601-2077219-numpy_ndarray_arange_zeros_ones_empty.sy.md

show	version	enable_checker
step	1.0	true

opencv

回忆

• 上次了解了一个纯灰度图的结构
  • 纯灰度图被理解为一个二维矩阵
    • 第一维 是 高度y
    • 第二维 是 宽度x
• 在图像中的每一个点
  • 对应的像素
  • 都可以映射到一个uint-8
  • 无符号整型1字节(8-bit)
• 一个图像 在opencv里 就对应一个矩阵
  • 这矩阵 就是 图像的基础
• 这矩阵 有什么门道呢？
  • 怎么玩呢？？🤔

探索源头

import cv2
import numpy as np
canvas = np.zeros((7,5),np.uint8)
print(canvas)
print(type(canvas))
cv2.imshow("canvas",canvas)
cv2.waitKey()
cv2.destroyAllWindows()

• 结果

• 类型是numpy
• 有官网吗？

官网

• 核心就是 快速的

  • N-dimensional
  • n维数组
  • ndarray

• numpy

  • Numerical Python
  • python数字计算

• https://numpy.org/doc/stable/user/absolute_beginners.html

案例

import numpy as np
a = np.arange(6)
print(a)
print(a.ndim)
print(a.shape)

• 这是一个n维数组
• 具体来说就是1维数组
  • 数组里面有6个元素

• 这和列表有什么区别？

为什么用numpy

• 列表里面的数据
  • 可以不同类型
  • [1,"2",b"3"]

• numpy中的ndarray 必须
  • 相同类型
  • homogeneous
• 而且numpy
  • 针对这种同质数组
  • 消耗更小内存
  • 进行更快运算
• 而且numpy是多维的数组

什么是数组

• 数组是numpy类库的核心
  • 是一个 纯数据的 网格
  • 可以用 多种方式 对于数据进行
  • 索引和定位
  • 所有元素的 类型相同
  • 都是dtype

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

• 类型默认是
  • int64
  • 8-byte 的 整数

构造函数

import numpy as np
a = np.zeros(2)
print(a)
print(a.shape)
print(a.dtype)

• 默认类型是float类型的

• 可以 设置 数据类型吗？

设置数据类型

import numpy as np
a = np.zeros(2,dtype=np.uint8)
print(a)
print(a.shape)
print(a.dtype)

• 可以设置 类型

• 可以看到 这个数组吗？

看到数组

import cv2
import numpy as np
a = np.zeros(2,dtype=np.uint8)
print(a)
print(a.shape)
cv2.imshow("a",a)
key = cv2.waitKey()

• 两个黑格子

• 还有其他 生成数组的方法吗？

ones

import cv2
import numpy as np
a = np.ones(2,dtype=np.uint8)
print(a)
print(a.shape)
cv2.imshow("a",a)
key = cv2.waitKey()

• 结果还是很黑
  • 但是 数值 是 1

• 可以变成 纯白色的吗？

broadcast

• 借助broadcast特性

• 乘法 发生在 每个格子里

纯白色

import cv2
import numpy as np
a = np.ones(2,dtype=np.uint8)*255
print(a)
print(a.shape)
cv2.imshow("a",a)
key = cv2.waitKey()

• 1 * 255 = 255

• 得到白色
• 还有什么生成数组的方法？

empty

import cv2
import numpy as np
a = np.empty(2,dtype=np.uint8)
print(a)
print(a.shape)
cv2.imshow("a",a)
key = cv2.waitKey()

• 根据内存状况
  • 直接生成 数组

• 可以生成连续的吗？

连续列表

import cv2
import numpy as np
a = np.arange(3,dtype=np.uint8)
print(a)
print(a.shape)
cv2.imshow("a",a)
key = cv2.waitKey()

• 结果

• 尝试可视化

可视化

import cv2
import numpy as np
a = np.arange(3,dtype=np.uint8)
print(a)
a = a * 127
print(a)
print(a.shape)
cv2.imshow("a",a)
key = cv2.waitKey()

• 结果

查询帮助

import numpy as np
help(np.arange)

• 方法和range相似

英文	含义
start	开始值
end	结束值
英文	步长值

具体应用

import cv2
import numpy as np
a = np.arange(2,9,2,dtype=np.uint8)
print(a)
a = 20 * a
print(a)
print(a.shape)
cv2.imshow("a",a)
key = cv2.waitKey()

• 结果

• 还有其他构造函数吗？

linespace

• 讲一个数值范围分成 几段

具体操作

import cv2
import numpy as np
a = np.linspace(0,255,num=5,dtype=np.uint8)
print(a)
print(a.shape)
cv2.imshow("a",a)
key = cv2.waitKey()

• 结果

观察 二维数组

import cv2
import numpy as np
a = np.linspace(0,255,num=12,dtype=np.uint8)
print(a)
print(a.ndim)
print(a.shape)
b = a.reshape(4,3)
print(b)
print(b.ndim)
print(b.shape)
cv2.imshow("reshaped",b)
key = cv2.waitKey()

• 可以看到 12个颜色

• 可以变化这个矩阵吗？

再次变型

import cv2
import numpy as np
a = np.linspace(0,255,num=12,dtype=np.uint8)
print(a)
print(a.ndim)
print(a.shape)
b = a.reshape(3,4)
print(b)
print(b.ndim)
print(b.shape)
cv2.imshow("reshaped",b)
key = cv2.waitKey()

• 变换

• 总结一下吧

总结

• 这次了解numpy
  • Numerical Python
  • 核心是N-dimensional
  • 总共种构造函数

函数	作用
zeros	全0
empty	根据内存
ones	全1
arange	等差数列
linspace	平均分布

• 这个numpy 中的 数组 怎么都是
  • 1维数组呢？
  • 不是ndarray吗？？🤔
• 我们下次再说 👋