如何从头搭建一个搜索引擎_numpy以及openCV

类别：电工导C

日期：2016年11月29日

标题：numpy以及openCV

编号：6

---

一.NumPy：

1. Numpy的主要对象为均匀的多维向量，在Numpy中一个维度称为一个axes，axes的数量称为rank
   1. e.g：[[1,0,0],[0,1,2]]:rank=2,第一个axis的长度为2，第二个axis的长度为3
2. numpy的array的类名为ndarray，主要性质：
   1. ndarray.ndim:array的rank值
   2. ndarray.shape:array的dimensions，为一个由整数构成的tuple，如[[[1,0,0],[0,1,1]],[[0,0,0],[0,0,0]]]得到的结果为(2,2,3),shape得到的tuple的length即为ndarray.ndim
   3. ndarray.size:array的元素数量，数值上等于shape的tuple的各元素的积
   4. ndarray.dtype:元素的类型
   5. ndarray.itemsize:元素所占多少bytes
   6. ndarray.data:？？？
3. 创建array：
   • 从python的list和tuple来创建:

import numpy as np

a = np.array([2,3,4])

#a = np.array(1,2,3,4) #wrong!

>>>a

array([2,3,4])

b = np.array([1,2,3],[4,5,6])

>>>b

array([[1,2,3],[4,5,6]])

1. • 在创建时可以指定元素的类型：

>>>c = np.array([[1,2],[3,4]], dtype = complex)

>>> c

array([[ 1.+0.j,  2.+0.j],

       [ 3.+0.j,  4.+0.j]])

1. • 创建0array或者单位array

>>> np.zeros( (3,4) )

array([[ 0.,  0.,  0.,  0.],

       [ 0.,  0.,  0.,  0.],

       [ 0.,  0.,  0.,  0.]])

>>> np.ones( (2,3,4), dtype=np.int16 )                # dtype can also be specified

array([[[ 1, 1, 1, 1],

        [ 1, 1, 1, 1],

        [ 1, 1, 1, 1]],

       [[ 1, 1, 1, 1],

        [ 1, 1, 1, 1],

        [ 1, 1, 1, 1]]], dtype=int16)

1. • 等间距的创建：

>>> np.arange( 10, 30, 5 )

array([10, 15, 20, 25])

>>> np.arange(10)

array([0,1,2,3,4,5,6,7,8,9])

     4.访问：name[i][j]

---

二.openCV

• 基本操作
• • 读取一个图像

img = cv2.imread("D:\cat.jpg")

• • 创建一个窗口

cv2.namedWindow("Image")

• • 在窗口中显示图像

cv2.imshow("Image", img)

• • 最后

cv2.waitKey (0)

#使得窗口等待响应再关闭

• • 一个简单完整的例子

import cv2

img = cv2.imread("D:\\cat.jpg")

cv2.namedWindow("Image")

cv2.imshow("Image", img)

cv2.waitKey (0)

cv2.destroyAllWindows()     #最后关闭窗口

• 创建一个新的图像
• • 使用numpy函数

emptyImage = np.zeros(img.shape, np.uint8)     #创建一个空图像

1. • 获得原图像的一个拷贝

emptyImage2 = img.copy();

1. • 保存图像

cv2.imwrite('地址',所保存的图像矩阵,[图像质量])

cv2.imwrite("./cat.png", img, [int(cv2.IMWRITE_PNG_COMPRESSION), 0])

cv2.imwrite("./cat2.png", img, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

• 访问像素

img[j,i] = 255 #j,i代表行和列

#第三个参数代表通道BGR->012

img[j,i,0]= 255

img[j,i,1]= 255

img[j,i,2]= 255

• 分离，合并通道

#使用OpenCV自带的split函数

import cv2

import numpy as np

img = cv2.imread("D:/cat.jpg")

b, g, r = cv2.split(img)     #得到一个数组

cv2.imshow("Blue", r)

cv2.imshow("Red", g)

cv2.imshow("Green", b)

cv2.waitKey(0)

cv2.destroyAllWindows()

#使用Numpy数组

import cv2

import numpy as np

img = cv2.imread("D:/cat.jpg")

#注意要先创建一个尺寸相同的空图像

b = np.zeros((img.shape[0],img.shape[1]), dtype=img.dtype)

g = np.zeros((img.shape[0],img.shape[1]), dtype=img.dtype)

r = np.zeros((img.shape[0],img.shape[1]), dtype=img.dtype)

b[:,:] = img[:,:,0]

g[:,:] = img[:,:,1]

r[:,:] = img[:,:,2]

cv2.imshow("Blue", r)

cv2.imshow("Red", g)

cv2.imshow("Green", b)

cv2.waitKey(0)

cv2.destroyAllWindows()

#通道合并

#使用OpenCV自带的merge函数

merged = cv2.merge([b,g,r]) #前面分离出来的三个通道

#使用NumPy的方法

mergedByNp = np.dstack([b,g,r])

#用NumPy组合的结果不能在OpenCV中其他函数使用，因为其组合方式与OpenCV自带的不一样

#e.g

merged = cv2.merge([b,g,r])

print "Merge by OpenCV"

print merged.strides

mergedByNp = np.dstack([b,g,r])

print "Merge by NumPy "

print mergedByNp.strides

#result:

>>>Merge by OpenCV

>>>(1125, 3, 1)

>>>Merge by NumPy

>>>(1, 500, 187500)

• 直方图的计算和显示
• • 在python中调用OpenCV的直方图计算函数为cv2.calcHist()

#函数原型：

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) #返回hist

#e.g

#coding=utf-8

import cv2

import numpy as np

image = cv2.imread("D:/histTest.jpg", 0)

hist = cv2.calcHist([image],

    [0], #使用的通道

    None, #没有使用mask

    [256], #HistSize 表示这个直方图分为多少份

    [0.0,255.0]) #直方图柱的范围表示像素值的取值范围

• •