021-OpenCV图像几何变换补充

最新推荐文章于 2024-07-30 21:09:58 发布
最新推荐文章于 2024-07-30 21:09:58 发布
阅读量418 收藏
点赞数
分类专栏： OpenCV学习 文章标签： opencv 计算机视觉 python 图像处理 pycharm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48013634/article/details/122740655
版权

今天才发现前面的图像几何变换只写了改变图像的像素大小，别的没有写，今天给补上。另外发现自己写的平移图片部分没完成，之前想法想的很复杂，所以没写完。今天又重想了一下思路，重点是用了“if 、 elif”语法，算是完成了预想的平移吧。
话不多说，上代码，看结果。

import cv2           # 导入库
import numpy as np
def Trackbar(x):
    pass

'''
    cv2.imread(filename,flags)
# filename为文件名，图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型，默认为1，灰度图像为0
'''
img = cv2.imread('11.jpg')
 '''
        np.zeros(shape, dtype, order)
    # print(img.shape)  结果为(640, 640, 3)
    # shape(高，宽，色彩通道数)
    # 右键图片，属性里显示的是宽度，高度，正好相反
    # dtype 常用的是np.unit8
    '''
translate = np.zeros((img.shape[0], img.shape[1], 3), np.uint8)
'''
cv2.namedWindow(winname,flags)
#  winname是窗口名字
#  flags为窗口显示方式，cv2.WINDOW_NORMAL为正常显示，可以调整大小
# cv2.WINDOW_AUTOSIZE显示原图片的大小，用户不能调整大小
'''
cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.namedWindow('translate', cv2.WINDOW_NORMAL)
'''
    cv2.createTrackbar(trackbarname, windowname, value, count, onChange)
# 创建一个滑动条
# trackbarname 滑动条的名字  windowname 滑动条所在窗口的名字
# value 滑动块所在位置     count 滑动块最大位置，最小默认为0
# onChange 回调函数名
'''
cv2.createTrackbar('row', 'img', 21, 41, Trackbar)
cv2.createTrackbar('column', 'img', 21, 41, Trackbar)

while True:
    '''
        cv2.getTrackbarPos(trackbarname, winname)
    # 作用就是获得当前滑动块的位置
    # trackbarname 滑动条的名字  windowname 滑动条所在窗口的名字
    '''
    row = cv2.getTrackbarPos('row', 'img')  # 行
    column = cv2.getTrackbarPos('column', 'img')  # 列
    if 21 <= row <= 41 and 21 <= column <= 41:
        row = row - 20
        column = column - 20
        for i in range(0, img.shape[0]):    # 外层读行
            for j in range(0, img.shape[1]):    # 内层读列
                if i + row < img.shape[0] and j + column < img.shape[1]:
                    translate[i + row, j + column] = img[i, j]
                    translate[0:row, 0:column] = [0, 0, 0]
                    translate[row:img.shape[0], 0:column] = [0, 0, 0]
                    translate[0:row, column:img.shape[1]] = [0, 0, 0]
    elif row <= 20 and column <= 20:
        row = -(20 - row)
        column = -(20 - column)
        for i in range(0, img.shape[0]):    # 外层读行
            for j in range(0, img.shape[1]):    # 内层读列
                if i + row > 0 and j + column > 0:
                    translate[i + row, j + column] = img[i, j]
                    translate[img.shape[0] + row: img.shape[0], img.shape[1] + column: img.shape[1]] = [0, 0, 0]
                    translate[0:img.shape[0] + row, column + img.shape[1]: img.shape[1]] = [0, 0, 0]
                    translate[img.shape[0] + row: img.shape[0], 0: img.shape[1] + column] = [0, 0, 0]
    '''
       cv2.imshow(winname,mat)
    # winname为显示的窗口
    # mat 需要显示的图像
    '''
    cv2.imshow('img', img)
    cv2.imshow('translate', translate)
    '''
		cv2.imwrite(filename,img,params)
	# filename为保存图片的文件名，img为保存图片的数据
	# params,jpeg格式时是图片质量，1-100，默认95
	# png时是压缩级别，0-9，默认为3，级别越高，图片尺寸越小
	'''
    cv2.imwrite('translate.jpg', translate)
    '''
        cv2.waitKey(delay)
    #  delay为正数时，延时delay毫秒结束
    #  想要用按下某个键时退出可用以下方法：
    #  if cv2.waitKey(1)  & 0xFF == 27:
            break
    #别的方法也行，不唯一
    '''
    if cv2.waitKey(1) & 0xFF == 27:
        break
'''
    cv2.destroyWindow(winname)
#结束窗口，winname为窗口名
    cv2.destroyAllWindows()
#结束所有窗口
'''
cv2.destroyAllWindows()  # 销毁所有窗口

