csdn_manong1的博客

aparser.add_argument('-f','--fps',type = float, default = 24)#帧。# font = ImageFont.truetype(os.path.join("fonts","汉仪楷体简.ttf"),18)INPUT = r"G:\py\学习python\视频到代码\video39.mp4"SAVE = r"G:\py\学习python\视频到代码\\video39_3"# gif拆分后的图像，需要转换，否则报错，由于gif分割后保存的是索引颜色。

print "---> 正在读取第%d帧:" % frame_index, success。frames_save_path = "/home/wgp/视频/"videos_src_path = "/home/wgp/视频/":param video_src_path: 视频存放路径。:param frame_save_path:　保存路径。print "正在读取视频：", each_video。:param frame_height:　保存帧高。:param frame_width:　保存帧宽。

开始是打算用py2exe结果打算接个简单的gui（真的是很简单）就开始跟我各种错，改的差不多想整成一个exe的时候有给我来个64bit not support。然后就转投pyInstall了，不过事情远不是那么顺利，如果用的是2.1版的话你会发现又有个巨大的bug--打包出来的exe居然不能放在中文路径下，于是乎各种找解决方案，然后发现了两种解决途径，一种是有个修改的版本（http://github.com/dkw72n/pyinstaller.git），另一种是选择2.0版。我承认我真不太会写）

这里需要注意的是，我写的是文件夹，也就是说在/home/shao/violence_detection_code/Movies_Dataset/fights目录下有多个视频XXX.avi,XXX.avi等形式；3.第7行表示将所有视频的文件名存到videos中，第8行是可选项，表示对fights文件夹下的视频进行排序，x[5:-4]表示按照文件名第5个字符到倒数第4个字符之间的符号排序，因为我的视频是newfi1.avi,newfi2.avi……的格式，我想实现的是按照数字1,2,3的顺序提取视频帧。

dImg = sImg.resize((200, 200), Image.ANTIALIAS) # 设置压缩尺寸和选项，注意尺寸要用括号。dImg.save(f2) # save这个函数后面可以加压缩编码选项JPEG之类的。本文为大家分享了Python实现批量压缩图片的具体代码，供大家参考，具体内容如下。以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。# 图片格式，可以换成.bpm等。# 如果不存在目的目录则创建一个。Python实现批量压缩图片。# 压缩图片路径名称。

利用数学的形式表现出来，就是假设图像1长度为l_1，图像2长度为l_2，所以令图像2的步长为l_1/l_2，也就是说当图像2的第一个像素点对应图像1第一个像素点，图像2的最后一个像素点对应图像1最后一个像素点。首先是创建了一个用来存放所有图像向量的矩阵Picture，大小为fx10001，其中f代表我们拥有的训练图片的数目，10001的前10000位代表图片展开后的向量长度，最后一维代表这一个向量的类别，比如说时2就代表这个图片上面写的数字是2.我这里用的方法是比较简单基础的方法，但是可能依旧比较难。

将newFileNames中的名称的图片带入上一文中函数GetTrainPicture进行处理，得到了一个nx10001的矩阵，每一行代表一个新加入的图片，前10000列是图片向量，第10001列是该图片的数字，保存在pic中。我们的图库中拥有一大堆图片，每一张图片上面都是一个手写的数字，图片的名称为[数字内容]_[序号]。从上面的主文件中，我们首先用到了函数NewFiles，主要是对比fileNames和reader这两个文件中图片的名称有什么不同，返回值是新增的图片的名称的列表。

那么对于我们将图片拉成的1xn维向量，他实际上投影到n维空间上就是一个点，所以我们将训练向量分成10类，分别代表十个数字，那么被识别数字靠近哪一个类，那说明它有可能属于这一个类。所以我们换一种说法，我们现在有两个类A和B，A类中包括了点(1,1),B类中包括了点(5,5)，所以对于点(2,2)，它可能属于哪一类？函数中我导入了四个参数：被识别向量test，训练向量train，与训练向量对应的每个向量对应代表的数字num，想要导出的前n个距离最近的向量。这里的逻辑是：先排序，找到距离最小的前n个，存入矩阵。

其实我之前写过一个简单的识别手写数字的程序，但是因为逻辑比较简单，而且要求比较严苛，是在50x50大小像素的白底图上手写黑色数字，并且给的训练材料也不够多，导致准确率只能五五开。那么对于我们将图片拉成的1xn维向量，他实际上投影到n维空间上就是一个点，所以我们将训练向量分成10类，分别代表十个数字，那么被识别数字靠近哪一个类，那说明它有可能属于这一个类。所以我们换一种说法，我们现在有两个类A和B，A类中包括了点(1,1),B类中包括了点(5,5)，所以对于点(2,2)，它可能属于哪一类？

本文实例讲述了python基于urllib实现按照百度音乐分类下载mp3的方法。分享给大家供大家参考。python基于urllib实现按照百度音乐分类下载mp3的方法。希望本文所述对大家的Python程序设计有所帮助。

本文实例为大家分享了python实现12306图片验证效果的具体代码，供大家参考，具体内容如下。思路：在鼠标点击位置加一个按钮,然后再按钮中的点击事件中写一个关闭事件.以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。self.m_start_point=0 #x坐标。python+pyqt实现12306图片验证效果。self.m_end_point=0 #y坐标。

至于opencv，在做人脸识别的时候会用到，但本文不会涉及到，在本专栏的后续中会谈及openCV的人脸识别和基于此的python图片爬虫，有兴趣的朋友可以关注本专栏。相比pHash，dHash的速度要快的多，相比aHash，dHash在效率几乎相同的情况下的效果要更好，它是基于渐变实现的。这几种算法是识别相似图像的基础，显然，有时两图中的人相似比整体的颜色相似更重要，所以我们有时需要进行人脸识别，不过，这种方法有一个明显的弱点，就是他是按照颜色的全局分布来看的，无法描述颜色的局部分布和色彩所处的位置。

2.进入解压包中的中文语言包，复制chi_sim.traineddata到Tesseract-OCR安装目录下tessdata文件夹下，我的路径：E:\wamp\python modules\Tesseract-OCR\tessdata\chi_sim.traineddata。下载完成解压，这里我解压到D:\python\pip-9.0.1，命令行进入D:\python\pip-9.0.1。首先需要安装pip包管理，安装方法可参考附录windows下安装python包管理器pip。

本文实例讲述了python通过pil模块获得图片exif信息的方法。分享给大家供大家参考。python的pil模块功能超级强大，不但可以用来处理图片也可以用来获取图片的exif数据。python通过pil模块获得图片exif信息的方法。希望本文所述对大家的Python程序设计有所帮助。

在利用opencv进行图片处理时，经常需要查看图片关心区域或位置的像素数值，苦于没有应手的小软件，我用python3.6+opencv3.4简单编制一个小工具，供大家使用。1.建立标准的鼠标交互函数，当鼠标在图像上移动时，即时显示鼠标位置的像素数值（opencv像素为BGR格式）。print(img[y,x]) #显示鼠标所在像素的数值，注意像素表示方法和坐标位置的不同。if cv2.waitKey() == ord('q'):break #按下‘q'键，退出。2.建立图像窗口，绑定鼠标回调函数。