某天回家之時(shí)，聽(tīng)到有個(gè)朋友說(shuō)起他正在做一個(gè)車牌識(shí)別的項(xiàng)目于是對(duì)其定位車牌的位置算法頗有興趣，今日有空得以研究，事實(shí)上車牌識(shí)別算是比較成熟的技術(shù)了，這里我只是簡(jiǎn)單實(shí)現(xiàn)。我的思路為：對(duì)圖片進(jìn)行一些預(yù)處理，包括灰度化、高斯平滑、中值濾波、Sobel算子邊緣檢測(cè)等等。利用OpenCV對(duì)預(yù)處理后的圖像進(jìn)行輪廓查找，然后根據(jù)一些參數(shù)判斷該輪廓是否為車牌輪廓。效果如下：test1：test2實(shí)現(xiàn)代碼如下（對(duì)圖像預(yù)處理（濾波器等）的原理比較簡(jiǎn)單，這里只是對(duì)一些函數(shù)進(jìn)行調(diào)包
系統(tǒng) 2019-09-27 17:50:43 1756
生成器就是自己用python代碼寫(xiě)的迭代器，生成器的本質(zhì)就是迭代器。通過(guò)以下兩種方式構(gòu)建一個(gè)生成器：1、通過(guò)生成器函數(shù)2、生成器表達(dá)式生成器函數(shù)：函數(shù)deffunc1(x):x+=1returnxprint(func1(5))生成器函數(shù)deffunc1(x):x+=1yieldxg_obj=func1(5)print(g_obj.__next__())一個(gè)next對(duì)應(yīng)一個(gè)yield。yieldVSreturnreturn結(jié)束函數(shù)，給函數(shù)的執(zhí)行者返回值yie
系統(tǒng) 2019-09-27 17:50:36 1756
Python3快速入門（三）——Python3標(biāo)準(zhǔn)數(shù)據(jù)類型一、Python3標(biāo)準(zhǔn)數(shù)據(jù)類型Python3中有六種標(biāo)準(zhǔn)數(shù)據(jù)類型：A、Number（數(shù)字）B、String（字符串）C、List（列表）D、Tuple（元組）E、Set（集合）F、Dictionary（字典）Python3的六種標(biāo)準(zhǔn)數(shù)據(jù)類型中，Number（數(shù)字）、String（字符串）、Tuple（元組）是不可變的，List（列表）、Dictionary（字典）、Set（集合）是可變的。二、數(shù)字類
系統(tǒng) 2019-09-27 17:50:27 1756
SeriesSeries類似一維數(shù)組，由一組數(shù)據(jù)及一組相關(guān)數(shù)據(jù)標(biāo)簽組成。使用pandas的Series類即可創(chuàng)建。importpandasaspds1=pd.Series(['a','b','c,','d'])print(s1)#輸出：0a#1b#2c#3d#dtype:object上面是傳入一個(gè)列表實(shí)現(xiàn)，上面的0，1，2，3就是數(shù)據(jù)的默認(rèn)標(biāo)簽。另外可以通過(guò)index屬性自定義標(biāo)簽。s2=pd.Series(['1','2','3,','4'],index
系統(tǒng) 2019-09-27 17:50:09 1756
隨機(jī)森林算法python實(shí)現(xiàn)瞎BB代碼導(dǎo)入數(shù)據(jù)切分訓(xùn)練集測(cè)試集找到最有用的幾個(gè)屬性根據(jù)上面的代碼更改屬性參數(shù)組合遍歷找最優(yōu)隨機(jī)森林樣本數(shù)據(jù)瞎BB1.實(shí)現(xiàn)根據(jù)樣本數(shù)據(jù)（用眼距離distance、最長(zhǎng)持續(xù)用眼時(shí)長(zhǎng)duration、總用眼時(shí)長(zhǎng)total_time、戶外運(yùn)動(dòng)時(shí)長(zhǎng)outdoor、用眼角度angle、健康環(huán)境光照用眼比例proportion）判別是否需要近視預(yù)警2.樣本實(shí)在太少，結(jié)果還行，原理都是一樣的代碼導(dǎo)入數(shù)據(jù)importpandaspatient