结果如下图。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

可见图片分别向右下角和左上角平移了，同时平移后原图大小不变，图片的内容丢失。
还有一种情况是平移后原图大小改变，图片内容不丢失。代码如下：

import cv2           # 导入库
import numpy as np


def Trackbar(x):
    pass

'''
    cv2.imread(filename,flags)
# filename为文件名，图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型，默认为1，灰度图像为0
'''
img = cv2.imread('11.jpg')
'''
cv2.namedWindow(winname,flags)
#  winname是窗口名字
#  flags为窗口显示方式，cv2.WINDOW_NORMAL为正常显示，可以调整大小
# cv2.WINDOW_AUTOSIZE显示原图片的大小，用户不能调整大小
'''
cv2.namedWindow('img', cv2.WINDOW_NORMAL)
'''
    cv2.createTrackbar(trackbarname, windowname, value, count, onChange)
# 创建一个滑动条
# trackbarname 滑动条的名字  windowname 滑动条所在窗口的名字
# value 滑动块所在位置     count 滑动块最大位置，最小默认为0
# onChange 回调函数名
'''
cv2.createTrackbar('row', 'img', 21, 41, Trackbar)
cv2.createTrackbar('column', 'img', 21, 41, Trackbar)
while True:
    '''
        cv2.getTrackbarPos(trackbarname, winname)
    # 作用就是获得当前滑动块的位置
    # trackbarname 滑动条的名字  windowname 滑动条所在窗口的名字
    # 得到R、G、B、Line四个滑动条上滑动块的位置，并给circleColor和circle_Line赋值
    # 为了预览一下线的颜色和粗细，画条直线在color_Line_Preview显示一下LookLook
    '''
    row = cv2.getTrackbarPos('row', 'img')  # 行
    column = cv2.getTrackbarPos('column', 'img')  # 列
    '''
        np.zeros(shape, dtype, order)
    # print(img.shape)  结果为(640, 640, 3)
    # shape(高，宽，色彩通道数)
    # 右键图片，属性里显示的是宽度，高度，正好相反
    # dtype 常用的是np.unit8
    '''
    if 21 <= row <= 41 and 21 <= column <= 41:
        row = row - 20
        column = column - 20
        '''
                np.zeros(shape, dtype, order)
            # print(img.shape)  结果为(640, 640, 3)
            # shape(高，宽，色彩通道数)
            # 右键图片，属性里显示的是宽度，高度，正好相反
            # dtype 常用的是np.unit8
        '''
        translate = np.zeros((img.shape[0] + row, img.shape[1] + column, 3), np.uint8)
        for i in range(0, img.shape[0]):    # 外层读行
            for j in range(0, img.shape[1]):    # 内层读列
                    translate[i, j] = img[i, j]
    elif row == column == 20:
        translate = np.zeros((img.shape[0], img.shape[1], 3), np.uint8)
    elif row < 20 and column < 20:
        row = (20 - row)
        column = (20 - column)
        translate = np.zeros((img.shape[0] + row, img.shape[1] + column, 3), np.uint8)
        for i in range(0, img.shape[0]):    # 外层读行
            for j in range(0, img.shape[1]):    # 内层读列
                translate[i + row, j + column] = img[i, j]
    '''
       cv2.imshow(winname,mat)
    # winname为显示的窗口
    # mat 需要显示的图像
    '''
    cv2.imshow('img', img)
    cv2.imshow('translate', translate)
    cv2.imwrite('translate', translate)
    '''
        cv2.waitKey(delay)
    #  delay为正数时，延时delay毫秒结束
    #  想要用按下某个键时退出可用以下方法：
    #  if cv2.waitKey(1)  & 0xFF == 27:
            break
    #别的方法也行，不唯一
    '''
    if cv2.waitKey(1) & 0xFF == 27:
        break
'''
    cv2.destroyWindow(winname)
#结束窗口，winname为窗口名
    cv2.destroyAllWindows()
#结束所有窗口
'''
cv2.destroyAllWindows()  # 销毁所有窗口

