【Python基础】—— scipy.spatial.KDTree、matplotlib.pyplot、imageio

2024-04-17 00:52

本文主要是介绍【Python基础】—— scipy.spatial.KDTree、matplotlib.pyplot、imageio,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

scipy.spatial参考博客:Python点云处理——建立KDtree

1 KDtree算法原理

KDtree构建出了一种类似于二叉树的树形数据存储结构,每一层都对应原始数据中相应的维度,以K层为一个循环,因此被称为KDtree。

每一层的左右子树的划分依据则是一个人为指定的超平面,该平面对应的坐标为根节点,小于的放在左子树,大于的放在右子树,一直不停的分割下去,将所有维度遍历一遍之后,再从第一个维度重新选择一个超平面开始分割,直至将左右子树分割到都只剩一个叶子节点为止。这样就将所有的数据都在KDtree上唯一确定了位置,以便进行最近邻搜索半径搜索等操作。

2 计算过程

给出一组三维点云数据(1,1,1),(2,2,2),(1,3,1),(3,4,2),(4,5,6):

  1. 首先,x坐标划分,以2为分界,(2,2,2)为根节点,小于2的在左子树:(1,1,1),(1,3,1),大于2的在右子树:(3,4,2),(4,5,6)
  2. 然后以y坐标划分,前一层的左子树以1为分界,(1,1,1)在根节点,(1,3,1)在右子树;前一层右子树以4为分界,(3,4,2)在根节点,(4,5,6)在右子树,这样就将所有点云数据唯一地存储在了KDtree中

3 代码实现

import numpy as np
from scipy.spatial import KDTreepoint= np.random.rand(1000,7)
tree = KDTree(point[:, 0:3])

先随机生成一个7维的点云数据(xyz坐标,xyz法向量,标签),然后调用Scipy中的scipy.spatial.KDTree库函数。与Open3D相比,该库函数可以生成任意维度的KDtree,而不是只能输入三维点云,在处理带有法向量和标签等其他维度的点云数据时具有天然的优势。

4 应用

生成KDtree后,最常见的应用就是对其进行各种搜索。

import numpy as np
from scipy.spatial import KDTreepoint= np.random.rand(1000,7)
tree = KDTree(point[:, 0:3])for i in range(0,len(point)):neighbors = tree.query_ball_point(point[i,0:3], 0.1,workers=-1,return_length=True)

这句代码调用了Scipy的KDtree模块中的“球查询”,即半径查找功能,可以查找点云中指定点在半径0.1内的所有近邻点,workers=-1代表启用多线程,poinr[i,0:3]代表只对前三列数据进行查找,若不指定return_lengeth参数,默认返回这些近邻点的索引。若指定其为True,则返回这些点的个数,从而便于进行滤波算法的构建。

最近邻:

一个是tree = spatial.KDTree(mesh.points)输入点云
一个是nearest = tree.query(pos[i],k=2) 寻找最近的两个点。因为第一个点必定是自己所以找俩。返回的是两个np array。第一个是所有的最小距离,第二个是所有的最近点index

matplotlib.pyplot参考博客:Python 数据分析(二):Matplotlib 绘图
只记录学习过程中常用的

1 简单使用

from matplotlib import pyplot as pltx = range(1, 7)
y = [13, 15, 14, 16, 15, 17]
plt.title('折线图')
plt.xlabel('x 轴')
plt.ylabel('y 轴')
plt.plot(x, y)
plt.show()

在这里插入图片描述
改变折线的样式、颜色等

from matplotlib import pyplot as pltx = range(1, 7)
y = [13, 15, 14, 16, 15, 17]
'''
figsize:设置图片的宽、高,单位为英寸
dpi:设置分辨率
'''
plt.figure(figsize=(8, 5), dpi=80)
plt.title('折线图')
plt.xlabel('x 轴')
plt.ylabel('y 轴')
'''
color:颜色
linewidth:线的宽度
marker:折点样式
linestyle:线的样式,主要包括:'-'、'--'、'-.'、':'
'''
plt.plot(x, y, color='red', marker='o', linewidth='1', linestyle='--')
# 保存
plt.savefig('test.png')
plt.show()

在这里插入图片描述

2 多线

from matplotlib import pyplot as pltx = range(15, 25)
y1 = [50, 55, 58, 65, 70, 68, 70, 72, 75, 70]
y2 = [52, 53, 60, 63, 65, 68, 75, 80, 85, 72]
plt.figure(figsize=(10, 6), dpi=80)
plt.title('体重年龄折线图')
plt.xlabel('年龄(岁)')
plt.ylabel('体重(kg)')
plt.plot(x, y1, color='red', label='张三')
plt.plot(x, y2, color='blue', label='李四')
# 添加网格,alpha 为透明度
plt.grid(alpha=0.5)
# 添加图例
plt.legend(loc='upper right')
plt.show()

在这里插入图片描述

3 子图

from matplotlib import pyplot as plt
import numpy as npa = np.arange(1, 30)
# 划分子图
fig, axs = plt.subplots(2, 2)
# 绘制子图
axs1 = axs[0, 0]
axs2 = axs[0, 1]
axs3 = axs[1, 0]
axs4 = axs[1, 1]
axs1.plot(a, a)
axs2.plot(a, np.sin(a))
axs3.plot(a, np.log(a))
axs4.plot(a, a ** 2)
plt.show()

在这里插入图片描述
imageio库参考博客:
【python】利用imageio库制作动态图
Python快速生成gif图
将多张图片合成GIF,需要的 python 库为 imageio,使用 imageio 可方便的使多张图片生成 gif 图。首先我们需要一个列表存储图片路径,此处为了方便演示,直接使用列表作为存储,并且创建一个变量为图片的保存路径:

import os
import imageioframes = []
for image_name in os.listdir("./image"): # 读取image下的图片名称image_name = "D:\随笔\测试\image\\" + image_name # 绝对路径frames.append(imageio.imread(image_name))imageio.mimsave("./res.gif", frames, 'GIF', duration=0.1) # 保存在当前文件夹
# 参数:duration=0.1,间隔时间

合成gif图

import imageio
def compose_gif():img_paths = ["img/1.jpg","img/2.jpg","img/3.jpg","img/4.jpg","img/5.jpg","img/6.jpg"]gif_images = []for path in img_paths:gif_images.append(imageio.imread(path))imageio.mimsave("test.gif",gif_images,fps=1)

通过fps参数可以控制合成gif图片播放图片的速度和视频的播放帧率是一样的,fps参数越大播放的速率越大,fps越小播放的速度越慢

这篇关于【Python基础】—— scipy.spatial.KDTree、matplotlib.pyplot、imageio的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/910373

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

【Linux 从基础到进阶】Ansible自动化运维工具使用

Ansible自动化运维工具使用 Ansible 是一款开源的自动化运维工具,采用无代理架构(agentless),基于 SSH 连接进行管理,具有简单易用、灵活强大、可扩展性高等特点。它广泛用于服务器管理、应用部署、配置管理等任务。本文将介绍 Ansible 的安装、基本使用方法及一些实际运维场景中的应用,旨在帮助运维人员快速上手并熟练运用 Ansible。 1. Ansible的核心概念

AI基础 L9 Local Search II 局部搜索

Local Beam search 对于当前的所有k个状态,生成它们的所有可能后继状态。 检查生成的后继状态中是否有任何状态是解决方案。 如果所有后继状态都不是解决方案,则从所有后继状态中选择k个最佳状态。 当达到预设的迭代次数或满足某个终止条件时,算法停止。 — Choose k successors randomly, biased towards good ones — Close

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',