Python numpy库的应用、matplotlib绘图、opencv的应用-Toy模板网

这篇具有很好参考价值的文章主要介绍了Python numpy库的应用、matplotlib绘图、opencv的应用。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

numpy

import numpy as np

l1 = [1, 2, 3, 4, 5]

# array():将列表同构成一个numpy的数组
l2 = np.array(l1)
print(type(l2))
print(l2)
# ndim : 返回数组的轴数（维度数）
# shape：返回数组的形状，用元组表示；元组的元素个数表示数组的轴数；元组元素值表示对应轴中数组的元素个数
# 元组的元素个数表示数组的轴数；元组元素值表示对应轴中数组的元素个数
# (第一轴长，第二轴长，第三轴长...)
print(l2.ndim, l2.shape)

l2 = np.array([3, 4, 5])
print(l2)

l2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(l2.ndim, l2.shape)
print(l2)

l2 = np.array([[[1, 2, 1], [3, 4, 2]], [[5, 6, 3], [7, 8, 4]]])
print(l2.shape)  # --> (2, 2, 2)

# l3 = l2.reshape((2, 6))  # reshape() : 改变数组的形状
l3 = l2.reshape(2, 6)
print(l3)

l4 = l2.reshape(1, 2, 2, 3)
print(l4)

# arange(start, stop, step):产生某个范围数据的 一维数组 [start, stop, step)
l5 = np.arange(1, 11).reshape(5, 2)  # 表示第一个括号有5个元素，第二个括号有2个元素
print(l5)

l5 = np.arange(1, 11, 2)
print(l5)


D:\Anaconda\anaconda\envs\tf\python.exe D:\pycharm\python\day5\numpyy.py 
<class 'numpy.ndarray'>
[1 2 3 4 5]
1 (5,)
[3 4 5]
2 (3, 3)
[[1 2 3]
 [4 5 6]
 [7 8 9]]
(2, 2, 3)
[[1 2 1 3 4 2]
 [5 6 3 7 8 4]]
[[[[1 2 1]
   [3 4 2]]

  [[5 6 3]
   [7 8 4]]]]
[[ 1  2]
 [ 3  4]
 [ 5  6]
 [ 7  8]
 [ 9 10]]
[1 3 5 7 9]

进程已结束,退出代码0

numpy 运算

import numpy as np

A = np.array([[1, 2, 3], [4, 5, 6]])
B = np.array([[7, 8], [9, 10], [11, 12]]).reshape(2, 3)

C = A * B  # a00 * b00, a01 * b01, a02 * b02
print(C)

# numpy数组的运算实质是将 数组对应位置的元素进行运算
C = A - B
print(C)
C = A + B
print(C)
C = A / B
print(C)

C = np.sum(A, axis=1)  # 计算数组各行元素之和
print(C)
C = np.sum(A, axis=0)  # 计算数组各列元素之和
print(C)

print("---------------")
a = np.array([1, 2, 3, 4, 5]).reshape(5, 1)
b = np.array([6, 7, 8, 9, 10]).reshape(5, 1)
c = np.hstack((a, b))  # 水平方向合并
print(c)
c = np.vstack((a, b))  # 垂直方向合并
print(c)


D:\Anaconda\anaconda\envs\tf\python.exe D:\pycharm\python\day5\numpy运算.py 
[[ 7 16 27]
 [40 55 72]]
[[-6 -6 -6]
 [-6 -6 -6]]
[[ 8 10 12]
 [14 16 18]]
[[0.14285714 0.25       0.33333333]
 [0.4        0.45454545 0.5       ]]
[ 6 15]
[5 7 9]
---------------
[[ 1  6]
 [ 2  7]
 [ 3  8]
 [ 4  9]
 [ 5 10]]
[[ 1]
 [ 2]
 [ 3]
 [ 4]
 [ 5]
 [ 6]
 [ 7]
 [ 8]
 [ 9]
 [10]]

