cs231n---Python Numpy教程（第三弹）---终

下面介绍一下SciPy
numpy提供了高性能得多维数组，以及计算和操作数组得基本工具。SciPy基于numpy，提供了大量得计算和操作数组得函数，这些函数对于不同类型得科学和工程计算非常有用。
熟悉SciPy的最好方法就是阅读文档。这里强调得是对于本课程有用的部分。

图像操作
SciPy提供了一些操作图像得基本函数。比如，将图像从硬盘读入到数组得函数，也提供了将数组中数据写入到硬盘成为图像得函数：# SciPy 图像操作
from scipy.misc import imread, imsave, imresize

# Read an JPEG image into a numpy array
img = imread('fig.jpg')
print(img.dtype, img.shape) # uint8 (489, 595, 3)

# 我们可以用一个不同的标量常数缩放每一个颜色通道来给图像着色。图像有形状(489, 595, 3);
# we multiply it by the array [1, 0.95, 0.9] of shape (3,);
# numpy broadcasting means that this leaves the red channel unchanged,
# and multiplies the green and blue channels by 0.95 and 0.9 respectively.
img_tinted = img * [1, 0.15, 0.9]

# Resize the tinted image to be 300 by 300 pixels.
img_tinted = imresize(img_tinted, (300, 300))
# Write the tinted image back to disk
imsave('fig_change.jpg', img_tinted)


左边是原始图片，右边是变色和变形的图片。
如果运行这段代码出现类似ImportError: cannot import name imread的报错，那么请利用pip进行Pillow(oyth)的下载，可以解决问题。命令：pip install Pillow。

Matpoltlib
matplotlib做为一个做图库。首先简要介绍matplotlib.pyplot模块，它的功能和matlab中作图功能类似。
绘图
matpoltlib库中最重要得函数是plot。该函数能做出2D图形。# matplotlib.pyplot----plot for 2D fig
import numpy as np
import matplotlib.pyplot as plt

# 生成正弦曲线上的点的x和y坐标 Compute the x and y coordinates for points on a sine curve
x = np.arange(0, 3 * np.pi, 0.1)
y = np.sin(x)

# Plot the points using matplotlib
plt.plot(x, y)
plt.show() # You must call plt.show() to make graphics appear. 这步必须有，才能做出图！！！结果如下图所示：



接下来，在一次画多个图像并加上标签，坐标轴。import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 3 * np.pi, 0.1)
y_cos = np.cos(x)
y_sin = np.sin(x)

plt.plot(x, y_cos)
plt.plot(x, y_sin)
plt.xlabel('x axis label')
plt.ylabel('y axis label')
plt.title('sin and cos')
plt.legend(['cos', 'sin'])
plt.show() # You must call plt.show() to make graphics appear. 这步必须有，才能做出图！！！结果如下图所示：



绘制多个图像
使用subplot函数来将多张图一起画出来：import numpy as np
import matplotlib.pyplot as plt

# Compute the x and y coordinates for points on sine and cosine curves
x = np.arange(0, 3 * np.pi, 0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)

# Set up a subplot grid that has height 2 and width 1,
# and set the first such subplot as active.
plt.subplot(2, 1, 1)

# Make the first plot
plt.plot(x, y_sin)
plt.title('Sin')

# Set the second subplot as active, and make the second plot.
plt.subplot(2, 1, 2)
plt.plot(x, y_cos)
plt.title('Cos')

# Show the figure.
plt.show()


图像
使用imshow函数来显示图像：# 使用 imshow 函数来显示图像
import numpy as np
from scipy.misc import imread, imresize
import matplotlib.pyplot as plt

img = imread('fig.jpg')
img_tinted = img * [1, 0.15, 0.9]

# 显示原始图像
plt.subplot(1, 2, 1)
plt.imshow(img)

# Set the second subplot as active
plt.subplot(1, 2, 2)

# A slight gotcha with imshow is that it might give strange results
# if presented with data that is not uint8. To work around this, we
# explicitly cast the image to uint8 before displaying it.

#对imshow的一个小问题是，
#如果给出的不是uint8的数据，它可能会给出奇怪的结果。
#为了解决这个问题，我们在显示之前显式地将图像转换为uint8。
plt.imshow(np.uint8(img_tinted))
# plt.imshow(img_tinted)
plt.show()


若不将图像转换为unit8的数据直接显示图像，会产生奇怪的效果：plt.imshow(img_tinted)


以上内容转载整理来自知乎专栏点击打开链接，侵删侵删。