enumerate(),plt绘图,保存json,cv2.resize,baseline

1.enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。
enumerate(sequence, [start=0])

>>>seasons = ['Spring', 'Summer', 'Fall', 'Winter']
>>> list(enumerate(seasons))
[(0, 'Spring'), (1, 'Summer'), (2, 'Fall'), (3, 'Winter')]
>>> list(enumerate(seasons, start=1))       # 下标从 1 开始
[(1, 'Spring'), (2, 'Summer'), (3, 'Fall'), (4, 'Winter')]
>>> tuple(enumerate(seasons, start=1))
((1, 'Spring'), (2, 'Summer'), (3, 'Fall'), (4, 'Winter'))

2.绘图

import matplotlib.pyplot as plt
import numpy as np

 x = np.linspace(-2, 6, 50)
    y1 = x + 3  # 曲线 y1
    y2 = 3 - x  # 曲线 y2
    plt.figure()  # 定义一个图像窗口
    plt.plot(x, y1)  # 绘制曲线 y1
    plt.plot(x, y2)  # 绘制曲线 y2
    plt.title("test")
    plt.show()

	plt.imshow(img)
    plt.title("test")
    plt.show()

3.json.dumps的功能是将字典类型转换为json格式的字符串类型
参数： （1）sort_keys是告诉编码器按照字典key排序(a到z)输出。
（2）indent参数根据数据格式缩进显示，读起来更加清晰, indent的值，代表缩进空格
(3) 要正确输出中文可以指定ensure_ascii=False：

#将label写进json
def write_json(cla_dict,json_path):#要写入的label,json路径
    json_str = json.dumps(cla_dict, indent=4)  # 编码成json格式
    with open(json_path, 'w') as json_file:  # 写进去
        json_file.write(json_str)
#从json读出label
def read_json(json_path): #json路径
    assert os.path.exists(json_path), "file: '{}' dose not exist.".format(json_path)
    with open(json_path, "r") as f:
        class_indict = json.load(f)
    return class_indict

实例：

		flower_list = train_dataset.class_to_idx  # ----大概是已经通过数据集已经分类好的文件名确定的图片类别
        cla_dict = dict((val, key) for key, val in flower_list.items())  # 将key,value值反过来，已达到通过索引找到分类的目的
        # label信息写入json
        json_path = './class_indices.json'
        write_json(cla_dict,json_path)

class_indices.json

{
    "0": "daisy",
    "1": "dandelion",
    "2": "roses",
    "3": "sunflowers",
    "4": "tulips"
}

4.cv2.resize函数
resize是opencv库中的一个函数，主要起到对图片进行缩放的作用。
example: 以下代码就可以将原图片转化为宽和长分别为300，300的图片。width和height可以自己任意指定，不论大小。
interpolation（插值）：这个是指定插值的方式，图像缩放之后，肯定像素要进行重新计算的，就靠这个参数来指定重新计算像素的方式，有以下几种：
INTER_NEAREST - 最邻近插值
INTER_LINEAR - 双线性插值，如果最后一个参数你不指定，默认使用这种方法
INTER_CUBIC - 4x4像素邻域内的双立方插值
INTER_LANCZOS4 - 8x8像素邻域内的Lanczos插值

放大缩小都使用的以上插值方法。具体插值方法见图像处理: 五种 插值法
实例：

import cv2 as cv

width = 300
height = 300
img = cv.imread('E:\\both.png')# 原图224*224
img = cv.resize(img, (width, height))# 默认使用双线性插值法

cv.imshow("img", img)
cv.waitKey(0)
cv.destroyAllWindows()

这么说resize岂不是和上采样和下采样功能方法几乎一致？？？？
5.baseline
baseline 就只是「参照物」的意思，至于 baseline 系统是怎么来的、性能如何，并没有一定的标准。