gray=True)
face = face[:512, -512:] # 做成正方形
noisy_face = np.copy(face).astype(np.float)
#噪声图片
noisy_face += face.std() * 0.5 * np.random.standard_normal(face.shape)
#高斯过滤
blurred_face = ndimage.gaussian_filter(noisy_face, sigma=1)
#中值滤波
median_face = ndimage.median_filter(noisy_face, size=5)
#signal中维纳滤波
from scipy import signal
wiener_face = signal.wiener(noisy_face, (5, 5))
titles = ['noisy','gaussian','median','wiener']
faces = [noisy_face,blurred_face,median_face,wiener_face]
scipy.special
special库中的特殊函数都是超越函数,所谓超越函数是指变量之间的关系不能用有限次加、减、乘、除、乘方、开方 运算表示的函数。
scipy.linalg
- scipy.linalg.det():计算方阵的行列式
- scipy.linalg.inv():计算方阵的逆
- scipy.linalg.svd():奇异值分解
scipy.fftpack使用:
- scipy.fftpack.fftfreq():生成样本序列
- scipy.fftpack.fft():计算快速傅立叶变换
你知道的越多,你不知道的越多。
有道无术,术尚可求,有术无道,止于术。
如有其它问题,欢迎大家留言,我们一起讨论,一起学习,一起进步