Python实现加权平均

Python实现加权平均有多种方法。其中一种是使用NumPy库的`average`函数。您可以使用以下代码实现加权平均：

import numpy as np
weighted_avg = np.average(elements, weights=weights)

另一种方法是使用纯Python代码进行实现。以下是两种不使用NumPy的纯Python写法：

# 方法1
weighted_avg = round(sum([elements[i]*weights[i] for i in range(n)])/sum(weights), 1)

# 方法2
weighted_avg = round(sum([j[0]*j[1] for j in zip(elements, weights)])/sum(weights), 1)

请注意，在上述代码中，`elements`是一个包含要加权平均的元素的列表，`weights`是对应元素的权重列表。`n`是元素和权重列表的长度。

相关问题

用python通过加权平均法实现灰度化

可以使用以下代码实现灰度化：

import numpy as np
import cv2

def weighted_gray(image):
    # 获取图像的高度和宽度
    height, width = image.shape[:2]

    # 定义灰度化后的图像
    gray_image = np.zeros((height, width), np.uint8)

    # 计算加权平均值
    b, g, r = cv2.split(image)
    gray = .299 * r + .587 * g + .114 * b

    # 将灰度值赋给灰度图像
    for i in range(height):
        for j in range(width):
            gray_image[i, j] = np.round(gray[i, j])

    return gray_image

这个函数将彩色图像转换为灰度图像，使用加权平均法计算灰度值。

python使用加权平均算法融合图像拼接缝

以下是使用加权平均算法融合图像拼接缝的Python代码示例:

import cv2
import numpy as np

# 读取图像
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 获取图像1和图像2的掩膜，用于指定图像1和图像2的重叠区域
mask1 = np.zeros(img1.shape[:2], np.uint8)
mask1[:, :img1.shape[1] // 2] = 255
mask2 = cv2.bitwise_not(mask1)

# 计算加权平均值
mixed = cv2.addWeighted(img1, 0.5, img2, 0.5, 0)

# 显示结果
cv2.imshow('Mixed Image', mixed)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，首先读取了两幅图像，然后使用`np.zeros()`函数创建了两个掩膜`mask1`和`mask2`，用于指定图像1和图像2的重叠区域。接着，使用`cv2.addWeighted()`函数计算了两幅图像的加权平均值，从而实现了图像融合。最后，使用`cv2.imshow()`函数显示融合后的图像。

需要注意的是，加权平均算法的融合效果可能不如其他算法，因此在实际应用中需要根据具体情况进行选择。同时，该算法计算简单，速度较快，适用于大尺寸的图像。