结果如下图
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
可见平移后原图大小改变，图片内容不丢失。还有一种快速平移的方法：

import cv2
import numpy as np
'''
    cv2.imread(filename,flags)
# filename为文件名，图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型，默认为1，灰度图像为0
'''
img = cv2.imread('1.jpg')
M1 = np.float32([[1, 0, 10], [0, 1, 20]])
M2 = np.float32([[1, 0, -10], [0, 1, -20]])
'''
    cv2.warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None,borderValue=None)
#  src 要变换的图像  M 变换矩阵  dsize 变换后图像的大小
#  dst 变换后输出的图像  flags 插值方式的组合
#  borderMode 边界插值类型    borderValue 边界插值数值
'''
img1 = cv2.warpAffine(img, M1, (img.shape[1], img.shape[0]), dst=None, borderValue=[255, 0, 0])  # 图像大小不变，内容丢失
img2 = cv2.warpAffine(img, M1, (img.shape[1] + 10, img.shape[0] + 20), dst=None, borderValue=[255, 0, 0])  # 图像大小改变，内容不变
img3 = cv2.warpAffine(img, M2, (img.shape[1], img.shape[0]), dst=None, borderValue=[255, 0, 0])  # 图像大小不变，内容丢失
'''
   cv2.imshow(winname,mat)
# winname为显示的窗口
# mat 需要显示的图像
'''
cv2.imshow('1.jpg', img)
cv2.imshow('translate1', img1)
cv2.imshow('translate2', img2)
cv2.imshow('translate3', img3)
'''
    cv2.waitKey(delay)
#  delay为正数时，延时delay毫秒结束
#  想要用按下某个键时退出可用以下方法：
#  if cv2.waitKey(0) & 0xFF == 27:
        exit(0)
#别的方法也行，不唯一
'''
if cv2.waitKey(0) & 0xFF == 27:
    exit(0)
'''
    cv2.destroyWindow(winname)
#结束窗口，winname为窗口名
    cv2.destroyAllWindows()
#结束所有窗口
'''
cv2.destroyAllWindows()

结果如下图
在这里插入图片描述
在这里插入图片描述
平移这有点啰嗦，，，，接下来是旋转图片。

import cv2
import numpy as np
'''
    cv2.imread(filename,flags)
# filename为文件名，图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型，默认为1，灰度图像为0
'''
img = cv2.imread('1.jpg')
'''
    cv2.getRotationMatrix2D(center, angle ,scale)
# center 旋转中心  angle 旋转角度 scale 旋转后的缩放因子
'''
M = cv2.getRotationMatrix2D((0.7 * img.shape[1], 0.7 * img.shape[0]), 30, 0.7)
'''
    cv2.warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None,borderValue=None)
#  src 要变换的图像  M 变换矩阵  dsize 变换后图像的大小
#  dst 变换后输出的图像  flags 插值方式的组合
#  borderMode 边界插值类型    borderValue 边界插值数值
'''
img1 = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))  # 图像大小不变，信息丢失
img2 = cv2.warpAffine(img, M, (img.shape[1]+100, img.shape[0]+100))  # 图像大小改变，信息不丢失
'''
   cv2.imshow(winname,mat)
# winname为显示的窗口
# mat 需要显示的图像
'''
cv2.imshow('img', img)
cv2.imshow('img1', img1)
cv2.imshow('img2', img2)
'''
     cv2.waitKey(delay)
#  delay为正数时，延时delay毫秒结束
#  想要用按下某个键时退出可用以下方法：
#  if(cv2.waitKey(0)  == ord('q')):
#         exit(0)
#别的方法也行，不唯一
'''
if cv2.waitKey(0) & 0xFF == 27:
    exit(0)
'''
     cv2.destroyWindow(winname)
#结束窗口，winname为窗口名
     cv2.destroyAllWindows()
#结束所有窗口
'''
cv2.destroyAllWindows()

结果如下图。
在这里插入图片描述
接下来是转置。

import cv2
import numpy as np
'''
    cv2.imread(filename,flags)
# filename为文件名，图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型，默认为1，灰度图像为0
'''
img = cv2.imread('1.jpg')
'''
   cv2.imshow(winname,mat)
# winname为显示的窗口
# mat 需要显示的图像
'''
cv2.imshow('img', img)
'''
    cv2.transpose(src, dst=None)
# 行列互换  src 要互换的图像
'''
img1 = cv2.transpose(img)
cv2.imshow('img1', img1)

