python图像分割遇到的特殊的包

---

一、graphviz

创建一个图形对象，通过添加节点和边来组装图形，并检索其 DOT 源代码字符串。将源代码保存到一个文件中，并使用系统的 Graphviz 安装来呈现它。

创建图形对象：

>>> import graphviz
>>> dot = graphviz.Digraph(comment='The Round Table')
>>> dot  #doctest: +ELLIPSIS
<graphviz.dot.Digraph object at 0x...>

添加节点和边：

>>> dot.node('A', 'King Arthur')
>>> dot.node('B', 'Sir Bedevere the Wise')
>>> dot.node('L', 'Sir Lancelot the Brave')

>>> dot.edges(['AB', 'AL'])
>>> dot.edge('B', 'L', constraint='false')

检查生成的源代码：

>>> print(dot.source)  # doctest: +NORMALIZE_WHITESPACE
// The Round Table
digraph {
    A [label="King Arthur"]
    B [label="Sir Bedevere the Wise"]
    L [label="Sir Lancelot the Brave"]
    A -> B
    A -> L
    B -> L [constraint=false]
}

保存并渲染源代码，可选择查看结果：

>>> dot.render('test-output/round-table.gv', view=True)  # doctest: +SKIP
'test-output/round-table.gv.pdf'

二、numpy

NumPy(Numerical Python)是一个用于科学计算第三方的Python包。

NumPy提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。

array数组

导入模块

improt numpy as np #其中np为numpy的别名，是一种习惯用法

1.使用array方法生成数组

array，也就是数组，是numpy中最基础的数据结构，最关键的属性是维度和元素类型，在numpy中，可以非常方便地创建各种不同类型的多维数组，并且执行一些基本基本操作，生成数组的方法有一下几种：

以list或tuple变量产生以为数组：

>>> print np.array([1,2,3,4])
[1 2 3 4]
>>> print np.array((1.2,2,3,4))
[ 1.2  2.   3.   4. ]

以list或tuple变量为元素产生二维数组或者多维数组：

>>> x = np.array(((1,2,3),(4,5,6)))
>>> x
array([[1, 2, 3],
       [4, 5, 6]])
>>> y = np.array([[1,2,3],[4,5,6]])
>>> y
array([[1, 2, 3],
       [4, 5, 6]])

2.使用numpy.arange方法生成数组

>>> print np.arange(15)
[ 0  1  2  3  4  5  6  7  8  9  10  11  12  13  14]
>>> print type(np.arange(15))
<type 'numpy.ndarray'>

3.使用内置函数生成特殊矩阵（数组）

零矩阵

>>> print np.zeros((3,4))
[[ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]
 [ 0.  0.  0.  0.]]

一矩阵

>>> print np.ones((3,4))
[[ 1. 1.  1.  1.]
 [1.  1. 1.  1.]
 [ 1.  1. 1.  1.]]

单位矩阵

>>> print np.eye(3)
[[ 1. 0.  0.]
 [0.  1. 0.]
 [ 0.  0. 1.]]

4.索引与切片

>>> x = np.array(((1,2,3),(4,5,6)))
>>> x[1,2] #获取第二行第三列的数
6
```py
>>> y=x[:,1] #获取第二列
>>> y
array([2, 5])

与python语法一致，不再举例。

5.获取数组属性

>>> a = np.zeros((2,2,2))
>>> print a.ndim   #数组的维数
3
>>> print a.shape  #数组每一维的大小
(2, 2, 2)
>>> print a.size   #数组的元素数
8
>>> print a.dtype  #元素类型
float64
>>> print a.itemsize  #每个元素所占的字节数
8

6.数组变换

多维转换为一维：

>>> x
array([[1, 2, 3],
       [4, 5, 6]])
>>> x.flatten()
array([1, 2, 3, 4, 5, 6])

一维转换为多维：

>>> print np.arange(15).reshape(3,5) #改变形状，将一维的改成三行五列
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]

转置：

>>> x
array([[1, 2, 3],
       [4, 5, 6]])
>>> x.transpose()
array([[1, 4],
       [2, 5],
       [3, 6]])

7.数组组合

水平组合：

>>> y=x
>>> numpy.hstack((x,y))
array([[1, 2, 3, 1, 2, 3],
       [4, 5, 6, 4, 5, 6]]

垂直组合

>>> numpy.vstack((x,y))
array([[1, 2, 3],
       [4, 5, 6],
       [1, 2, 3],
       [4, 5, 6]])

用concatenate函数可以同时实现这两种方式，通过指定axis参数，默认为0，垂直组合。

>>> numpy.concatenate((x,y))
array([[1, 2, 3],
       [4, 5, 6],
       [1, 2, 3],
       [4, 5, 6]])
>>> numpy.concatenate((x,y),axis=1)
array([[1, 2, 3, 1, 2, 3],
       [4, 5, 6, 4, 5, 6]])

8.数组分割

垂直分割

>>> z
array([[1, 2, 3],
       [4, 5, 6],
       [1, 2, 3],
       [4, 5, 6]])
>>> numpy.vsplit(z,2) #注意这里设置的分割数目必须可以被行数整除
[array([[1, 2, 3],
       [4, 5, 6]]), array([[1, 2, 3],
       [4, 5, 6]])]

水平分割

>>> numpy.hsplit(z,3)
[array([[1],
       [4],
       [1],
       [4]]), array([[2],
       [5],
       [2],
       [5]]), array([[3],
       [6],
       [3],
       [6]])]

用split函数可以同时实现这两个效果，通过设置其axis参数区别，与组合类似，这里不在演示。

矩阵

通过上面对数组的操作可以知道，numpy中可以通过数组模拟矩阵，但是numpy也有专门处理矩阵的数据结构——matrix。

1.生成矩阵

>>> numpy.mat('1 2 3;4 5 6;7 8 9')
matrix([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])

2.数组矩阵转化

矩阵转数组

>>> m=numpy.mat('1 2 3;4 5 6;7 8 9')
>>> numpy.array(m)
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

数组转矩阵

>>> n=numpy.array(m)
>>> numpy.mat(n)
matrix([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])

3.矩阵方法

求逆：

>>> m.I
matrix([[ -4.50359963e+15,   9.00719925e+15,  -4.50359963e+15],
        [  9.00719925e+15,  -1.80143985e+16,   9.00719925e+15],
        [ -4.50359963e+15,   9.00719925e+15,  -4.50359963e+15]])

三.torchbiomed

特定于生物医学成像的数据集、转换和实用程序
https://github.com/mattmacy/torchbiomed

四.glob

我们可以用该命令找出/home/vamei下的所有文件:

import glob
print(glob.glob('/home/vamei/*'))