某天回家之時，聽到有個朋友說起他正在做一個車牌識別的項目于是對其定位車牌的位置算法頗有興趣，今日有空得以研究，事實上車牌識別算是比較成熟的技術(shù)了，這里我只是簡單實現(xiàn)。我的思路為：對圖片進行一些預處理，包括灰度化、高斯平滑、中值濾波、Sobel算子邊緣檢測等等。利用OpenCV對預處理后的圖像進行輪廓查找，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實現(xiàn)代碼如下（對圖像預處理（濾波器等）的原理比較簡單，這里只是對一些函數(shù)進行調(diào)包
系統(tǒng) 2019-09-27 17:50:43 1757
生成器就是自己用python代碼寫的迭代器，生成器的本質(zhì)就是迭代器。通過以下兩種方式構(gòu)建一個生成器：1、通過生成器函數(shù)2、生成器表達式生成器函數(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next對應(yīng)一個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 1757
python腳本為敏捷開發(fā)腳本，在zabbix監(jiān)控也起到重要作用，以下是使用python腳本發(fā)送告警郵件配置方法。腳本如下：#!/usr/bin/python#coding:utf-8importsmtplibfromemail.mime.textimportMIMETextimportsysmail_host='smtp.126.com'mail_user='username'mail_pass='passwd'mail_postfix='126.com
系統(tǒng) 2019-09-27 17:50:36 1757
下面是十個Python中很有用的貼士和技巧。其中一些是初學這門語言常常會犯的錯誤。注意：假設(shè)我們都用的是Python31.列表推導式你有一個list：bag=[1,2,3,4,5]現(xiàn)在你想讓所有元素翻倍，讓它看起來是這個樣子：[2,4,6,8,10]大多初學者，根據(jù)之前語言的經(jīng)驗會大概這樣來做bag=[1,2,3,4,5]foriinrange(len(bag)):bag[i]=bag[i]*2但是有更好的方法：bag=[elem*2foreleminba
系統(tǒng) 2019-09-27 17:50:33 1757
文件的數(shù)據(jù)是存放于硬盤上的，因而只存在覆蓋、不存在修改這么一說，我們平時看到的修改文件，都是模擬出來的效果，具體的說有兩種實現(xiàn)方式。一、方式一將硬盤存放的該文件的內(nèi)容全部加載到內(nèi)存，在內(nèi)存中是可以修改的，修改完畢后，再由內(nèi)存覆蓋到硬盤（word，vim，nodpad++等編輯器）。importoswithopen('37r.txt')asfr,\open('37r_swap.txt','w')asfw:data=fr.read()#全部讀入內(nèi)存,如果文件很
系統(tǒng) 2019-09-27 17:50:22 1757
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上面是傳入一個列表實現(xiàn)，上面的0，1，2，3就是數(shù)據(jù)的默認標簽。另外可以通過index屬性自定義標簽。s2=pd.Series(['1','2','3,','4'],index
系統(tǒng) 2019-09-27 17:50:09 1757
看懂巴菲特推薦的指數(shù)基金定投，Python驗證看懂巴菲特推薦的指數(shù)基金定投，Python驗證超越股神，你這輩子是不可能了的啦，但是超越身邊的普通人，那是足夠了，只要你堅持定投，堅持定投正確的標的，直到成功為止，建立好市場的心里站，不要在股市中浮浮沉沉。我在大學期間，我就開始學習理財投資，直到我出大學畢業(yè)，踏入社會，我領(lǐng)到第一份工資，我覺得我要開始尋找我的定投標的了，我可以推薦你一款非常好用的股票軟件，同花順，這是我當初學習股票得來的。最近身邊的朋友都陸續(xù)走
系統(tǒng) 2019-09-27 17:50:08 1757
圖像的輪廓檢測，如計算多邊形外界、形狀畢竟、計算感興趣區(qū)域等。Contours:GettingStarted輪廓簡單地解釋為連接所有連續(xù)點（沿著邊界）的曲線，具有相同的顏色或強度.輪廓是形狀分析和物體檢測和識別的有用工具NOTE為獲得更好的準確性，請使用二值圖，在找到輪廓之前，應(yīng)用閾值法或canny邊緣檢測從OpenCV3.2開始，findContours（）不再修改源圖像，而是將修改后的圖像作為三個返回參數(shù)中的第一個返回在OpenCV中，查找輪廓是從黑色
系統(tǒng) 2019-09-27 17:50:07 1757
第四章，了不起的分支和循環(huán)4.1分支和循環(huán)Python主要依靠縮進來區(qū)分代碼塊4.2快速上手成績按照分數(shù)來劃分等級，90分以上為A，80~90為B，60~80為C，60以下為Dp4_1.pyscore=int(input("請輸入一個分數(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 1757
微線程領(lǐng)域（至少在Python中）一直都是StacklessPython才能涉及的特殊增強部分。關(guān)于Stackless的話題以及最近它經(jīng)歷的變化，可能本身就值得開辟一個專欄了。但其中簡單的道理就是，在“新的Stackless”下，延續(xù)（continuation）顯然是不合時宜的，但微線程還是這個項目存在的理由。這一點很復雜……剛開始，我們還是先來回顧一些內(nèi)容。那么，什么是微線程呢？微線程基本上可以說是只需要很少的內(nèi)部資源就可以運行的進程?D并且是在Pyth
系統(tǒng) 2019-09-27 17:49:59 1757
