`
cakin24
  • 浏览: 1388076 次
  • 性别: Icon_minigender_1
  • 来自: 西安
社区版块
存档分类
最新评论

scipy的图像测试

阅读更多

一 代码

  1. from scipy import misc
  2. from scipy import ndimage
  3. face = misc.face()
  4. print(ndimage.measurements.maximum(face))#最大值
  5. print(ndimage.measurements.maximum_position(face))#最大值位置
  6. print(ndimage.measurements.mean(face))#平均值
  7. print(ndimage.measurements.median(face))#中值
  8. print(ndimage.measurements.sum(face))
  9. print(ndimage.measurements.variance(face))
  10. print(ndimage.measurements.standard_deviation(face))
  11. print(ndimage.measurements.histogram(face,0,255,256))
二 运行结果
255
(242, 560, 2)
110.162743886
109.0
259906521
3307.17544034
57.5080467443
[ 3473   613   748   993  1651  2468  4198  6781  9301 11777 11084 10206
 10011 10491 11335 11698 11788 11448 11383 10860 10563  9743  9104  8692
  7939  7940  8069  8219  8251  8270  8066  7901  7913  7855  7974  8021
  8221  8374  8316  8217  8338  8300  8440  8540  8936  9005  9226  9497
  9406  9802 10126 10137 10167 10208 10246 10093 10508 10457 10465 10743
 10773 11127 11355 11534 11320 11650 11945 12006 12397 12379 12515 12555
 12872 12890 12985 12954 12930 13172 13270 13374 13404 13550 13414 13428
 13370 13488 13706 13875 13756 13947 13838 14063 14321 14395 14274 14291
 14411 14727 14612 14588 14443 14612 14499 14375 14574 14450 14461 14665
 14674 14620 14569 14488 14708 14898 14600 14573 14482 14632 14178 14190
 14347 14201 14193 14049 13809 13720 13711 13716 13557 13614 13393 13126
 13205 12860 12995 12818 12797 12697 12900 12832 12799 12737 12670 12448
 12388 12099 12131 12087 11859 11676 11863 11837 11747 11593 11574 11579
 11566 11457 11391 11372 11567 11262 11226 10994 10903 10812 10576 10699
 10501 10425 10368 10081  9969  9871  9952  9815  9575  9523  9268  9219
  9070  8997  8826  8761  8467  8351  8069  8141  7992  7822  7672  7763
  7383  7293  7177  6988  6848  6782  6623  6447  6344  6080  6290  6231
  6061  6085  6017  5845  5897  5789  5568  5416  5303  5139  4786  4753
  4519  4448  4087  4034  3977  3764  3467  3191  3130  3000  2631  2591
  2406  2231  2070  1995  1751  1520  1369  1267  1121   981   920   889
   803   764   747   720   648   568   539   539   405   390   349   318
   282   253   181   589]
1
0
分享到:
评论

相关推荐

    Scipy官方参考文档

    - **内容**:详细介绍了Scipy开发流程、代码风格指南、测试框架等内容。 - **目标**:帮助开发者更好地理解项目结构,高效地参与到开发工作中来。 #### 六、API参考手册 - **6.1 集群包(scipy.cluster)** - ...

    scipy参考文档(机器学习)

    1. 统计模块(scipy.stats):提供了各种统计分析工具,如概率分布、统计测试、描述性统计以及随机变量的生成等。 2. 数值积分模块(scipy.integrate):允许用户在不同精度下对函数进行积分计算,支持一维、多维...

    python 3.8 安装numpy和scipy

    Scipy(Scientific Python)则是一个更高级别的库,它建立在Numpy之上,提供了更多的科学计算工具,如信号处理、优化、插值、线性代数、统计和图像处理等功能。Scipy的安装同样可能遇到网络问题,此时也可以通过.whl...

    scipy 0.14.0.tar.gz

    8. **图像处理**:虽然不是Scipy的核心部分,但在某些版本中,Scipy提供了基本的图像处理功能,如图像滤波和几何变换。0.14.0可能对此进行了增强或加入了新的图像处理工具。 9. **I/O**:Scipy提供了读取和写入各种...