进程已结束,退出代码0

numpy 索引切片

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6])
print(a, a[2], a[2:5])

b = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 0]])
# numpy的多维数组中，拥有多个轴，每个轴都有索引编号，从0开始
# 访问元素[第一轴索引，第二轴索引，第三轴索引...]
print(b, b[0, 2], b[1, 3])
print(b[1, 2:])
# 元素的索引可以进行切片处理[start:stop:step, start:stop:step...]
print(b[:, 1::2])
print("-----------")
c = np.arange(24).reshape(3, 2, 4)
print(c)
print(c[:, 0, 1:3])

D:\Anaconda\anaconda\envs\tf\python.exe D:\pycharm\python\day5\numpy索引切片.py 
[1 2 3 4 5 6] 3 [3 4 5]
[[1 2 3 4 5]
 [6 7 8 9 0]] 3 9
[8 9 0]
[[2 4]
 [7 9]]
-----------
[[[ 0  1  2  3]
  [ 4  5  6  7]]

 [[ 8  9 10 11]
  [12 13 14 15]]

 [[16 17 18 19]
  [20 21 22 23]]]
[[ 1  2]
 [ 9 10]
 [17 18]]

matplotlib 绘图

import random

import matplotlib.pyplot as plt
import numpy as np

"""
    # 1.绘制直线
"""
x = np.array([1.2, 5.8, 9])
y = np.array([1.0, 8.5, 10])
# plot() : 绘制直线，参数x必须是两点的x轴坐标集， 参数y必须是两点的y轴坐标集
# 参数c表示线条的颜色
plt.plot(x, y, c='b', lw=2)
# show(): 显示绘图
plt.show()

"""
   # 1.绘制散点(3, 3)
"""
# scatter() : 绘制散点
# 参数x：点的x坐标集 参数y：点的y坐标集  参数s：点的面积 参数c：点的颜色
# 参数marker：点的形状（o：原点，*：星形，^:三角形，s：矩形，d：菱形 ）
# x = np.array([3])
# y = np.array([4])
# normal():正太分布函数 参数1：正态分布中心点  参数2：点的离散程度  参数3：产生的点的个数
# uniform():产生某个范围的点  参数1：start最小值 参数2：stop最大值 参数3：产生的点个个数
x = np.random.normal(0, 5, 1000)
y = np.random.uniform(0, 2, 1000)
# y = np.arange(1000)
plt.scatter(x[0:500], y[0:500], s=50, c='g', marker='*', linewidths=3)
plt.scatter(x[500:], y[500:], s=50, c='b', marker='o')
plt.show()

"""
    # 2.绘制正弦线
"""
x = np.arange(0, 6, 0.001)
y = np.sin(x)
plt.plot(x, y)
plt.show()

"""
    3.多子图绘制
"""
plt.subplot(221)
x = np.array([2, 4])
y = np.array([3, 8])
plt.plot(x, y)

plt.subplot(222)
x = np.arange(0, 6, 0.01)
y = np.cos(x)
plt.plot(x, y)

plt.subplot(223)
x = np.array([2, 4, 6])
y = np.array([8, 10, 12])
plt.scatter(x, y)

plt.subplot(224)
x = np.array([0, 8, 9.8])
y = np.array([0, 8, 9.8])
plt.plot(x, y)
plt.show()

"""
    4.绘制柱状图
"""
x_dat = ("jan", "feb", "mar", "apr", "may")  # x刻度名
x_index = np.arange(len(x_dat))  # 刻度的索引
y1 = (20, 10, 15, 18, 25)  # 收入数值，单位k
y2 = (8, 25, 13, 10, 12)  # 支出数值，单位k
# bar:柱状图（索引位置、高度、宽度、颜色、透明度、图例名）
plt.bar(x_index, height=y1, width=0.4, color='g', alpha=0.4, label="revenue")
plt.bar(x_index + 0.4,height=y2, width=0.4, color='r', alpha=0.4, label="expense")
plt.legend()  # 显示图例
plt.xticks(x_index + 0.2, x_dat)
plt.show()

