在这个程序中，我们将使用 opencv 函数 fillPoly() 绘制一个填充多边形。该函数接收图像和多边形的端点作为输入。算法步骤1：导入 cv2 和 numpy。步骤2：定义端点。步骤3：使用零定义图像。步骤4：使用 fillpoly() 函数绘制多边形。步骤5：显示输出。示例代码import cv2 import numpy as np contours = np.array([[50,50], [50,150], [150,150], [150,50]]) image = np.zeros((200,200)) cv2.fillPoly(image, pts = [contours], color =(255,255,255)) cv2.imshow("filledPolygon", image)输出

在本文中，我们将使用 OpenCV 函数 circle() 在图像上绘制一个圆形。原始图像算法步骤1：导入 OpenCV。步骤2：定义圆形的半径。步骤3：定义圆形的中心坐标。步骤4：定义圆形的颜色。步骤5：定义线条粗细。步骤6：将上述参数与图像一起传递给 cv2.circle()。步骤7：显示输出。示例代码import cv2 image = cv2.imread('testimage.jpg') radius = 100 center = (350, 175) color = (255,255,0) thickness = 15 image = cv2.circle(image, center, radius, color, thickness) cv2.imshow('Circle', image)输出

在这个程序中，我们将使用 OpenCV 函数 rectangle() 绘制一个矩形。此函数接受一些参数，例如起始坐标、结束坐标、颜色和线条粗细以及图像本身。原始图像算法步骤1：导入 cv2。步骤2：使用 imread() 读取图像。步骤3：定义起始坐标。步骤5：定义结束坐标。步骤6：定义颜色和线条粗细。步骤7：使用 cv2.reactangle() 函数绘制矩形。步骤8：显示矩形。示例代码import cv2 image = cv2.imread('testimage.jpg') height, width, channels = image.shape start_point = (0, 0) end_point = (width, height) color = (0, 0, 255) thickness ... 阅读更多

使用 Pandas，我们可以创建一个数据框，并可以使用 subplot() 方法创建 figure 和 axes 变量。之后，我们可以使用 ax.scatter() 方法获得所需的绘图。步骤创建学生数量列表。创建学生获得的成绩列表。为了表示每个散点图的颜色，我们可以有一个颜色列表。使用 Pandas，我们可以有一个表示数据框轴的列表。使用 subplots 方法创建 fig 和 ax 变量，其中默认的 nrows 和 ncols 为 1。使用 plt.xlabel() 方法设置“学生人数”标签。设置“获得的成绩”... 阅读更多

使用 plt.legend() 方法，我们可以创建一个图例，并且传递 frameon 将有助于在图例周围保留边框。步骤使用 plt.xlabel() 方法设置 X 轴标签。使用 plt.ylabel() 方法设置 Y 轴标签。使用 plot() 方法绘制线条。位置和图例绘制标志可以帮助找到位置并使边框的标志为 True。设置具有“蓝色”和“橙色”元素的图例。要显示图形，请使用 plt.show() 方法。示例import matplotlib.pyplot as plt plt.ylabel("Y-轴 ") plt.xlabel("X-轴 ") plt.plot([9, 5], [2, 5], [4, 7, 8]) location = 0 # 寻找最佳位置 legend_drawn_flag = True plt.legend(["蓝色", "橙色"], loc=0, frameon=legend_drawn_flag) plt.show()输出阅读更多

在这个程序中，我们将使用 OpenCV 库在图像上绘制一个椭圆。我们将使用 OpenCV 函数 ellipse() 来实现。原始图像算法步骤1：导入 cv2。步骤2：使用 imread() 读取图像。步骤3：设置中心坐标。步骤4：设置轴长。步骤5：设置角度。步骤6：设置起始和结束角度。步骤6：设置颜色。步骤7：设置线条粗细。步骤8：通过将上述参数传递给 cv2.ellipse 函数以及原始图像来绘制椭圆。步骤9：显示最终输出。示例代码import cv2 image = ... 阅读更多

在这个程序中，我们将使用 OpenCV 函数 line() 在图像上绘制一条简单的线条。原始图像算法步骤1：导入 cv2。步骤2：使用 imread() 读取图像。步骤3：使用 image.shape 方法获取图像的尺寸。步骤4：定义线条的起始点。步骤5：定义线条的终点。步骤6：定义线条的粗细。步骤7：使用 cv2.line() 函数绘制线条，并将步骤3到步骤4作为参数传递。示例代码import cv2 image = cv2.imread('testimage.jpg') height, width, channels = image.shape startpoint = (0, 0) endpoint = ... 阅读更多

在这个程序中，我们将把图像的颜色方案从 rgb 更改为灰度算法步骤1：导入 OpenCV。步骤2：使用 imread() 读取原始图像。步骤3：使用 cv2.cvtcolor() 函数转换为灰度。示例代码import cv2 image = cv2.imread('colourful.jpg') cv2.imshow('原始图像',image) grayscale = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv2.imshow('灰度图像', grayscale)输出原始图像：灰度图像

在本文中，我们可以使用程序代码来展示如何在 Jupyter Notebook 中使 3D 图交互式。步骤创建一个新图形，或激活一个现有图形。使用 subplots 方法创建 fig 和 ax 变量，其中默认的 nrows 和 ncols 为 1，projection=’3d”。使用 np.cos 和 np.sin 函数获取 x、y 和 z。使用 x、y、z 和 color="red" 绘制 3D 线框图。为当前轴设置标题。要显示图形，请使用 plt.show() 方法。示例import matplotlib.pyplot as plt import numpy as np fig = plt.figure() ax = fig.add_subplot(111, projection='3d') u, v = np.mgrid[0:2 * np.pi:30j, 0:np.pi:20j] x = np.cos(u) * ... 阅读更多

使用 Pandas，我们将创建一个数据框并在创建的轴上设置垂直线，使用 axvline 线。步骤使用 panda 我们可以创建一个数据框。创建数据框将有助于创建帮助。使用 axvline()，在轴上添加一条垂直线，其中颜色为绿色，linestyle="dashed"。使用 axvline()，在轴上添加一条垂直线，其中颜色为红色，linestyle="dashed"。使用 plt.show()，显示绘图。示例import pandas as pd from matplotlib import pyplot as plt df = pd.DataFrame(index=pd.date_range("2019-07-01", "2019-07-31")) df["y"] = 1 ax = df.plot() ax.axvline("2019-07-24", color="green", linestyle="dashed") ax.axvline("2019-07-31", color="red", linestyle="dashed") plt.show()输出阅读更多