weixin_44587732的博客

cv

cv

fit_line

plt画图

opencv-python如何找到最大的轮廓并提取该轮廓对应的mask部分以及opencv常见的问题一、如何找到最大的轮廓并提取该轮廓对应的mask部分主要用到的函数：cv.threshold（） cv.findContours（） cv.drawContours（）首先要讲的是这三个函数的输入图像，这里很重要也很麻烦。1.cv.threshold（）函数输入的图像数据可以是单通道也可以是三通道，输出通道数和输入通道数是一致的。但是由于cv.findContours（）函数的输入是单通道的，因此我们

python的一些语法笔记1.在写入.txt文件时常用到"\n"换行符，读取的时候自然也会读取到，但是当我们用print打印的时候却看不到它的存在，有时候我们会认为它不存在，导致我们在逐行读取.txt文件时忽视它。在我们要逐行读取.txt文件时一定要小心这个换行符，我们可以用.strip()去掉换行符#我们先写一个文件 这个时候是有换行的f = open("kk.txt",'w')f.write("hello...."+"\n"+"disjkna")f.close()#再逐行读取并打印：f

opencv-python 读取视频时如何判断读取到最后一张读取视频的代码：通过 if img is None来判断是否读取到最后一帧import cv2 as cvcapture = cv.VideoCapture(avipath)if capture.isOpened(): while 1: ret,img = capture.read() if img is None: break...

常用torch,np语法一、torch二、np1.np.concatenate: 作用是将()中多个np.array进行连接#这一段代码是计算ap的mrec = np.concatenate(([0.0], rec, [1.0]))mpre = np.concatenate(([0.0], prec, [0.0]))#例：a = np.array([0.1,0.3,0.5])x = np.concatenate(([[0],a,[0]]))print(x)>>>[0.

kk = torch.tensor([[4,5],[7,8]])x = torch.zeros(2,2)y = torch.tensor([[1,0],[0,1]])print([x.byte() |y.byte()])print(kk[x.byte() |y.byte()])outputs:

直接使用下面的语句会报错：‘Tensor’ object has no attribute ‘bool’a = torch.ones(2,2)a.bool()应该改成：a = torch.ones(2,2)a.byte()

python opencv中resize如何写尺寸？注意：1.我们使用opencv重新给图片设置尺寸时的书写方法：先写长，后写高2.这和我们打印图片尺寸不一样， print(img.shape)这个展示出来的是先高h，后长w。import cv2 as cvimg= cv.resize(img,(w,h))...

opencv -python为什么使用最近邻resize后得到的图像依然变成了多像素？

python使用VideoWriter将图像写入视频后出现播放失败原因1，图像尺寸不一样，要写入的图片的高或者宽和VideoWriter设置的高或宽不对应。img.shape第一个是高，第二个是宽，VideoWriter的参数表中元组刚好相反原因2， VideoWriter默认写入的图像是三通道的，如果图像是单通道需要转换为三通道：img =cv.cvtColor(img,cv.COLOR_GRAY2BGR) # cv.VideoWriter()默认是写入三通道的数据完整代码：def save_

numpy使用random生成一个float（Double）类随机矩阵一、np.random.rand(a1,a2,a3,… )生成一个a1Xa2Xa3的矩阵，元素的值为0~1。import numpy as npinput = np.random.rand(2,3,4)*10 #乘以10，把元素的值变为0~10,同理可以变为任意范围input = input.astype(np.float32) #使用astype()可以变为指定类型的数据，doubel就是float32input = tor

python中的iter()与next()函数的联合使用list、dict等都是可迭代对象，我们可以通过iter()函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器不断使⽤next()函数来获取下⼀条数据。iter()函数实际上就是调⽤了可迭代对象的 __inter__方法__iter__ ⽅法。>>> li = [11, 22, 33,]>>> li_iter = iter(li)&g

python:在for遍历list时使用remove出现的问题标准的错误，经典的零分：自己的回答：运行后a是空的。a=[1,2,3,4,5]for i in a: a.remove(i)print a正解

opencv-python（边缘检测，图像采样，直方图）一、边缘检测：由于像素是离散的数值，所以我们用差分近似倒数，我们知道倒数的定义就是斜率，如果倒数不为零就说明这个位置不平，就一定有变化，这个时候就把它看作是边缘。1。Sobel算子:左边是对垂直方向边缘的检测，右边是对水平边缘的检测import cv2 as cv#cv.Sobel() dx dy 通常为0或者1，0表示该方向没有求导dst1 = cv.Sobel(lena_gray,cv.CV_64F,1,0) #这里cv.CV_

