Örnekler

-
import math
def findDistance(x,y):
    return math.sqrt((x[0]-y[0])**2+(x[1]-y[1])**2)
d=findDistance([3,0],[0,4])
d
_____________________
5.0
______________________
from scipy import ndimage
from scipy import misc
f=misc.face()
import matplotlib.pyplot as plt
plt.imshow(f)
plt.show()
f.ndim
_______________________
3
______________________
f.shape
_____________________
(768, 1024, 3)
________________
type(f)
____________________
numpy.ndarray
f[:,:,2]=0
plt.imshow(f)
plt.show()


f.shape
________________________
(768, 1024, 3)
___________________
type(f.shape)
________________________
tuple
___________________
im_size=f.shape
im_size[0]
________________________
768
__________________
center=[im_size[0]/2,im_size[1]/2]
center
_______________________
[384.0, 512.0]
__________________
from scipy import ndimage
from scipy import misc
f=misc.face()
for i in range(im_size[0]):
    for j in range(im_size[1]):
        if findDistance([i,j],center)>384:
            f[i,j,:]=0
plt.imshow(f)
plt.show()

Yorumlar

Yorum Gönder

Bu blogdaki popüler yayınlar

Python ile Görüntü İşleme Örnekleri

-
import math def myDistance ( a , b ): myPoint_1 = a myPoint_2 = b a = ( myPoint_1 [ 0 ] - myPoint_2 [ 0 ]) ** 2 b = ( myPoint_1 [ 1 ] - myPoint_2 [ 1 ]) ** 2 return math . sqrt ( a + b ) myDistance ( myPoint_2 , myPoint_3 ) #bu noktalar yerine mean point tanımlayabilir miyim?(orta noktasını bulduk) a = myPoint_1 [ 0 ] + myPoint_2 [ 0 ] + myPoint_3 [ 0 ] + myPoint_4 [ 0 ] b = a = myPoint_1 [ 1 ] + myPoint_2 [ 1 ] + myPoint_3 [ 1 ] + myPoint_4 [ 1 ] center_Point = [ a / 4 , b / 4 ] center_Point #bunu fonksiyon olarak yazacağız.n tane nokta alacak. def findCenter ( List_Of_Points ): a = 0 b = 0 for point in List_Of_Points : a = a + point [ 0 ] b = b + point [ 1 ] l = len ( List_Of_Points ) return [ a / l , b / l ] myPoint_1 = [ 0 , 0 ] #orijin myPoint_2 = [ 1 , 0 ] #1 ile 2 arasındaki benzerlik sıfır derecedir.1 ile 2 arası uzaklık 1 dir myPoint_3 = [ 0 , 1 ] #2 ile 3 arasındaki benzerlik...
Devamı

İlişkisel Veritabanı Modeli

-
Resim
İlişkisel veritabanı neredeyse tüm veritabanlarında kullanıldığı için tasarımı ve normalizasyonu önemli bir konu. İyi bir ilişkisel veritabanı tasarımı yapmanın bir çok avantajı vardır. Tasarlanan ilişkisel veritabanın kalitesine paralel olarak kısaca sıralanacak avantajlar şunlardır : Tekrarlanan verilerin azaltılması. Veritabanı hakimiyetini yükseltmek. İş yükünü azaltmak ve esneklik sağlamak. İlişkisel veritabanın tasarımının avantajlarına kısaca göz attıktan sonra ilişkisel veritabanında olabilecek 3 adet ilişki türünü sıra sıra inceleyelim: Bire Bir Birden Çoğa Çoktan Çoğa Bire Bir İlişki Türü:  (İlişkisel Veritabanı Tasarımı) Kural basitir ; tablodaki anahtar ilişkili tabloda sadece bir tane olabilir. Aynı mantığı şekille gösterelim: (İlişkisel Veritabanı Tasarımı) Yukarıdaki şekilde  Ogrenciler  ve  Liseler  adında iki tablo var. Öğrencinin mezun olduğu lise bir tane olacağını düşünürsek şekildeki ilişki türü buna uygundur.  Ogrencile...
Devamı