菜鸡的博客

处理基础 opencv基本的读取图像，显示图像，保存图像 读取图像 imread() 显示图像 imshow() 保存图像 imwrite() import cv2 # 读取图像 i = cv2.imread("./test.jpg") # 显示图像 cv2.imshow("Demo",i) cv2.waitKey(0) cv2.destroyAllWindows() # 保存图像 保存成功返回True cv2.imwrite("./test2.jpg",i) True 像素处理 item

首先，我们需要导入包文件 import numpy as np 一、numpy中的一般语法 # 矩阵的逆、转置及秩 data_1 = np.matrix('3 4 5;7 8 9') print(data_1) print("矩阵的逆:") data_2 = data_1.I print(data_2) print("矩阵的转置:") data_3 = data_1.T print(data_3) print("矩阵的秩:") data_4 = np.linalg.matrix_rank(data_1)

迭代器   在使用列表时，直接将数据存入列表将会占据大量空间，且复用率较低， 为解决这个问题，这里了解一下迭代器，从而创建一种数据产生的方式，以此来节省空间。 迭代对象   注意，这里需要使用到内建函数__iter__，简单理解为，使用了__iter__才会是一个可迭代对象，关于这部分，我们可以对一些对象做一些判断，从而清楚是不是可迭代对象，比如L1列表： from collections.abc import Iterable # 判断L1是否为可迭代对象 L1 = [i for i in rang

装饰器   通俗点理解就是锦上添花，关于这块需要参考一些软件开发的设计模式，在这里引入一个小的故事。   公司招了一个人A，某一天，项目组想要给一个接口添加一些时间计算，具体时间计算没有说，但是这个功能要加，A呢就去查看接口中的代码，在代码中添加了一个时间计算，过了两天，项目组要求所有接口全部添加时间计算，此时A则一个个的去每个接口中添加时间计算，以至于天天晚上加班，结果没过多久就被炒鱿鱼了。此时来了B，他先写了个时间计算函数并在每个接口头部添加这个函数名，实现了对应的加时间计算功能。没多久就升职加薪了。

闭包的实现 - 是内层函数对外层函数非全局变量的应用 - 闭包会一直存在计算机内存中，不会因为函数执行的结束而释放 举例说明 - 这里我们做一个求和函数，但是我们需要做到每次求和后也返回一个平均值及对应个数 ``` def make_averager(): count = 0 total = 0 def fun(var): # nonlocal count, total # 这里不加会报错 count += 1 total += var

一、前言 作为一门经典的编程语言，这些年来，C有着重要的地位，在各个领域的使用都是相当重要的地位！而Python作为较新式的语言，相对而言入门更加简单，适合新手来学习！但是作为一门动态的脚本语言，其效率相对C来说还是有些捉急的。在这里，我们引入一个demo来作为Python和C混合编程的一个基础。 二、编写代码 在这里我会使用对比的方式来比较两种语言计算一个较大数字求和时的耗时情况，从而直观体验其中的差别。同时这里会引入混合编程的概念。 编写C的代码 #include<stdio.h> v

进程和线程，有时总是让人傻傻分不清，其实进程是资源分配最小单位，线程是程序执行的最小单位。其实一定程度上，进程会占用大量的资源，相比之下，Python的线程会更有优势。 但是，注意！注意！注意！ Python官网的Python版本是基于C开发的版本，简称CPython，内部存在GIL(全局变量锁)，由此，CPython在使用多线程时并非几个线程同时运行，要解决这个问题，可以更换Python的解...