Scipy的應用

首先整體歸納一下Scipy的用處

>>> #Scipy依賴於numpy
>>> #Scipy提供了真正的矩陣
>>> #Scipy包含的功能：最優化，線性代數，積分，插值，擬合，特殊函數，快速傅里葉變換，信號處理，圖形處理，常微分方程求解器等
>>> #Scipy是高端科學計算工具包
>>> #Scipy由一些特殊功能的子模塊組成
>>> #圖片消噪

下面介紹一些具體的應用

1：求圓周率

從圖片易知道，圓周率爲半徑爲一的半圓的面積的兩倍，因此只須要求解半圓的面積便可，可經過積分的形式求解

具體過程以下

>>>x=np.linspace(-1,1,1000)#-1到1分紅1000份來進行積分

>>> f=lambda x:(1-x**2)**0.5

>>>plt.plot(x,f(x))#畫出該圖形

>>> plt.figure(figsize=(4,2))#設置圖形大小

>>> plt.show()

 

>>> #使用scipy.integrate進行積分，調用quad()方法
>>> import scipy.integrate as integrate
>>> integrate.quad (f,-1,1)#求積分
(1.5707963267948983, 1.0002354500215915e-09, 1.5707963267948983, 1.0002354500215915e-09)

>>> sq,err=integrate.quad (f,-1,1)#sq是半圓的面積，err是偏差
>>> pi=sq*2#圓的面積是圓周率
>>> pi

3.1415926535897967

2：文件處理

>>> #Scipy文件輸入輸出
>>> #隨機生成數組，使用Scipy中的io.savement()保存
>>> #文件格式是.mat,標準的二進制文件
>>> import scipy.io as spio
>>> nd=np.random.randint(0,150,size=10)
>>> spio.savemat('nd',{'data':nd})#保存文件，文件名爲nd
>>> spio.loadmat('nd')['data']#讀取文件
array([[ 92, 67, 50, 145, 81, 101, 144, 101, 92, 106]])
>>> #讀取scipy中的misc.imread()/imsave()
>>> import scipy.misc as misc
>>> cat_data=misc.imread ('C:/a/a.jpg')#對圖片進行操做
>>> misc.imshow(cat_data)

>>> misc.imshow(misc.imrotate(cat_data,angle=90))#旋轉90度

>>> a=misc.imresize(cat_data,size=0.5)
>>> misc.imshow(a)#縮小一倍

>>> q=misc.imfilter(cat_data,'blur')#給圖片添加一種模糊效果，smooth是平滑效果，固然還有許多其餘的效果
>>> misc.show(q)

>>> misc.imshow(q)

3：操做圖片

>>> #使用scipy.misc.face(gray=True)獲取圖片，使用ndimage移動座標，旋轉圖片，切割圖片縮放圖片

>>> import numpy as np

>>> import scipy.misc as misc

>>> import scipy.ndimage as ndimage

>>> face=misc.face(gray=True)#圖片設置爲黑白色了

>>> misc.imshow(face)

 

>>> import matplotlib.pyplot as plt

>>> ndimage.shift(face,[200,0])#圖片向下移動200個單位

array([[  0,   0,   0, ...,   0,   0,   0],

       [  0,   0,   0, ...,   0,   0,   0],

       [  0,   0,   0, ...,   0,   0,   0],

       ...,

       [203, 207, 210, ..., 102, 100, 100],

       [205, 208, 210, ..., 111, 109, 108],

       [206, 210, 211, ..., 119, 117, 116]], dtype=uint8)

>>> ss=ndimage.shift(face,[200,0])#圖片向下移動200個單位

>>> plt.imshow(ss)

<matplotlib.image.AxesImage object at 0x00000000110F8A58>

>>> plt.show()

 

>>> ss1=ndimage.shift(face,[350,0],mode='mirror')#圖片向下移動350個單位,併產生鏡像效果

>>> plt.imshow(ss)

<matplotlib.image.AxesImage object at 0x000000001161C9B0>

>>> plt.show()

 

>>> plt.imshow(ss1)

<matplotlib.image.AxesImage object at 0x000000001180EFD0>

>>> plt.show()

>>> #mode 還能夠指定爲near和wrap等

>>> r=ndimage.rotate(face,angle=180,axes=(0,1))

>>> plt.imshow(r)

<matplotlib.image.AxesImage object at 0x000000001D7A3470>

>>> plt.show()

 

>>> #旋轉

>>> #下面是縮放

>>> z=ndimage.zoom(face,zoom=0.5)

>>> plt.imshow(z)

<matplotlib.image.AxesImage object at 0x00000000117BE7B8>

>>> plt.show()

>>> #縮小一半

>>> face2=face[:512,-512:]

>>> plt.imshow(face2)

<matplotlib.image.AxesImage object at 0x000000001DA75B38>

>>> plt.show()

#

 根據座標判斷縮小

>>> face_g =ndimage.gaussian_filter(face,sigma=1)

>>> plt.imshow(face_g)

<matplotlib.image.AxesImage object at 0x0000000010D15DA0>

>>> plt.show()

 

>>> #高斯濾波能夠使圖片變得清晰些

>>> plt_m=ndimage.median_filter(face,size=2)

>>> plt.imshow(plt_m)

<matplotlib.image.AxesImage object at 0x000000001E2E58D0>

>>> plt.show()

>>> #中值濾波能夠使圖片變得清晰些

>>> #signal維納濾波，濾鏡尺寸的標量

>>> import scipy.signal  as signal

>>> sw=signal.wiener(face,mysize=10)

>>> plt.imshow(sw)

<matplotlib.image.AxesImage object at 0x000000001DC1D278>

>>> plt.show()