    Python scipy 说明文档

    `scipy.ndimage` 包括了一系列多维图像处理功能,如: - **滤波器操作**:如高斯滤波 (`gaussian_filter`)。 - **形态学操作**:如腐蚀 (`erosion`) 和膨胀 (`dilation`)。 - **几何变换**:如旋转 (`rotate`) 和...

    scipy-0.19.1.tar.gz

    图像处理方面,虽然Scipy本身并不专注于图像处理,但它的子模块如`interpolate`和`signal`可以用于图像平滑、去噪等预处理任务。例如,插值函数可用于提高图像分辨率,而信号处理函数可以去除图像中的高频噪声。 ...

    Scipy Reference Release0.16.0

    SciPy 的 stats 模块提供了大量的统计分布函数和统计测试方法,如均值检验、方差分析、卡方检验等,适用于各种统计分析任务。 **1.14 多维图像处理 (scipy.ndimage)** 多维图像处理涉及对多维数组(通常是图像)...

    scipy-ref-0.18.1.pdf

    #### 多维图像处理 (scipy.ndimage) 提供了用于多维图像处理的操作,如滤波器应用、形态学变换等。 #### 正交距离回归 (scipy.odr) 支持正交距离回归模型,可用于处理误差分布在多个维度的情况。 #### 优化和根...

    scipy-ref-1.0.0

    - scipy.stats:提供了统计测试、分布和函数。 除了新功能的增加,SciPy还可能有一些已废弃的功能和不兼容的改动。对于开发者来说,在升级到新版本时,这些变化可能会影响代码的兼容性,因此需要特别注意。 SciPy...

    scipy+scikit-learn组件

    它包含了大量数学函数、统计方法、优化工具、插值、积分、线性代数模块、信号处理和图像处理等。其中,线性代数模块提供了矩阵运算、特征值分解、QR分解等功能;插值模块可以用于数据平滑和曲线拟合;信号处理模块则...

    SciPy Reference Guide.pdf

    **`scipy.stats`** 模块提供了大量的统计分布函数和统计测试。主要功能包括: - 统计分布:如正态分布、t 分布等。 - 统计检验:如 t 检验、卡方检验等。 这些工具在数据分析和统计推断中起着核心作用。 #### ...

    scipy reference 0.19.1

    1. 统计模块:SciPy的统计模块提供了丰富的统计计算功能,支持各种统计测试、分布、绘图等。 2. 优化模块:提供了求解最小化问题的函数,包括线性和非线性规划问题。这些函数可以被用于工程、金融和经济建模等多种...

    scipy-0.15.1-win32-superpack-python2.7

    在图像处理中,Scipy的图像处理函数可以进行图像变换、图像分割和特征检测等操作。 此外,Scipy还与NumPy密切配合,NumPy提供了高效的多维数组对象和矩阵运算,而Scipy则在此基础上提供了更多的科学计算功能。两者...

    学习Scipy文档

    在这一部分,Scipy文档介绍了如何评估特殊函数,包括便利和测试函数、单变量多项式、伽马函数、黎曼ζ函数、艾里函数、贝塞尔函数和施特鲁夫函数。它还提供了插值、回归、优化、最小化、求根、数值积分、椭圆积分、...

    scipy-1.7.1.tar.gz

    8. **图像处理**:虽然不是其核心功能,但Scipy也能进行基本的图像处理操作,可以作为Caffe预处理步骤的一部分。 9. **多维数组操作**:与NumPy库紧密集成,提供了高效处理多维数据的能力,这对于Caffe处理高维特征...

    python3.3 Scipy函数库

    - `scipy.stats`模块包含各种统计分布、统计测试(如t检验、卡方检验)、随机变量生成等功能,对于数据分析和假设检验非常有用。 9. **Special Functions(特殊函数)**: - `scipy.special`模块提供了许多数学中...

    jetson-pytorch+tensorflow+scipy.zip

    在机器学习中,SciPy可以帮助进行特征缩放、数据清洗、统计测试等操作,为模型训练提供干净且合适的输入数据。 压缩包内的"pip_pkg"文件很可能是一个包含了所有这些库安装脚本或者已经编译好的二进制文件的文件夹。...

    scipy-0.11.0

    7. **统计模块**: stats模块提供了大量的统计分布、统计测试和统计函数,例如t检验、卡方检验、正态分布、泊松分布等,为统计分析和假设检验提供了便利。 8. **稀疏矩阵模块**: sparse模块支持稀疏矩阵的运算,这...

Global site tag (gtag.js) - Google Analytics