系統(tǒng) 2019-09-27 17:50:08 1756
圖像的輪廓檢測(cè)，如計(jì)算多邊形外界、形狀畢竟、計(jì)算感興趣區(qū)域等。Contours:GettingStarted輪廓簡(jiǎn)單地解釋為連接所有連續(xù)點(diǎn)（沿著邊界）的曲線，具有相同的顏色或強(qiáng)度.輪廓是形狀分析和物體檢測(cè)和識(shí)別的有用工具NOTE為獲得更好的準(zhǔn)確性，請(qǐng)使用二值圖，在找到輪廓之前，應(yīng)用閾值法或canny邊緣檢測(cè)從OpenCV3.2開(kāi)始，findContours（）不再修改源圖像，而是將修改后的圖像作為三個(gè)返回參數(shù)中的第一個(gè)返回在OpenCV中，查找輪廓是從黑色
系統(tǒng) 2019-09-27 17:50:07 1756
打開(kāi)文件open函數(shù)返回一個(gè)文件對(duì)象,基本語(yǔ)法:●file_object=open(file_name,access_mode='r'[,buffering=-1])file_name是包含要打開(kāi)的文件名字的字符串,它可以是相對(duì)路徑或者絕對(duì)路徑.●可選變量access_mode也是一個(gè)字符串,代表文件打開(kāi)的模式.通常,文件使用模式‘r',‘w',或是‘a(chǎn)'模式來(lái)打開(kāi),分別代表讀取,寫(xiě)入和追加.●另外一個(gè)可選參數(shù)buffering用于指示訪問(wèn)文件所采用的緩沖
系統(tǒng) 2019-09-27 17:50:07 1756
第四章，了不起的分支和循環(huán)4.1分支和循環(huán)Python主要依靠縮進(jìn)來(lái)區(qū)分代碼塊4.2快速上手成績(jī)按照分?jǐn)?shù)來(lái)劃分等級(jí)，90分以上為A，80~90為B，60~80為C，60以下為Dp4_1.pyscore=int(input("請(qǐng)輸入一個(gè)分?jǐn)?shù)："))if100>=score>=90:print("A")if90>score>=80:print("B")if80>score>=60:print("C")if60>score>=0:print("D")ifscor
系統(tǒng) 2019-09-27 17:50:06 1756
自動(dòng)化一直是測(cè)試圈中的熱聊，也是大家追求的技術(shù)方向。在測(cè)試中，往往回歸測(cè)試也是測(cè)試人員的“痛點(diǎn)”。對(duì)于迭代慢、變更少的功能，就能用上自動(dòng)化來(lái)替代人工回歸，減輕工作量。問(wèn)題在分享環(huán)境搭建之前，先拋出我的一個(gè)疑問(wèn)吧。app啟用時(shí)，分不同的場(chǎng)景：1.首次安裝啟用，有歡迎頁(yè)；2.非首次啟用，直接進(jìn)入到登錄頁(yè)；3.配置了推薦展示時(shí)，啟用app，會(huì)先展示推薦內(nèi)容，才進(jìn)入到登錄頁(yè)。不同場(chǎng)景對(duì)應(yīng)的activity都是不同的，我目前處理辦法是，寫(xiě)了個(gè)輸入函數(shù)，加了個(gè)if判斷
系統(tǒng) 2019-09-27 17:49:53 1756
本文實(shí)例講述了Python實(shí)現(xiàn)微信中找回好友、群聊用戶撤回的消息功能。分享給大家供大家參考，具體如下：還在好奇好友撤回了什么消息嗎？群里撤回了什么消息？下面的代碼實(shí)現(xiàn)了：即使群、好友撤回了文本消息、表情、圖片等消息，自己也能知道撤回的什么。#coding=utf-8importitchatfromitchat.contentimportTEXTfromitchat.contentimport*importsysimporttimeimportreimpor
系統(tǒng) 2019-09-27 17:49:48 1756
