Python Numpy库 常用函数整理以及心得

Python Numpy库 常用函数整理以及心得

opencv提供相当丰富的函数功能。python的numpy库与C++的Eigen库兼容其图像矩阵格式。多数操作可在两者之间互相切换。
opencv提供很多矩阵操作如cv2.add()，但我认为不如使用numpy库的矩阵运算,已经对运算做重载操作,如mat = img1 + img2，速度快于opencv。

这里补一下常用numpy函数。我自己认为的，如果有其他的，可以在评论留言,我看时间添加。参考numpy官方文档。

常用矩阵函数

基本矩阵操作

1. 矩阵变形

• 可代替numpy.ravel(),numpy.squeeze(),numpy.flatten(),不改变元素个数下对矩阵或向量变形。

a = numpy.arange(6).reshape((3, 2))
a
array([[0, 1],
      [2, 3],
      [4, 5]])

2. 矩阵切片

• 取出子向量或者子矩阵，相当常用。如目标识别，语义分割。

x = numpy.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
x[1:7:2]
#Out:
#array([1, 3, 5])
x[-2:10]
array([8, 9])
x[-3:3:-1]
#Out:
#array([7, 6, 5, 4])

3. 矩阵拼接

• 常用于对数据做批处理。例如，将多个数据拼接，1维信号变为2维矩阵通过分类器。多张图片叠为3维tensor，通过深度网络。具体查阅批处理操作。

numpy.concatenate((a1, a2, ...), axis=0, out=None, dtype=None, casting="same_kind")

• (a1, a2, …): 待拼接矩阵或向量元组。
• axis: 选中希望拼接的维度，默认为0。
  元组中矩阵的其他维度必须一致，不然返回维度不一致
• 其他为可选项，不多做介绍，至少我不用。
• 当 axis为 0，1，2时，分别对应numpy.hstack(),numpy.vstack(),numpy.dstack()。

 a0 = numpy.linspace(1,10,10).reshape(2,5) 
 a1 = numpy.linspace(1,15,15).reshape(3,5) 
 a2 = numpy.concatenate(