负索引和负方向

        在python里有序集合的index位置信息可正可负,方向可以从左向右或从右向左。以“python”字符串通过list函数转化生成的列表为例,其正负位置信息index值如下所示:

0

1

2

3

4

5

'p'

'y'

't'

'h'

'o'

'n'

-6

-5

-4

-3

-2

-1

故,切片的start、end、step也可用负数来表示。

例1:

s = "python"
print s
a = list(s)
print a
b = a[1 : -2 : 1]
print b
c = a[1 : -2 : -1]
print c

 

程序的执行结果如下:

python
['p', 'y', 't', 'h', 'o', 'n']
['y', 't', 'h']
[]

 

为何c为空呢?

原因:从起点start开始如果step为正从左向右到达end进行切片操作,如果step为负从右向左到达end进行切片操作。对b起点在左方向向右是能到达终点的,而对于c那条切片语句a[1 : -2 : -1],起点在左方向向右是无法到达终点的故结果集为空。

例2

s = "python"
print s
a = list(s)
print a
b = a[-1 : 2 : 1]
print b
c = a[-1 : 2 : -1]
print c

 

程序的执行结果如下:

python
['p', 'y', 't', 'h', 'o', 'n']
[]
['n', 'o', 'h']


 

为何b为空呢?

对于b和c所对应的取切片操作的起点start = -1、终点end = 2,但取得b的切片操作的step = 1意思是从起点从左向右到达终点,不可能,因为终点在左边故b为空的列表集。而c所对应的取切片操作的方向是step = -1即从右向左是可以最终到达终点的,故得到['n', 'o', 'h']结果。

例3

对于字符串,有序的集合,也是可以使用切片的。有的时候切片操作的start和end以及step会没有指定,这个时候是一些特殊用法,通常暗含的意思是该方向上的首尾。

s = "python"
print s[:]
print s[::1]
print s[::-1]
print "*****"
print s[1::1]
print s[1::-1]
print "*****"
print s[:5]
print s[:3:1]
print s[:3:-1]

 

程序执行结果:

python
python
nohtyp
*****
ython
yp
*****
pytho
pyt
no

 

(1) s[:]切片,[:]即全切即列表本身,即首尾都要。

(2) s[::1]切片,正向全切,正向全切结果和s[:]一样

(3) s[::-1]切片,负向全切,等价于s[len(s)-1::-1]

(4)s[1::1]切片,从index为1开始到正方向尾部所有元素。

(5)s[1::-1]切片,从index为1开始一直沿负方向(右向左)到该方向尾部。

(6)s[:5]切片,正向切到index为5 - 1 = 4为止,起点默认为该方向的起点值0。

(7)s[:3:1]切片,明确指明了正向步长为1,正向切片的终点index为3,起点默认该方向的起点值0 。

(8)s[:3:-1]切片,负方向切片的终点为3,起点默认为该方向的起点值-n 。

  • 4
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 当然可以!以下是一个简单的Python代码,可以用于读取图像文件并识别其中的文本方向: ``` # 导入必要的库 import cv2 import numpy as np # 加载图像文件 img = cv2.imread('your_image_file.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 计算Sobel梯度 grad_x = cv2.Sobel(gray, cv2.CV_32F, 1, 0) grad_y = cv2.Sobel(gray, cv2.CV_32F, 0, 1) # 计算梯度幅值和方向 mag, ang = cv2.cartToPolar(grad_x, grad_y) # 将角度转换为角度制 ang = np.rad2deg(ang) # 将角度调整到[0, 180]的范围内 ang = (ang + 180) % 180 # 将角度分为四个方向:水平、垂直、正对角线和对角线 bins = np.int32(ang / 45.0) % 4 # 统计每个方向的像素数量 bin_count = [np.sum(mag[bins == i]) for i in range(4)] # 找到主要方向索引 main_bin = np.argmax(bin_count) # 根据主要方向旋转图像 if main_bin == 1: gray = cv2.rotate(gray, cv2.ROTATE_90_COUNTERCLOCKWISE) elif main_bin == 2: gray = cv2.rotate(gray, cv2.ROTATE_180) elif main_bin == 3: gray = cv2.rotate(gray, cv2.ROTATE_90_CLOCKWISE) # 现在gray就是文本方向调整后的灰度图像了,可以继续处理或者保存到文件 ``` 希望这个代码对你有所帮助! ### 回答2: 要识别图片文字方向,可以使用Python的图像处理库和机器学习算法,以下是一个基本的代码示例: ```python import cv2 import pytesseract def rotate_image(image): # 将图片转为灰度图 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 利用Tesseract库进行文字识别 text = pytesseract.image_to_osd(gray) # 从文字识别的结果中提取角度信息 angle = int(text.split('Rotate: ')[-1]) # 旋转图片 center = tuple(np.array(image.shape[1::-1]) / 2) rot_matrix = cv2.getRotationMatrix2D(center, angle, 1.0) rotated_image = cv2.warpAffine(image, rot_matrix, image.shape[1::-1], flags=cv2.INTER_LINEAR) return rotated_image # 读取图片 image = cv2.imread('image.jpg') # 图片旋转 rotated_image = rotate_image(image) # 显示旋转后的图片 cv2.imshow('Rotated Image', rotated_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 此代码使用了OpenCV库进行图像处理,通过将图像转换为灰度图,然后使用Tesseract库进行文字识别,并从识别结果中提取图片的旋转角度信息。最后,利用OpenCV的旋转函数对图片进行旋转,并显示旋转后的图片。 需要注意的是,为了运行此代码,需要安装OpenCV、pytesseract和numpy等必要的库。 ### 回答3: 可以使用Python的OpenCV库和tesseract库来识别图片文字方向。 首先,需要使用OpenCV库将图片加载为灰度图像,然后使用tesseract库来识别文字。代码如下所示: ```python import cv2 import pytesseract def get_text_orientation(image_path): # 加载图像 image = cv2.imread(image_path) # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 进行文字识别 text = pytesseract.image_to_osd(gray) # 提取文字方向信息 lines = text.split("\n") for line in lines: if "Orientation in degrees" in line: orientation = line.split(":")[-1].strip() return int(orientation) # 测试示例 image_path = 'image.jpg' orientation = get_text_orientation(image_path) print("图片文字方向:", orientation, "度") ``` 在代码中,`image_path`是要识别的图片路径。首先,使用OpenCV库加载图片并将其转换为灰度图像。然后,使用tesseract库中的`image_to_osd`函数识别文字,并将结果存储在`text`中。 通过分析识别结果的`Orientation in degrees`行,可以提取出图片中文字的方向信息。最后,将方向信息作为整型返回。 以上就是一个简单的识别图片文字方向Python代码。注意,为了运行代码,需要确保已经安装了OpenCV库和tesseract库,并且已经下载了相应的识别模型。
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

打赏作者

Hamilton_Huan

原创不易,结合业务原创更不易

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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