잠토의 잠망경

opencv import cv2 img = cv2.imread('imgpath') cv2.imshow('img',img) cv2.waitkey() cv2.destroyWindows()

random import numpy as np a = np.random.uniform(1,2,(2,2)) # 1~2 사이의 균일한 분포로 무작위 배열 반환 b = np.random.lognormal(3,1,10) # 평균, 시스마를 이용하여 무작위 배열 반환 c = np.random.laplace(0, 1, (2,2)) # 라플라스 분포의 무자위 배열 반환 d = np.random.random((2,3)) # 2 \*3 배열 e = np.random.random((2,3)) # 2 \* 3 배열 f = np.random.rand(2,2) # 무작위 g = np.random.randn(2,2) # 표준 편차 h = np.random.randint(1,3,(2,2), dtype = int)

connectedComponents & connectedComponentsWithStats 0 0 0 0 0 0 1 0 0 0 1 0 1 0 0 0 1 0 1 0 0 0 1 0 1 1 0 0 0 0위와 같이 어떤 image에 저와 같은 배열을 갖는 이미지가 있었다. 우리가 cv2.connectedComponents(image) 를 하면 연결된 components의 개수를 반환하고 Labeling을 해준다. 0 0 0 0 0 0 1 0 0 0 2 0 1 0 0 0 2 0 1 0 0 0 2 0 1 1 0 0 0 0그럼 우리는 이것들을 분리해서 처리할 수 있다. 또한 cv2.connectedComponentsWithStats() 는 중심 좌표 및 범위를 알려주기 때문에 대상(component)를 특정화 시킬수..

array 비교 list는 비교문을 사용하여 한번에 내용을 적용할 수 있다. import numpy as np aList = np.array([0,1,2,3,0,1,2,3]) aList[aList == 0] = 10 print(aList) #10,1,2,3,10,1,2,3 List의 원소를 비교하는 것으로 linq와 유사하다.

loadtxt & savetxt import cv2 import numpy as np mat = np.random.random(100,100).astype(np.float32) print(mat.shape) #(100,100) print(mat.dtype) #float32 print(mat) random을 생성한다. import cv2 import numpy as np mat = np.random.random(100,100).astype(np.float32) np.savetxt('mat.csv', save_mat) load_mat = np.loadtxt('mat.csv').astype(np.float32) print(load_mat)

numpy clip 값들의 범위를 제약(제한)한다. 즉, 최소값은 1을 넘지 않는다. 최대값은 100을 넘지 않는다. import numpy as np a = np.arrange(10) #[0,1,2,3,4,5,6,7,8,9] print(np.clip(a,1,8)) #min: 1, max:8 #[1,1,2,3,4,5,6,7,8,8] #0은 1보다 작다 고로 1로 치환 #1은 1보다 크다 고로 그냥 1 #8은 8보다 같다 고로 그냥 8 #9는 8보다 크다 고로 8로 치환 return if(valuemax) value = max

nonzero array중 0 이 아닌 index를 얻고자할때 사용한다. 1차원 import numpy as np a = np.array([0,1,2,3,4,5,0,1,2,3,4]) nonzeroList = a.nonzero() print(nonzeroList) #[1,2,3,4,5,7,8,9,10], dtype=int64 2차원 import numpy as np b = np.array([0,1,2,3,0],[0,1,2,3,0]) print(b.nonzero()) # [0,0,0,1,1,1] # [1,2,3,1,2,3] print(np.transpose(b.nonzero())) # merge

np.power() import numpy as np x1 = range(6) print(np.power(x1,3)) #[0,1,8,27,64,125] x2 = [1.0, 2.0, 3.0, 3.0, 2.0,1.0] print(np.power(x1,x2)) #[0., 1., 8., 27., 16., 5] 제곱, a^b