Python科学计算库Scipy

更多：Scipy…

Scipy是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵，使Numpy和Scipy协同工作，高效解决问题。
  Scipy是由针对特定任务的子模块组成：

模块名	应用领域
scipy.cluster	向量计算/Kmeans
scipy.constants	物理和数学常量
scipy.fftpack	傅立叶变换
scipy.integrate	积分程序
scipy.interpolate	插值
scipy.io	数据输入输出
scipy.linalg	线性代数程序
scipy.ndimage	n维图像包
scipy.odr	正交距离回归
scipy.optimize	优化
scipy.signal	信号处理
scipy.sparse	稀疏矩阵
scipy.spatial	空间数据结构和算法
scipy.special	一些特殊的数学函数
scipy.stats	统计

---

scipy.io

• 载入和保存matlab文件

from scipy import io as spio
from numpy as np
x = np.ones((3,3))
spio.savemat('f.mat',{'a':a})
data = spio.loadmat('f.mat',struct_as_record=True)
data['a']

• 读取图片

from scipy import misc
misc.imread('picture')

python在科学计算领域有三个非常受欢迎库，numpy、SciPy、matplotlib。numpy是一个高性能的多维数组的计算库，SciPy是构建在numpy的基础之上的，它提供了许多的操作numpy的数组的函数。SciPy是一款方便、易于使用、专为科学和工程设计的python工具包，它包括了统计、优化、整合以及线性代数模块、傅里叶变换、信号和图像图例，常微分方差的求解等。
SciPy完整的教程https://docs.scipy.org/doc/scipy/reference/index.html。
下面就简单的介绍一下SciPy在图像处理方面的应用，如果专业做图像处理当然还是建议使用opencv。
本系列教程参考http://cs231n.github.io/python-numpy-tutorial/#scipy

一、读取图像获取图像的基本信息

from scipy.misc import imread,imsave,imresize
 
if __name__ == "__main__":
    #读取图片
    img = imread("timg.jpg")
    #获取图片的数据类型
    img_type = img.dtype
    print(img_type) #uint8
    #获取图片的大小
    img_shape = img.shape
    print(img_shape) #(310, 493, 3)
    #获取图片的高
    img_height = img_shape[0]
    print(img_height) #310
    #获取图片的宽
    img_width = img_shape[1]
    print(img_width)  #493
    #获取图片的通道数
    img_channel = img_shape[2]
    #通道数为1表示黑白图片，通道数为3表示彩色图片
    print(img_channel)  #3

二、修改图片色彩、裁剪、改变大小

from scipy.misc import imread,imsave,imresize
 
if __name__ == "__main__":
    #读取图片
    img = imread("timg.jpg")
    #通过改变图片每一个通道的比例来改变图片的色彩
    #将图片R:G:B的比例设置为1:0.9:0.9
    img_tint = img * [1,0.9,0.9]
    #保存图片,观察图片可以发现保存后的图片会有点偏红
    imsave("timg_color.jpg",img_tint)
    #改变图片的大小，将图片的大小设置为500*500
    img_resize = imresize(img,(500,500))
    #保存图片，因为这不是等比例的缩放，可以观察保存的图片会有点变形
    imsave("timg_resize.jpg",img_resize)
    #裁剪图片
    img_incision = img[50:200,100:400]
    imsave("timg_incision.jpg",img_incision)
    #scipy中还提供了scipy.io.loadmat和scipy.io.savemat来读写MATLAB的文件

三、计算两点之间的欧式距离

import numpy as np
from scipy.spatial.distance import pdist,squareform,cdist
 
if __name__=="__main__":
    x1 = np.array([[1,1]])
    x2 = np.array([[4,5]])
    #通过cdist函数，计算两个点之间的距离
    distance = cdist(x1,x2,"euclidean")
    print(distance)#[[ 5.]]
    #创建一个数组，数组的每一行都是一个2维的数组，相当于三个点
    x = np.array([[1,1],[4,5],[7,9]])
    #计算每个行的一个点与本身以及另外两个点的欧式距离
    x_d = squareform(pdist(x,"euclidean"))
    #欧式距离计算公式：sqrt((x1-x2)^2+(y1-y2)^2)
    print(x_d)
    '''
    [[  0.   5.  10.]
     [  5.   0.   5.]
     [ 10.   5.   0.]]
    '''