python 格子图

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import pearsonr, spearmanr

data1 = [[1,0.196699884,-0.077219634],[0.196699884,1,-0.668343535],[-0.077219634,-0.668343535,1]]
fig, ax = plt.subplots(figsize=(10, 10))
key_list = ['A', 'B', 'C']
sns.heatmap(pd.DataFrame(np.round(data1, 2), columns=key_list, index=key_list), annot=True, vmax=1, vmin=-1,
            square=True, cmap="YlGnBu")
ax.set_title('', fontsize=18)

效果图

要在Python中识别子内的数字,可以使用一些像处理库和机器学习库,例如OpenCV和TensorFlow。以下是一个基本的流程: 1. 读取片并将其转换为灰度像。 2. 对像进行预处理,例如去除噪声、二值化等。 3. 使用像处理技术(例如轮廓检测)找出每个子的边界。 4. 将每个子的像提取出来,并使用机器学习模型(例如卷积神经网络)来识别数字。 以下是一个示例代码,演示如何使用OpenCV库对片进行预处理和轮廓检测,并使用TensorFlow库来识别数字: ```python import cv2 import numpy as np import tensorflow as tf # 加载机器学习模型 model = tf.keras.models.load_model('model.h5') # 读取片并将其转换为灰度像 img = cv2.imread('image.png') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 对像进行预处理,例如去除噪声、二值化等 blur = cv2.GaussianBlur(gray, (5, 5), 0) thresh = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2) # 使用轮廓检测找出每个子的边界 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 遍历每个轮廓 for i in range(len(contours)): # 计算当前轮廓的面积和周长 area = cv2.contourArea(contours[i]) perimeter = cv2.arcLength(contours[i], True) # 如果面积和周长符合子的要求,则将当前子的像提取出来并识别数字 if area > 100 and perimeter > 80: x, y, w, h = cv2.boundingRect(contours[i]) digit_img = thresh[y:y+h, x:x+w] digit_img = cv2.resize(digit_img, (28, 28)) digit_img = digit_img.reshape((1, 28, 28, 1)) digit_img = digit_img.astype('float32') / 255 digit_pred = model.predict(digit_img) digit = np.argmax(digit_pred) # 在原像上绘制识别出的数字 cv2.putText(img, str(digit), (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) # 显示处理后的片 cv2.imshow('image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个代码中,我们首先加载一个机器学习模型(在这里我们使用TensorFlow库中的一个手写数字识别模型)。然后,我们读取一个片并将其转换为灰度像。接下来,我们对像进行预处理,例如去除噪声、二值化等。然后,我们使用OpenCV库中的轮廓检测函数`findContours()`来找出每个子的边界。对于每个符合要求的子,我们将其像提取出来,并使用机器学习模型来识别数字。最后,我们在原像上绘制识别出的数字,并显示处理后的片。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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