小编jla*_*sch的帖子

我有一个表示线骨架的(x,y)坐标列表.该列表直接从二进制图像中获取:

import numpy as np    
list=np.where(img_skeleton>0)

现在,列表中的点根据它们沿着一个轴在图像中的位置进行排序.

我想对列表进行排序,使得顺序代表沿线的平滑路径.(目前不是线条向后弯曲的情况).随后,我想为这些点拟合样条.

这里使用arcPy描述并解决了类似的问题.有没有一种方便的方法来实现这个使用python,numpy,scipy,openCV(或其他库？)

下面是一个示例图像.它产生了59(x,y)坐标的列表.

当我将列表发送到scipy的样条拟合程序时,我遇到了一个问题,因为这些点在行上没有"排序":

我想从通过'append'生成的类列表的属性填充pandas数据帧.(不确定这是描述下面'allFoo'的正确术语这是一个精简的示例代码:

class foo(object):
def __init__(self,input):
    self.val=input
    #in real life, there will be many more attributes in this class
allFoo=[];
for i in range(10):
    allFoo.append(foo(i))

现在我想定义一个新的pandas数据框'df',它从allFoo.val(而不是任何其他属性)填充

这样的事情:

df[0]=foo[0].val
df[1]=foo[1].val

等等

我来自matlab,我会尝试这样的事情:dataFrame = allFoo [:].val

我怎么能在python/pandas中实现这一点？

我想将页面附加到现有的pdf文件中.

目前,我正在使用matplotlib pdfpages.但是,一旦文件关闭,将另一个数字保存到其中会覆盖现有文件而不是附加.

from matplotlib.backends.backend_pdf import PdfPages
import matplotlib.pyplot as plt



class plotClass(object):
    def __init__(self):
        self.PdfFile='c:/test.pdf'
        self.foo1()
        self.foo2()


    def foo1(self):
        plt.bar(1,1)
        pdf = PdfPages(self.PdfFile)
        pdf.savefig()
        pdf.close()

    def foo2(self):
        plt.bar(1,2)
        pdf = PdfPages(self.PdfFile)
        pdf.savefig()
        pdf.close()

test=plotClass()

我知道在调用pdf.close()之前可以通过多次调用pdf.savefig()来追加,但我想附加到已经关闭的pdf.

matplotlib的替代品也将受到赞赏.

我想发布用于科学论文基础数据分析的 conda 环境。我使用以下命令将环境保存到 .yml 文件conda env export > environment.yml

我能够使用conda env create -f environment.yml. 几个月后，从同一个 .yml 文件创建环境失败：

ResolvePackageNotFound: - vc=14.1=h0510ff6_3 - vs2015_runtime=15.5.2=3

大概这些版本在文件中指定的频道上不再可用？或者这能反映一个不同的问题吗？

也许，在我的具体情况下，确切的版本并不那么重要，但这个问题似乎首先违背了拯救环境的目的。是否有不同的命令或策略以更面向未来的方式拯救环境？

我正在尝试使用 miniconda 安装环境。

康达版本 4.5.4

python版本：3.6.5.final.0

这是完整的 .yml 文件：

    name: jlsocial
channels:
  - conda-forge
  - defaults
dependencies:
  - ca-certificates=2018.4.16=0
  - certifi=2018.4.16=py36_0
  - libiconv=1.15=hfa6e2cd_1
  - libxml2=2.9.8=haffccfe_2
  - libxslt=1.1.32=h5632236_1
  - lxml=4.2.3=py36heafd4d3_0
  - openssl=1.0.2o=hfa6e2cd_1
  - svglib=0.8.1=py36_0
  - svgutils=0.3.0=py36_0
  - backcall=0.1.0=py36_0
  - blas=1.0=mkl
  - bleach=2.1.3=py36_0
  - blosc=1.14.3=he51fdeb_0
  - bokeh=0.12.16=py36_0
  - bzip2=1.0.6=hfa6e2cd_5
  - click=6.7=py36hec8c647_0
  - cloudpickle=0.5.3=py36_0
  - colorama=0.3.9=py36h029ae33_0 …

如何将openCV图像传输到ffmpeg(作为子进程运行ffmpeg)？(我正在使用spyder/anaconda)

我正在从视频文件中读取帧并在每个帧上进行一些处理.

import cv2   
cap = cv2.VideoCapture(self.avi_path)
img = cap.read()
gray = cv2.cvtColor(img[1], cv2.COLOR_BGR2GRAY)
bgDiv=gray/vidMed #background division

然后,为了将处理过的帧传递给ffmpeg,我在一个相关问题中找到了这个命令:

sys.stdout.write( bgDiv.tostring() )

接下来,我试图将ffmpeg作为子进程运行:

cmd='ffmpeg.exe -f rawvideo -pix_fmt gray -s 2048x2048 -r 30 -i - -an -f avi -r 30 foo.avi'
sp.call(cmd,shell=True)

(这也来自上面提到的帖子)然而,这填充了我的IPython控制台与神秘的象形文字然后崩溃它.任何建议？

最终,我想输出4个流并让ffmpeg并行编码这4个流.