'''
    cv2.waitKey(delay)
#  delay为正数时，延时delay毫秒结束
#  想要用按下某个键时退出可用以下方法：
#  if(cv2.waitKey(0)  == ord('q')):
        exit(0)
#别的方法也行，不唯一
'''
if cv2.waitKey(0) & 0xFF == 27:
    exit(0)
'''
    cv2.destroyWindow(winname)
#结束窗口，winname为窗口名
    cv2.destroyAllWindows()
#结束所有窗口
'''
cv2.destroyAllWindows()

结果如下图。
在这里插入图片描述
接下来是镜像图像。

import cv2
import numpy as np
'''
    cv2.imread(filename,flags)
# filename为文件名，图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型，默认为1，灰度图像为0
'''
img = cv2.imread('1.jpg')
'''
   cv2.imshow(winname,mat)
# winname为显示的窗口
# mat 需要显示的图像
'''
cv2.imshow('img', img)
'''
    cv2.flip(src, flipCode, dst=None)
    图像翻转
# src 要翻转的图像  dst 输出的图像
# flipCode  =0时， 沿X轴翻转  >0时，沿Y轴翻转 <0时，180度中心对称
'''
img1 = cv2.flip(img, -1)

cv2.imshow('img1', img1)

'''
    cv2.waitKey(delay)
#  delay为正数时，延时delay毫秒结束
#  想要用按下某个键时退出可用以下方法：
#  if(cv2.waitKey(0)  == ord('q')):
        exit(0)
#别的方法也行，不唯一
'''
if cv2.waitKey(0) & 0xFF == 27:
    exit(0)
'''
    cv2.destroyWindow(winname)
#结束窗口，winname为窗口名
    cv2.destroyAllWindows()
#结束所有窗口
'''
cv2.destroyAllWindows()

结果如下图。
在这里插入图片描述
接下来是重映射图像。

import cv2           # 导入库
import numpy as np
import math
'''  
    cv2.imread(filename,flags)
# filename为文件名，图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型，默认为1，灰度图像为0
'''
img = cv2.imread('1.jpg')
'''
   cv2.imshow(winname,mat)
# winname为显示的窗口
# mat 需要显示的图像
'''
cv2.imshow('img', img)
'''
   cv2.remap(src, map1, map2, interpolation, dst, borderMode, borderValue)
    重映射
# src 要翻转的图像  dst 输出的图像 map1 (x, y)点的坐标或x坐标,CV_16SC2, CV_32FC1,CV_32FC2类型
# map2 (x, y)点y坐标,如果map1为(x, y)，map2可以不用，CV_16UC1, CV_32FC1类型
# interpolation  插值方式,有好几种，默认为cv2.INTER_AREA，线性插值，推荐放大图像时用
# cv2.INTER_AREA 区域插值，推荐缩小图像时使用    别的插值方式碰见了再说
# borderMode 边界插值类型    borderValue 边界插值数值
'''
'''
    np.zeros(shape, dtype, order)
# print(img.shape)  结果为(640, 640, 3)
# shape(高，宽，色彩通道数)
# 右键图片，属性里显示的是宽度，高度，正好相反
# dtype 常用的是np.unit8
'''
xMap = np.zeros(img.shape[:2], np.float32)
yMap = np.zeros(img.shape[:2], np.float32)
for i in range(0, img.shape[0]):
    for j in range(0, img.shape[1]):
        '''
            item(x, y, 0)
        # 对于BGR图像来说，就是查看(x,y)位置的0(也就是B的值是多少)
        # 只能是0、1、2，BGR
            itemset((x, y, 0), 123)
        # 对于BGR图像来说，就是将(x, y)位置的0(也就是B的值是多少)设置成123
        '''
        xMap.itemset((i, j), j)
        yMap.itemset((i, j), i+5 * math.sin(j/10.0))
img1 = cv2.remap(img, xMap, yMap, interpolation=cv2.INTER_LINEAR)
cv2.imshow('img1', img1)
'''
    cv2.waitKey(delay)
#  delay为正数时，延时delay毫秒结束
#  想要用按下某个键时退出可用以下方法：
#  if(cv2.waitKey(0)  == ord('q')):
        exit(0)
#别的方法也行，不唯一
'''
if cv2.waitKey(0) & 0xFF == 27:
    exit(0)
'''
    cv2.destroyWindow(winname)
#结束窗口，winname为窗口名
    cv2.destroyAllWindows()
#结束所有窗口
'''
cv2.destroyAllWindows()

