self.img = cv2.imdecode(np.fromfile(self.cover_img_path, dtype=np.uint8), 1)

时间: 2023-11-17 14:04:32 浏览: 65

浅谈numpy中np.array()与np.asarray的区别以及.tolist

5星 · 资源好评率100%

在Python的科学计算库NumPy中，`np.array()` 和 `np.asarray()` 都是用来创建数组对象的方法，但它们在处理已有数组时有着微妙的区别。本文将深入探讨这两个函数的区别以及`.tolist()`方法的用途。让我们了解 `np.array()` 和 `np.asarray()` 的基本功能。它们都能将不同类型的数据结构（如列表、元组）转换为NumPy的多维数组（ndarray）。然而，当输入已经是ndarray时，两者的处理方式就不同了。 1. **输入为列表时**： - `np.array()` 会创建一个新的ndarray对象，即使输入已经是ndarray，它也会复制一份数据，分配新的内存空间。 - `np.asarray()` 如果输入是ndarray，它不会创建新的副本，而是直接返回输入的引用，这意味着对原数组的修改会影响到返回的ndarray。 ```python a = [[1,2,3],[4,5,6],[7,8,9]] b = np.array(a) c = np.asarray(a) a[2] = 1 print(a) # 修改列表不影响b和c print(b) print(c) ``` 2. **输入为数组时**： - 当输入是ndarray，`np.array()` 创建的副本不会随着原始数组的改变而改变。 - `np.asarray()` 返回的是输入数组的视图（view），因此，如果对输入数组进行修改，返回的ndarray也会相应更新。 ```python a = np.random.random((3,3)) print(a.dtype) b = np.array(a, dtype='float64') # 创建副本 c = np.asarray(a, dtype='float64') # 创建视图 a[2] = 2 print(a) print(b) # b不受a影响 print(c) # c受a影响，因为是视图 ``` 在上面的例子中，当尝试更改数据类型时，`np.array()` 会创建一个新数组，而 `np.asarray()` 仅转换数据类型，但不复制数据。所以，即使输入是浮点数，改变输入的值时，使用`np.asarray()`创建的数组仍然会反映这些更改。 3. **转换为list类型**： `.tolist()` 方法可以将ndarray转换为Python列表。这个操作在需要将数组序列化或与其他不支持ndarray的函数交互时非常有用，因为ndarray本身不是可序列化的。序列化是将数据转换为可以存储或传输的格式的过程，例如JSON或XML。 ```python a = np.random.random((3,3)) b = a.tolist() a[1] = 2 print(a) # 修改ndarray会影响自身 print(b) # 不影响转换后的列表 ``` 补充知识：在计算机视觉库OpenCV中，有时我们需要将整数转换为固定长度的字符串，例如在保存图像文件名时。`cv::format`函数可以实现这一需求，它允许我们控制数字的小数位数： ```cpp int currentFrame = 2; std::stringstream frame_name; frame_name << cv::format("%.3d", currentFrame) << ".jpg"; // 或者使用C++11的字符串操作 std::string save_frame_path = std::to_string(currentFrame).substr(0,3) + ".jpg"; ``` 总结来说，`np.array()` 和 `np.asarray()` 在创建ndarray时的主要区别在于是否复制数据，而`.tolist()`方法则用于将ndarray转换为Python列表。理解这些区别对于有效管理和操作NumPy数组至关重要。在处理大型数据时，避免不必要的复制可以显著提高程序性能。

这行代码使用OpenCV库中的imdecode函数来读取二进制文件，并将其解码为图像，然后将其存储在类的img属性中。具体来说，np.fromfile函数使用文件路径来读取二进制数据，将其转换为NumPy数组，然后传递给imdecode函数进行解码。最后，解码后的图像被存储在self.img属性中。这个类似于从磁盘读取一张图片并将其加载到内存中，以便进一步处理和操作。

阅读全文

self.img = cv2.imdecode(np.fromfile(self.cover_img_path, dtype=np.uint8), 1)

相关推荐

wav.rar_.wav文件读写_python 音频_python 音频_wav音频_音频

numpy_class.7z

img_src = cv2.imdecode(np.fromfile(self.img_src_path, dtype=np.uint8), -1)

img = cv2.imdecode(np.fromfile(self.pic_path, dtype=np.uint8), cv2.IMREAD_COLOR)

解释img = cv2.imdecode(np.fromfile(self.fname, dtype=np.uint8), -1)

template_img=cv2.imdecode(np.fromfile(template,dtype=np.uint8),1)

img = cv2.imdecode(np.fromfile(path + pic_name[i], dtype=np.uint8), -1)

img = cv2.imdecode(fromfile(img_path, dtype=uint8), cv2.IMREAD_COLOR)

解释 try: img = cv2.imdecode(np.fromfile(self.pic_path, dtype=np.uint8), cv2.IMREAD_COLOR) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img = cv2.resize(img, (480, 320))

image = cv2.imdecode(np.fromfile(i, dtype=np.uint8),cv2.IMREAD_COLOR)

cv2.imdecode(np.fromfile(filename, dtype=np.uint8), cv2.IMREAD_COLOR

解释下面这段代码的意思 def cv_imread(path): img=cv2.imdecode(np.fromfile(path,dtype=np.uint8),-1) return img

bin_img = np.zeros(shape=timg.shape, dtype=np.uint8)

self.data = torch.from_numpy(x).float()的同义替换程序

image_array = np.asarray(temp, dtype=np.uint8)

img = np.frombuffer(bmpstr, dtype='uint8') img 如何继续处理

drawing = np.zeros(img.shape[:], dtype=np.uint8)

cv2.imdecode(np.fromfile(））

讲解这段代码的作用 diff_image = np.zeros(original_img.shape, dtype=np.uint8)

最新推荐

解决python cv2.imread 读取中文路径的图片返回为None的问题

基于 C++构建 Qt 实现的 GDAL 与 PROJ4 的遥感图像处理软件课程设计

C语言数组操作：高度检查器编程实践

管理建模和仿真的文件

【KUKA系统变量进阶】：揭秘从理论到实践的5大关键技巧

如何使用Python编程语言创建一个具有动态爱心图案作为背景并添加文字'天天开心（高级版）'的图形界面？

基于Swift开发的嘉定单车LBS iOS应用项目解析

"互动学习：行动中的多样性与论文攻读经历"

PROTEUS符号定制指南：个性化元件创建与修改的全面攻略

https://www.lagou.com/wn/爬取该网页职位名称，薪资待遇，学历，企业类型，工作地点数据保存为CSV文件的python代码