我是 python 多处理的新手。我想从一小时长的视频文件的每一帧中提取特征。处理每一帧大约需要 30 毫秒。我认为多处理是一个好主意，因为每一帧都是独立于所有其他帧进行处理的。

我想将特征提取的结果存储在自定义类中。

我阅读了一些示例，最终按照此处的建议使用了多处理和队列。结果令人失望，现在每帧大约需要 1000 毫秒来处理。我猜我产生了大量的开销。

有没有更有效的方法来并行处理帧并收集结果？

为了说明，我整理了一个虚拟示例。

import multiprocessing as mp
from multiprocessing import Process, Queue
import numpy as np
import cv2

def main():
    #path='path\to\some\video.avi'
    coordinates=np.random.random((1000,2))
    #video = cv2.VideoCapture(path)
    listOf_FuncAndArgLists=[]

    for i in range(50):
        #video.set(cv2.CAP_PROP_POS_FRAMES,i)
        #img_frame_original = video.read()[1]
        #img_frame_original=cv2.cvtColor(img_frame_original, cv2.COLOR_BGR2GRAY)
        img_frame_dummy=np.random.random((300,300)) #using dummy image for this example
        frame_coordinates=coordinates[i,:]
        listOf_FuncAndArgLists.append([parallel_function,frame_coordinates,i,img_frame_dummy])

    queues=[Queue() for fff in listOf_FuncAndArgLists] #create a queue object for each function
    jobs = [Process(target=storeOutputFFF,args=[funcArgs[0],funcArgs[1:],queues[iii]]) for iii,funcArgs in enumerate(listOf_FuncAndArgLists)]
    for job in jobs: job.start() # …

如何顺序应用两个filter_complex命令？

首先,我想将视频与图像混合,然后我想获取该过滤器的输出并将其拆分为4个图块,如本文Stackoverflow中所述.

我试过这个:(我的策略是从filter_complex [int]生成一个中间输出,我想重复使用该输出两次.

ffmpeg.exe 
-i videoIn.avi 
-i imageIn.avi 
-filter_complex "[1:0] setsar=sar=1 [1sared];[0:0][1sared]blend=all_mode='divide':repeatlast=1[int];
[int]crop=960:960:24:1055:[out1];
[int]crop=960:960:1056:1062:[out2]" 
-map [out1] out1.avi 
-map [out2] out2.avi

然而,我正在一个错误:流指定符 'INT' 在FilterGraph动态描述[INT]作物= 960:960:24:1055 [OUT1]; [INT]作物= 960:960:1056:1062:[OUT2]匹配不流

如果我只使用一个裁剪操作但不使用两个 - 这个代码有效 - 所以我猜测中间流[int]不能像我尝试的那样重复使用？

如何为后续过滤器多次重复使用中间流？

我试图在swarmplot的顶部使用seaborn的pointPlot绘制组明智的中值.即使我将pointPlot称为第二个,点图也会在swarmplot后面结束.如何更改"图层顺序"以使点图位于swarmplot前面？

datDf=pd.DataFrame({'values':np.random.randint(0,100,100)})
datDf['group']=np.random.randint(0,5,100)
sns.swarmplot(data=datDf,x='group',y='values')
sns.pointplot(data=datDf,x='group',y='values',estimator=np.median,join=False)

我想将视频文件（2048x2048px，100.000帧）有效地分成多个图块。通常，分成四个相等大小的象限（1024x1024px，100.000帧）。我可以使用ffmpeg的裁剪过滤器在另一个砖块上进行切换：

ffmpeg -i in.avi -filter:v "crop=1024:1024:0:0" out1.mp4
ffmpeg -i in.avi -filter:v "crop=1024:1024:1023:0" out2.mp4

等等...

可以将其合并为一个命令以提高执行速度吗？

是否可以将新页面插入多页 pdf 文件的任意位置？

在这个虚拟示例中，我正在创建一些 pdf 页面：

from matplotlib.backends.backend_pdf import PdfPages
import matplotlib.pyplot as plt

with PdfPages('dummy.pdf') as pdf:
    for i in range(5):
        plt.plot(1,1)
        pdf.savefig()
        plt.close()

现在我想绘制其他内容并将新图保存为 pdf 的第 1 页。

我想尽量减少图中的空白。我有一排子图，其中四个图共享它们的 y 轴，最后一个图有一个单独的轴。共享轴中间面板没有 ylabels 或 ticklabels。

tight_layout在中间图之间创建了很多空白区域，好像为刻度标签和 ylabels 留出了空间，但我宁愿拉伸子图。这可能吗？

import matplotlib.gridspec as gridspec
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

fig = plt.figure()
gs = gridspec.GridSpec(1, 5, width_ratios=[4,1,4,1,2]) 

ax = fig.add_subplot(gs[0])
axes = [ax] + [fig.add_subplot(gs[i], sharey=ax) for i in range(1, 4)]

axes[0].plot(np.random.randint(0,100,100))
barlist=axes[1].bar([1,2],[1,20])

axes[2].plot(np.random.randint(0,100,100))
barlist=axes[3].bar([1,2],[1,20])

axes[0].set_ylabel('data')

axes.append(fig.add_subplot(gs[4]))
axes[4].plot(np.random.randint(0,5,100))
axes[4].set_ylabel('other data')


for ax in axes[1:4]:
    plt.setp(ax.get_yticklabels(), visible=False)


sns.despine();
plt.tight_layout(pad=0, w_pad=0, h_pad=0);