结果如下图。
在这里插入图片描述
就先这样，遇到别的再补充。

逆鳞x
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OpenCV图像几何变换之透视变换
01-01
本文实例为大家分享了OpenCV图像几何变换之透视变换的具体代码，供大家参考，具体内容如下 1. 基本原理  透视变换（Perspective Transformation）的本质是将图像投影到一个新的视平面，其通用变换公式为： （u，v...
opencv图像处理-opencv图像处理算法之仿射变换-包括旋转+平移+缩放+组合变换.zip
03-08
在压缩包中的"opencv图像处理_opencv图像处理算法之仿射变换_包括旋转+平移+缩放+组合变换"文件，很可能是包含了一系列示例代码或教程，用于演示如何在OpenCV中实现上述的各种仿射变换。通过学习这些示例，你可以更...
OpenCV与图像处理学习四——图像几何变换：平移、缩放、旋转、仿射变换与透视变换
热门推荐
qq_40467656的博客
10-13 1万+
OpenCV与图像处理学习四——图像基本操作（中）二、图像的几何变换2.1 图像平移2.2 图像缩放（上采样与下采样） 续上次的笔记：OpenCV与图像处理学习三——图像基本操作（上） 这次笔记主要的内容是图像的几何变换：包括平移、缩放、旋转、仿射变换和透视变换。 二、图像的几何变换 2.1 图像平移 将图像中所有的点按照指定的平移量水平或者垂直移动。 变换公式： 设（x0，y0）为原图像上的一点，图像水平平移量为Tx，垂直平移量为Ty，则平移后的点坐标（x1，y1）变为： x1 = x0 + Tx； y1
图像浏览界面缩放和平移操作的实现
jameschen9051的博客
02-19 900
前言：在开发程序时，可能需要将一张照片或影像显示在程序内部界面上。一般来说，界面的大小是固定的，不超过屏幕大小，但是我们需要显示的照片往往有不同的分辨率，并且一张照片的像素动不动就上千万，即使1920*1080的屏幕最多也只能显示200万像素的照片。要想在程序界面上浏览整张图像，必然需要加入缩放和平移功能。缩放使得我们能够以较原图更低的分辨率加载并显示整张图像，平移使得在较大分辨率尺度下界面只能加...
机器视觉-opencv-仿射变换
03-05
仿射变换是一种线性几何变换，它可以保持图形的平行性，但不保持长度和角度。在二维空间中，一个点(x, y)可以通过一个2x3的矩阵进行仿射变换，变为新的坐标(x', y')。这个变换矩阵由三行三列组成，其中前两行对应...
OpenCV-Python图像透视变换处理：魔变车牌案例.rar
09-16
在OpenCV-Python图像处理领域，透视变换是一种强大的技术，常用于将图像转换为不同的视图，例如模拟鸟瞰图、纠正倾斜的图像或者在本案例中，改变图像的几何形状，比如对车牌进行“魔变”效果。透视变换允许我们将四...
基于opencv[python]的人脸检测
m0_65963495的博客
07-25 2672
从这里可以清晰看到有1/3的图像没有成功检测到，后面我试试用Faster R-CNN模型，不过需要标注，数据量也大，这里先试着玩玩呗。
OpenCV车牌识别技术详解
极客代码
07-21 1502
本节介绍了OpenCV中的图像预处理技术，包括图像读取与显示、图像灰度化、图像二值化、图像形态学操作和图像轮廓提取。通过Python代码示例，展示了如何使用这些功能来处理车牌图像，为后续的车牌定位和字符分割做好准备。这些预处理步骤是车牌识别系统中不可或缺的部分，它们有助于提高识别的准确性和效率。后续文章将继续介绍OpenCV的其他功能模块和技术原理。本节介绍了OpenCV中的车牌定位技术，包括基于边缘检测的方法和基于颜色分割的方法。通过Python代码示例，展示了如何使用这些方法来定位车牌在图像中的位置。
图像生成中图像质量评估指标—FID介绍
u013889591的专栏
07-27 1751
Fréchet Inception Distance（\textbf{FID}）是一种衡量生成模型性能的指标，它基于Inception网络提取的特征来计算模型生成的图像与真实图像集合之间的距离。FID利用了Inception模型（通常指的是InceptionV3）来提取图像的特征表示。然后，它计算了两组特征（真实图像和生成图像）的Fréchet距离，即均值和协方差之间的距离。
快醒醒，别睡了!...讲《数据分析pandas库》了—/—＜4＞
qq_64603703的博客
07-27 964
详细解说数据分析pandas库中的常用方法
【Python】pandas：排序、重复值、缺省值处理、合并、分组
yannan20190313的博客
07-30 460
