小编Per*_*erl的帖子

我的 matplotlib 函数有一个非常奇怪的行为savefig。我正在做如下：

import os

# creating the output folder 
if not os.path.exists(output_folder):
   os.makedirs(output_folder)

# adding the name of the figure to the created output folder
plt.savefig(output_folder + 'forecasts_scatter_%s' % model_name)
# plt.savefig(os.path.join(output_folder, 'forecasts_scatter_%s.png' % model_name))
plt.close()

错误：

Traceback (most recent call last):
  File "C:/Users/96171/Desktop/ministry_of_public_health/CodeUbrCorrected/bmwmlmcw.py", line 56, in <module>
    lm.cross_validation(model, hyperparameters[model_name], model_name)
  File "C:\Users\96171\Desktop\ministry_of_public_health\CodeUbrCorrected\cross_validation_smogn.py", line 554, in cross_validation
    self.cross_validation_grid(model_used, hyperparams, model_name)
  File "C:\Users\96171\AppData\Local\Programs\Python\Python36\lib\site-packages\sklearn\utils\testing.py", line 348, in wrapper
    return fn(*args, **kwargs)
  File "C:\Users\96171\Desktop\ministry_of_public_health\CodeUbrCorrected\cross_validation_smogn.py", line 1444, in cross_validation_grid
    'predicted')
  File …

我收集了一些报纸，我的目标是获得几个 ROI 周围的边界框。具体来说，这些投资回报率是：

• 文章
• 标题
• 图片

我正在使用 opencv 和 python 来达到预期的结果。我的做法如下：

1. Canny 边缘检测（通过图像模糊进行）
2. 扩张
3. 轮廓检测
4. 轮廓近似和边界框

我已经编写了适当的代码来实现此目的，但轮廓并不那么准确（更多内容将在后面介绍）。示例：我正在展示代码的行为方式：

正如您所看到的，它并没有检测那里的所有文章，而是将多篇文章的一部分组合到一个边界框中。我怎样才能让这个变得更好？我希望它更准确。我尝试了 Canny、扩张和模糊的参数，但没有取得更好的结果。这是我的代码：

import cv2
import imutils
import numpy as np
import random

# capture image
path = 'C:/Users/96171/Desktop/dataset_training/jpg/75120201.jpg'
image = cv2.imread(path)
image = imutils.resize(image, width=500)
resize_factor = 1


blur = cv2.GaussianBlur(image, (9, 9), 0)
cv2.imshow('Blurred', blur)
cv2.waitKey()

# this was the golden line that made it better
# edged = cv2.Canny(blur, 0, 150)
edged = cv2.Canny(blur, 0, 170)

cv2.imshow('Edged', edged)
cv2.waitKey()

# edged …

我想在线图中标记某些索引。我参考了以下有关堆栈溢出的问题并编写了以下内容：

plt.plot(range(len(y)), y, '-bD', markevery=rare_cases, label='%s' % target_var_name)

但是，这会产生以下结果：

如何将线图保持为蓝色，但将标记设为红色？