2_finetune.py# coding: utf-8import torchfrom torch.utils.data import DataLoaderimport torchvision.transforms as transformsimport numpy as npimport osfrom torch.autograd import Variableimport torch.nn as nnimport torch.nn.functional as Fimport to

Cifar10数据的归一化# coding: utf-8import numpy as npimport cv2import randomimport os""" 随机挑选CNum张图片，进行按通道计算均值mean和标准差std 先将像素从0～255归一化至 0-1 再计算"""train_txt_path = os.path.join("..", "..", "Data/train.txt")CNum = 2000 # 挑选多少图片进行计算img_h

Cifar10数据处理4 datasets# coding: utf-8from PIL import Imagefrom torch.utils.data import Datasetclass MyDataset(Dataset): def __init__(self, txt_path, transform=None, target_transform=None): fh = open(txt_path, 'r') imgs = []

Cifar10数据处理3# coding:utf-8import os''' 为数据集生成对应的txt文件'''train_txt_path = os.path.join("..", "..", "Data", "train.txt")train_dir = os.path.join("..", "..", "Data", "train")valid_txt_path = os.path.join("..", "..", "Data", "valid.txt")valid_dir

将原始数据集进行划分成训练集、验证集和测试集# coding: utf-8""" 将原始数据集进行划分成训练集、验证集和测试集"""import osimport globimport randomimport shutildataset_dir = os.path.join("..", "..", "Data", "cifar-10-png", "raw_test")train_dir = os.path.join("..", "..", "Data", "train")v

将cifar10的数据 转换成 png格式的图片# coding:utf-8""" 将cifar10的data_batch_12345 转换成 png格式的图片 每个类别单独存放在一个文件夹，文件夹名称为0-9"""from imageio import imwriteimport numpy as npimport osimport pickledata_dir = os.path.join("..", "..", "Data", "cifar-10-batches-p

pytorch中 torch.nn的介绍一、torch.nn是什么？torch.nn是pytorch中自带的一个函数库，里面包含了神经网络中使用的一些常用函数，如具有可学习参数的nn.Conv2d(),nn.Linear()和不具有可学习的参数(如ReLU，pool，DropOut等)，这些函数可以放在构造函数中，也可以不放。二、torch.nn的应用。通常引入的时候写成：import torch.nnimport torch.nn.functional as F这里我们把函数写在了构造函数中

python-opencv之色彩空间，RGB2HSV色彩空间转换及应用一、Python-opencv中的色彩空间二、为什么同样的图片用公式换了色彩空间显示出来的完全不一样？三、cv2.inRange()函数四、 BGRA图像一、Python-opencv中的色彩空间在这里主要介绍RGB和HSV色彩空间，这二者具体是什么这里不再详细介绍，其他回答都很详细。这里要介绍一下二者的取值和关系：在Python-opencv中，RGB图像三个通道的取值都是0~255，*而HSV中H取值为0-180，S和V取值都

@TOC一、求导在pytorch中有自动求导功能，张量tensor中有一个参数requires_grad，当我们创建一个tensor时设置其为True时即标记为自动求导，此时这个张量参与的运算会被跟踪记录，其默认值是false需要注意的是，这个requires_grad是具有传递性的，用图和代码举个例子：再用代码演示一次：x = torch.ones(2,2,requires_grad=True) #requires_grad默认是falsey = torch.ones(2,2)z = to

linux下Anaconda的使用一、激活虚拟环境二、查看环境中已有的库一、激活虚拟环境示例：source activate myenv 激活虚拟环境二、查看环境中已有的库conda list

一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')import sslssl._create_default_