【Python】pandas：排序（sort_index,sort_values）、重复值（duplicated,drop_duplicates,value_counts,nunique）、缺省值处理（isna,isnull,notna,notnull,fillna,dropna,replace）、合并（join,merge,append,concat）、分组（groupby）
全网最详细Gradio教程系列5——Gradio Client: python
shao918516的博客
07-26 1060
程序部署完成后，如何将Gradio App作为API访问使用呢，这就用到Gradio Client。本章讲解Gradio Client的三种使用方式：python、javascript和curl，受字数限制，所以分三篇博客发布。 使用Gradio Python Client非常易于将Gradio应用程序作为API使用，本节讲述gradio_client安装、如何连接Gradio应用程序、查看可用API及其使用方式、job及session等用法。 通过Gradio Python Cli
Selenium与WebDriver：Errno 8 Exec格式错误的多种解决方案
ip16yun的博客
07-30 214
在使用Selenium和WebDriver进行网页自动化时，可能会遇到各种错误。其中一个常见问题是执行格式错误（Errno 8 Exec format error）。这个错误通常在运行ChromeDriver时出现，错误提示涉及路径中的某个文件。本文将概述这个问题的背景，并提供多种解决方案，包括如何使用代理IP技术进行数据抓取。
十个好用到爆炸的Python技巧
最新发布
qq_36807888的博客
07-30 221
生成器表达式与列表推导式类似，但它创建的是一个迭代器，而不是一个完整的列表。zip(names, ages) 创建一个迭代器，该迭代器生成由 names 和 ages 列表中对应位置的元素组成的元组。defaultdict(int) 创建一个字典，如果访问的键不存在，则默认值为 0 (int 类型的默认值)。惰性求值: 元素是在需要时才计算的，而不是预先计算好存储在内存中，这在处理包含复杂计算的序列时非常有用。wrapper 函数是装饰器函数内部定义的函数，它调用被装饰的函数，并将结果转换为大写。
Python面试题：如何使用WebSocket实现实时Web应用
bigorsmallorlarge的专栏
07-30 213
通过上述步骤，你可以使用 Django Channels 和 WebSocket 创建一个简单的实时 Web 应用。Django Channels 提供了强大的功能，使得在 Django 中实现实时功能变得更加容易。你可以在此基础上扩展，添加更多功能和复杂的逻辑。
安卓手机部署大模型实战
奇舞周刊
07-25 1045
本文作者系360奇舞团前端开发工程师前言自ChatGPT发布以来，大语言模型（Large language model, LLM)就成了AI乃至整个计算机科学的话题中心。学术界，工业界围绕大语言模型本身及其应用展开了广泛的讨论，大量的新的实践层出不穷。由于LLM对计算资源的需求极大，有能力部署大语言模型的公司和实验室一般通过搭建集群，然后开放API或者网页demo的方式让用户可以使用模型。在人们纷...
Python入门知识点 10--闭包与装饰器
@网工小赵的博客
07-30 576
什么情况下会用到装饰器特性:在不修改源代码的基础上,给函数加功能。
Python(C++)大尺度分层边值时变图统计推理并行算法
跨学科知识视角展现
07-29 581
:dart:分层结构制定生成模型 | :dart:贝叶斯模型选择程序 | :dart:分层结构图的信息性 | :dart:分层模型适应实值边协变量的网络 | :dart:分层模型适应时变网络，划分层对应于检测变化点 | :dart:定义两种版本随机块模型：:pen:具有边缘协变量模型概率分布，分层图总似然 | :pen:独立分层模型分层图数学似然计算 | :dart:推理算法：大图形尺度并行计算算法，过滤暂时被遮蔽的节点和边
【Python数据增强】图像数据集扩充
阿齐Archie
07-25 2130
该脚本用于图像数据增强，特别是目标检测任务中的图像和标签数据增强。通过应用一系列数据增强技术（如旋转、平移、裁剪、加噪声、改变亮度、cutout、翻转等），生成多样化的图像数据集，以提高目标检测模型的鲁棒性和准确性。
opencv图像几何变换
07-28
OpenCV 提供了多种图像几何变换的函数，可以实现平移、旋转、缩放、翻转等操作。以下是一些常用的图像几何变换函数： 1. 平移（Translation）：使用 `cv2.warpAffine` 函数实现，通过指定平移矩阵来改变图像位置。 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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