前言

随着人工智能研究的不断兴起，Python的应用也在不断上升，由于Python语言的简洁性、易读性以及可扩展性，特别是在开源工具和深度学习方向中各种神经网络的应用，使得Python已经成为最受欢迎的程序设计语言之一。由于完全开源，加上简单易学、易读、易维护、以及其可移植性、解释性、可扩展性、可扩充性、可嵌入性：丰富的库等等，自己在学习与工作中也时常接触到Python，这个系列文章的话主要就是介绍一些在Python中常用一些例程进行仿真演示！

因为自己是做图像语音出身的，所以首先来实现一个简单的图片读取与处理的例程，OpenCV已经在Python上进行了多个版本的维护，所以相比VS，Python的环境配置不会那么繁琐，缺什么库直接安装就可以。本系列文章例程都是基于Python3.8的环境下进行，所以大家在进行借鉴的时候建议最好在3.8.0版本以上进行仿真。首先来对本书第三章的5个例程进行介绍。

一. Python准备

如何确定自己安装好了python

win+R输入cmd进入命令行程序
在这里插入图片描述
点击“确定”

输入：python，回车

看到Python相关的版本信息，说明Python安装成功。

二. Python仿真

（1）新建一个chapter03_01.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

# -*- coding:utf-8 -*-
import cv2

#读取图片
img = cv2.imread("Lena.png")

#显示图像
cv2.imshow("Demo", img)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

保存.py文件
输入eixt()退出python，输入命令行进入工程文件目录
在这里插入图片描述

输入以下命令，跑起工程

python chapter03_01.py

在这里插入图片描述
没有报错，直接弹出图片，运行成功！

（2）新建一个chapter03_02.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

# -*- coding:utf-8 -*-
import cv2

#读取图片
img = cv2.imread("Lena.png")

#显示图像
cv2.imshow("Demo", img)

#无限期等待输入
k=cv2.waitKey(0)

#如果输入ESC按键退出
if k==27:
    cv2.destroyAllWindows()

保存.py文件输入以下命令，跑起工程

python chapter03_02.py

在这里插入图片描述
没有报错，直接弹出图片，运行成功！

按键盘ESC键，图像显示窗口关闭，退出。

（3）新建一个chapter03_03.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

# -*- coding:utf-8 -*-
import numpy as np

#定义一维数组
a = np.array([2, 0, 1, 5, 8, 3])
print('原始数据:', a)

#输出最大、最小值及形状
print('最小值:', a.min())
print('最大值:', a.max())
print('形状', a.shape)

保存.py文件输入以下命令，跑起工程

python chapter03_03.py

在这里插入图片描述
没有报错，直接输出结果数据，运行成功！

（4）新建一个chapter03_04.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

# -*- coding:utf-8 -*-
import cv2
import numpy as np

#创建黑色图像
img = np.zeros((256,256,3), np.uint8)

#显示图像
cv2.imshow("image", img)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

保存.py文件输入以下命令，跑起工程

python chapter03_04.py

在这里插入图片描述

没有报错，直接弹出黑色图片，运行成功！
在这里插入图片描述

（5）新建一个chapter03_05.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

# coding: utf-8
import numpy as np
import matplotlib.pyplot as plt

#生成随机数表示点的坐标
x = np.random.randn(200)
y = np.random.randn(200)

#生成随机点的大小及颜色
size = 50*np.random.randn(200) 
colors = np.random.rand(200)

#用来正常显示中文标签
plt.rc('font', family='SimHei', size=13)

#用来正常显示负号
plt.rcParams['axes.unicode_minus'] = False  

#绘制散点图
plt.scatter(x, y, s=size, c=colors)

#设置x、y轴名称
plt.xlabel(u"x坐标")  
plt.ylabel(u"y坐标")

#绘制标题
plt.title(u"Matplotlib绘制散点图")

#显示图像
plt.show()