科研日记1——numpy库函数和图像卷积

最新推荐文章于 2023-11-12 07:19:07 发布
最新推荐文章于 2023-11-12 07:19:07 发布
阅读量1.2k 收藏 1
点赞数
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43664591/article/details/103555373
版权
这篇科研日记详细介绍了numpy库的多个函数，包括numpy.conj、numpy.multiply/numpy.divide、numpy.arange和np.pad，并提供了使用示例。此外，还简述了图像卷积的概念及其在处理图像边缘时的注意事项。
摘要由CSDN通过智能技术生成

numpy库函数

numpy.conj

  • 函数作用
    逐元素取共轭
  • 函数参数
    numpy.conj(x, out=None） x可以输入为复数或者矩阵，out=None 为返回的位置，这个还不太清楚怎么用的？
  • 使用范例：
import numpy as np
x=1+2j
y=np.conj(x)
#y=np.conjugate(x) 为一样的z 
print(y)
x=[[1+2j,1-1.j],
   [9+8j,10-6j]]
#注意不能直接写1-j 可以写1-1j或1-1.j
print(np.conjugate(x))

numpy.multiply/numpy.divide

  • 函数作用
    逐元素相乘/相除

  • 函数参数
    numpy.multiply(x1, x2）
    x1，x2均可为矩阵或者数字

  • 说明（广播问题）当遇到x1，x2 维度不一致，若要实现逐元素相乘，则需要广播，将小维度的数通过复制扩充到与大维度的数维度相同。numpy会从低的维度（shape的尾部）开始，逐次检查两个矩阵大小信息：如果大小一致，good；如果其中一个为1，可以，开始广播；其他情况，则会抛出：ValueError: operands could not be broadcast together&#x

