使用python利用1-10做三角形

以下是使用Python编写的代码，可以生成1-10的三角形：

# 打印1-10的三角形
for i in range(1, 11):
    for j in range(1, i+1):
        print(j, end=' ')
    print()

# 输出结果：
# 1 
# 1 2 
# 1 2 3 
# 1 2 3 4 
# 1 2 3 4 5 
# 1 2 3 4 5 6 
# 1 2 3 4 5 6 7 
# 1 2 3 4 5 6 7 8 
# 1 2 3 4 5 6 7 8 9 
# 1 2 3 4 5 6 7 8 9 10

如果希望输出倒三角形，可以将循环的顺序倒过来：

# 打印1-10的倒三角形
for i in range(10, 0, -1):
    for j in range(1, i+1):
        print(j, end=' ')
    print()

# 输出结果：
# 1 2 3 4 5 6 7 8 9 10 
# 1 2 3 4 5 6 7 8 9 
# 1 2 3 4 5 6 7 8 
# 1 2 3 4 5 6 7 
# 1 2 3 4 5 6 
# 1 2 3 4 5 
# 1 2 3 4 
# 1 2 3 
# 1 2 
# 1

希望对你有所帮助！

相关问题

python利用函数判断三角形并求面积

可以使用以下代码实现：

import math

# 判断三角形类型
def triangle_type(a, b, c):
    if a + b <= c or a + c <= b or b + c <= a:
        return "无法构成三角形"
    elif a == b == c:
        return "等边三角形"
    elif a == b or a == c or b == c:
        return "等腰三角形"
    else:
        return "一般三角形"

# 计算三角形面积
def triangle_area(a, b, c):
    p = (a + b + c) / 2
    area = math.sqrt(p * (p - a) * (p - b) * (p - c))
    return area

# 测试
a = float(input("请输入三角形第一条边长："))
b = float(input("请输入三角形第二条边长："))
c = float(input("请输入三角形第三条边长："))

type = triangle_type(a, b, c)
if type == "无法构成三角形":
    print(type)
else:
    area = triangle_area(a, b, c)
    print("这是一个%s，面积为%.2f" % (type, area))

运行结果如下：

请输入三角形第一条边长：3
请输入三角形第二条边长：4
请输入三角形第三条边长：5
这是一个直角三角形，面积为6.00

利用视频流 python 相似三角形识别白色圆并测距 代码

要实现利用视频流进行相似三角形识别、白色圆检测并测距，可以使用以下步骤：

1. 从视频流中逐帧读取图像。

2. 对每帧图像进行预处理，例如使用颜色阈值将图像中的白色区域提取出来。

3. 使用霍夫圆变换（Hough Circle Transform）检测图像中的圆形。

4. 对圆形进行筛选，例如选择面积最大的圆形作为目标圆形。

5. 使用形态学操作（例如开运算）来去除圆形周围的噪声。

6. 使用轮廓检测（Contour Detection）来检测相似三角形。可以将图像转换为灰度图像并使用 Canny 边缘检测或其他边缘检测算法来提取轮廓。然后可以使用 OpenCV 中的 `cv::findContours()` 函数来查找轮廓。

7. 对轮廓进行筛选，例如根据轮廓的形状和大小来选择相似三角形。

8. 对相似三角形进行测距。可以使用相机标定得到相机参数，然后使用 OpenCV 中的 `cv::solvePnP()` 函数计算相机位置和姿态。然后可以使用三角形相似原理计算出相似三角形之间的距离。

下面是一个示例代码，可以帮助你入门：

import cv2
import numpy as np

# 打开视频流
cap = cv2.VideoCapture(0)

while True:
    # 逐帧读取图像
    ret, frame = cap.read()
    if not ret:
        break

    # 预处理图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    thresh = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)[1]

    # 检测圆形
    circles = cv2.HoughCircles(thresh, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)
    if circles is not None:
        # 选择面积最大的圆形
        circle = max(circles[0,:], key=lambda x:x[2])

        # 进一步处理圆形
        mask = np.zeros_like(gray)
        cv2.circle(mask, (circle[0], circle[1]), circle[2], 255, -1)
        mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5)))

        # 检测轮廓
        contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        for cnt in contours:
            # 计算轮廓的周长和面积
            perimeter = cv2.arcLength(cnt, True)
            area = cv2.contourArea(cnt)

            # 计算轮廓的近似多边形
            approx = cv2.approxPolyDP(cnt, 0.02*perimeter, True)

            # 筛选相似三角形
            if len(approx) == 3 and area > 1000:
                # 计算相似三角形的距离
                # TODO: 根据相机参数和三角形坐标计算距离
                pass

    # 显示图像
    cv2.imshow('frame', frame)
    cv2.imshow('thresh', thresh)
    cv2.imshow('mask', mask)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

注意：此示例代码仅用于演示目的，可能需要根据实际情况进行修改。同时，测距需要使用相机参数和三角形坐标，这些信息需要先进行标定和计算。