Python numpy库的应用、matplotlib绘图、opencv的应用,Python与人工智能,python,numpy,matplotlib

文章来源地址https://www.toymoban.com/news/detail-618020.html

opencv图像处理，以及人脸识别

import cv2

"""
    1.加载本地图片并显示
"""
img = cv2.imread("1.png")
print(type(img))
print(img.shape)
# imshow(): 窗口显示 img图片
cv2.imshow("src", img)
# waitKey(n):阻塞等待按键按下，如果等待n时间内没有按键按下，则立即返回
# 如果有按键按下 则返回按下的按键的编码：默认为永久阻塞
if cv2.waitKey() == ord("q"):
    print("按下的按键为q")
    # destroyAllWindows() : 销毁窗口
    cv2.destroyAllWindows()

"""
    2.图片的变换
"""
img = cv2.imread("1.png")
# cvtColor(): 图片变换的函数，参数1：原图数据 参数2：变换的方式 COLOR_BGRA2GRAY：灰色
gray = cv2.cvtColor(img, cv2.COLOR_BGRA2GRAY)
gray = cv2.resize(src=gray, dsize=(640, 480))
print(gray.shape)  # 500, 281
# imwrite():将图片数据写入文件中
cv2.imwrite("g.png", gray)
cv2.imshow("gray", gray)
if cv2.waitKey() == ord("q"):
    cv2.destroyAllWindows()

"""
    3.图片的截取 点(36宽,15高) 框架( 101宽,42高)
"""
img = cv2.imread("1.png")
# shape(500, 281, 3) 高、宽、3
image = img[15:15+42, 36:36+101, :]
cv2.imshow("src", image)
# waitKey(n):阻塞等待按键按下，如果等待n时间内没有按键按下，则立即返回
# 如果有按键按下 则返回按下的按键的编码：默认为永久阻塞
if cv2.waitKey() == ord("q"):
    print("按下的按键为q")
    # destroyAllWindows() : 销毁窗口
    cv2.destroyAllWindows()

"""
    4.操作摄像头
"""
# 构造对象，打开摄像头 0
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("摄像头打开失败")
    exit(-1)
while True:
    # read() :读取摄像头拍摄的一帧图片，返回ret读取的标志 和 image图片内容
    ret, img = cap.read()
    if len(img) == 0:
        print("没有图片信息，图片读取失败")
        cap.release()
        exit(-1)
    cv2.imshow("src", img)
    # waitKey 参数为毫秒
    if cv2.waitKey(1) == 27:
        break
# release():释放摄像头
cap.release()
cv2.destroyAllWindows()

"""
    5.人脸检测
"""
path = "haarcascade_frontalface_default.xml"
# 加载人脸检测的模型，使用CascadeClassifier联级分类器
classifier = cv2.CascadeClassifier(path)
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("摄像头打开失败")
    exit(-1)
while True:
    # read() :读取摄像头拍摄的一帧图片，返回ret读取的标志 和 image图片内容
    ret, img = cap.read()
    if len(img) == 0:
        print("没有图片信息，图片读取失败")
        cap.release()
        exit(-1)
    # 由于官方给定的模型需要灰度图，所以需要转换为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGRA2GRAY)
    # 使用分类器对灰度图片中的人脸进行检测
    # 图片中有几张人脸，二维数组就有几个元素
    # [[x, y, w, h], [x, y, w, h]]
    face = classifier.detectMultiScale(gray)
    if len(face) != 0:
        print(face)
        for f in face:
            x, y, w, h = f # 得到人脸的x, y, w, h
            # rectangle():绘制矩形 参数pt1：人脸左上角坐标轴 参数pt2：人脸右下角坐标值 参数thickness线条粗细， color边框颜色
            cv2.rectangle(img, pt1=(x, y), pt2=(x+w, y+h),thickness=1, color=(122, 100, 30))
            # circle(): 画圆
            cv2.circle(img, center=(x+w//2, y+h//2), radius=w//2, color=(100, 133, 200))
    cv2.imshow("src", img)
    # waitKey 参数为毫秒
    if cv2.waitKey(1) == 27:
        break
# release():释放摄像头
cap.release()
cv2.destroyAllWindows()