最低0.47元/天 解锁文章
qq_43664591
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python实现二维离散卷积运算
weixin_50547796的博客
06-08 47
首先，我们需要定义一个二维滤波器，它通常是一个小矩阵，比如3×3或5×5。中的重要操作，它可以对图像进行平滑、增强边缘等处理。在Python中，我们可以使用numpy库来实现二维离散卷积运算。接下来，我们读取一张图像，并将其转换为灰度图像。然后，我们定义一个函数来进行卷积操作。在该函数中，我们使用了。最后，我们可以使用matplotlib库来显示图像。通过以上代码，我们就实现了对图像的二维离散卷积运算。中的convolve2d函数来实现卷积运算。
1_生成对应特征图_图像卷积_用numpy完成图像卷积运算_自定义卷积核_
10-03
在图像处理和计算机视觉领域，卷积操作是至关重要的步骤，它主要用于提取图像特征并进行图像分析。在深度学习模型中，卷积神经网络（Convolutional Neural Networks, CNN）的核心就是卷积层，其中自定义卷积核的使用...
将复数中的虚部取反 即对复数求共轭 numpy.conjugate()
最新发布
liujingwei8610的专栏
11-12 355
期待大家提出宝贵改进建议，互相交流，收获更大。辛苦大家转发时注明出处(也是咱们公益编程交流群的入口网址)，刘经纬老师共享知识相关文件下载地址为：https://liujingwei.cn。print("【执行】np.conjugate(a)")期待大家提出宝贵建议，互相交流，收获更大，助教：lxy。A选项：[1.-2.j 3.-4.j]B选项：[1.+2.j 3.+4.j]C选项：[1.+2.j 3.-4.j]D选项：[1.-2.j 3.+4.j]print("【显示】a =",a)
Numpy - 知识点总结（五）
热门推荐
u011587322的博客
06-26 1万+
一、算数运算numpy.add() :数组相加numpy.subtract():数组相减numpy.multiply():数组相乘numpy.devide():数组相除import numpy as np A = np.array([1,2,3,4,5]) B = np.array([1,2,3,4,5]) print('A+B = ',np.add(A,B)) print('A-B = ',np...
python常用方法
qq_44698804的博客
11-09 509
分享科研中写python代码常用到的一些方法
numpy基础操作
德尔塔菜鸟日记
04-01 283
numpy基础操作 数组 数组的创建 数组的索引 numpy运算 数组和标量的计算 数组和数组的运算 数组的内置函数 数组的形状变换 numpy的高级功能 numpy文件操作 numpy基础操作   numpy是python科学计算的基础库，主要提供了高性能的N维数组实现以及计算能力，实现了一些基础算法，较为复杂的科学计算要用到Scipy库，numpy库是该库...
python：矩阵（ndarray）的常用运算
碧海蓝天
04-27 7748
简介 下面简单总结python中矩阵的常用运算。 重要注释：在numpy中既可以用二维数组(numpy.ndarray)来表示矩阵，也可用numpy.matrix来表示矩阵。但我统一选择用ndarray来表示矩阵。 原因： ndarray更通用，可以表示任意N维数组； 官方文档不推荐用matrix，可能会在未来版本中移除matrix 以前用matrix的一个好处是，可以直接用a*b进行矩阵乘法，...
numpy库函数使用说明
11-30
NumPy 是 Python 中的核心库，专门用于处理数值计算和科学数据。它提供了高效的数据结构，称为 `ndarray`，能够方便地处理多维数组。NumPy 的设计目标是提高计算速度，减少内存消耗，同时提供丰富的数学函数和矩阵...
Python Analysis —— Numpy 和 Pandas 实际应用.html
06-09
Python Analysis —— Numpy 和 Pandas 实际应用
numpy库函数_numpy_
09-30
在Python编程语言中，NumPy库是用于处理大型多维数组和矩阵的不可或缺的工具，尤其在科学计算领域。NumPy提供了高效的数组操作、数学函数、统计方法等，极大地简化了数据分析工作。以下是对NumPy库中一些常用函数的...
Numpy——numpy属性
12-22
在Python的科学计算领域，Numpy是一个不可或缺的库，它提供了高效的多维数组对象和相关的工具。本篇文章将深入探讨Numpy的一些基本属性和操作，包括列表转化为矩阵、数组属性、创建不同类型的数组以及指定数据类型。...
NumPy基础入门（4）数学基础函数
weixin_42105744的博客
01-11 541
1.简单数组操作 >>> import numpy as np >>> a = np.array([[1.0, 2.0], [3.0, 4.0]]) >>> print(a) [[ 1. 2.] [ 3. 4.]] >>> a.transpose() # 输出转置矩阵 array([[ 1., 3.], ...
4.5. 形态变换
Along20210921的博客
03-29 89
理论 形态学转换是基于图像形状的一些简单操作。它通常在二进制图像上执行。它需要两个输入参数，一个是我们的原始图像，第二个是称为结构元素或核，它决定了操作的性质。腐蚀和膨胀是两个基本的形态学运算符。然后它的变体形式如开运算，闭运算，梯度等也发挥作用。 腐蚀 腐蚀的基本思想就像土壤侵蚀一样，它会腐蚀前景物体的边界(总是试图保持前景为白色)。它是如何做到的呢？卷积核在图像中滑动(如在2D卷积中)，只有...
用python输出几何图形 三角形正方形菱形
weixin_45877265的博客
02-05 3377
阿德撒打发
Numpy基础
wh22141334的博客
05-04 5504
import numpy as np print(np.__version__) all_zeros=np.zeros(10) all_zeros=np.zeros(10,dtype='int') value=np.arange(0,5,100) List=[1,2,3,4,5,6,7,8,9] list2arr=np.array(List)
python中的conjugate函数_Python中的优化函数,python
weixin_39752800的博客
12-10 1923
https://blog.csdn.net/jiang425776024/article/details/87885969官方文档：https://docs.scipy.org/doc/scipy-0.18.1/reference/tutorial/optimize.html#constrained-minimization-of-multivariate-scalar-functions-min...
numpy100道练习题
ZHUQIUSHI123的博客
10-23 6184
numpy100道练习题 原题目可以在此处找到，链接：https://github.com/rougier/numpy-100/blob/master/100_Numpy_exercises.md 本文只摘选了一部分习题进行讲解，题号和原题号对应。 创建一个三乘三乘三的随机矩阵/Create a 3x3x3 array with random values (★☆☆) 很多场景需要随机值，用来测...
python conjugate_Python教程：进击机器学习（三）--Numpy
weixin_39769187的博客
12-08 391
Creating and manipulating numerical data！本期开始进入机器学习正题，首先是学习使用Numpy，通过调用Numpy库来处理数学计算。Numpy库比起Python代码相比，不仅构建多维数组和科学计算更加方便，还更加接近硬件，可以达到更高的计算效率，这也是我们为什么要用Numpy来进行数学计算。Numpy数组构建Numpy数组很简单，只需调用array()函数，我...
Numpy中矩阵对象
xyjikl
12-25 1541
numpy模块中的矩阵对象为numpy.matrix，包括矩阵数据的处理，矩阵的计算，以及基本的统计功能，转置，可逆性等等，包括对复数的处理，均在matrix对象中。 class numpy.matrix(data,dtype,copy):返回一个矩阵，其中data为ndarray对象或者字符形式；dtype:为data的type；copy:为bool类型。 >>> a = np.matrix(
python不调用库函数对图像进行中值滤波
03-26
以下是一个python程序示例，可以实现中值滤波操作： ```python import cv2 import numpy as np # 定义中值滤波函数 def median_filter(img, kernel_size): # 获取图像的行数和列数 row, col = img.shape[:2] # 创建一个与原图像大小相同的新图像 new_img = np.zeros((row, col), dtype=np.uint8) # 计算卷积核的一半大小 half_kernel_size = kernel_size // 2 # 对图像进行中值滤波操作 for i in range(half_kernel_size, row - half_kernel_size): for j in range(half_kernel_size, col - half_kernel_size): # 获取当前像素周围的所有像素值 window = img[i - half_kernel_size:i + half_kernel_size + 1, j - half_kernel_size:j + half_kernel_size + 1].flatten() # 求中值并将结果赋值给新图像的当前像素 new_img[i, j] = np.median(window) return new_img if __name__=="__main__": # 读取图像并显示 img = cv2.imread("test.jpg", cv2.IMREAD_GRAYSCALE) cv2.imshow('Original Image', img) # 对图像进行中值滤波操作 result = median_filter(img, kernel_size=3) # 显示滤波后的图像 cv2.imshow('Filtered Image', result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在该程序中，`median_filter` 函数接收一个图像和卷积核大小作为输入参数。然后，在函数中，我们使用两个嵌套的 for 循环遍历图像中的每个像素，并在每个像素周围的指定区域内计算中值。最后，将计算得到的中值赋值给新图像的相应像素，并将其返回。在程序的主函数中，我们读取并显示原始图像，并通过 `median_filter` 函数进行中值滤波操作。最后，我们显示滤波后的图像。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值