python特征点函数,python 特征

python的三大特征

第一点：封装

隐藏对象的属性和实现细节，仅对外提供公共访问方式，在Python中用双下线开头的方式将属性设置成私有的。

拥有三个好处：将变化隔离，便于使用，提高复用性，提高安全性。

第二点：继承

继承是一种创建新类的方式，在Python中，新建的类可以继承一个或多个父类，父类又被称为基类或超类，新建的类称为派生类或子类。即一个派生类继承基类的字段和方法，继承也允许把一个派生类的对象作为一个基类对象对待。

第三点：多态

一种事物的多种体现形式，函数的重写其实就是多态的一种体现。Python中，多态指是父类的引用指向子类的对象。

实现多态的步骤：

1. 定义新的子类;

2. 重写对应的父类方法;

3. 使用子类的方法直接处理，不调用父类的方法;

多态的好处：

1. 增加了程序的灵活性;

2. 增加了程序的可扩展性。

Python的5种高级用法

Lambda 函数

Python 函数一般使用 def a_function_name() 样式来定义，但是对于 lambda 函数来说，我们其实根本没为它命名。这是因为 lambda 函数的功能是执行某种简单的表达式或运算，而无需完全定义函数。

Map 函数

Map() 是一种内置的 Python 函数，它可以将函数应用于各种数据结构中的元素，如列表或字典。对于这种运算来说，这是一种非常干净而且可读的执行方式。

Filter 函数

filter 内置函数与 map 函数非常相似，它也将函数应用于序列结构(列表、元组、字典)。二者的关键区别在于 filter() 将只返回应用函数返回 True 的元素。

Itertools 模块

Python 的 Itertools 模块是处理迭代器的工具集合。迭代器是一种可以在 for 循环语句(包括列表、元组和字典)中使用的数据类型。

使用 Itertools 模块中的函数让你可以执行很多迭代器操作，这些操作通常需要多行函数和复杂的列表理解。

Generator 函数

其实，Generator函数是一个类似于迭代器的函数，就是它也可以用在 for 循环语句中。这大大简化了你的代码，而且相比简单的 for 循环，它节省了很多内存。

关于Python的5种高级用法，青藤小编就和您分享到这里了。如果您对python编程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于python编程的技巧及素材等内容，可以点击本站的其他文章进行学习。

Python如何实现图片特征点匹配

python-opencv-特征点匹配连线（画线）drawMatches

Python 没有OpenCV 2.4.13版本的cv2.drawMatches()，无法直接使用，故可参看本文第2节的drawMatches函数使用

Python 有OpenCV 3.0.0版本的cv2.drawMatches()，可以直接使用

1、drawMatches数据结构（opencv2.4.13）

Draws the found matches of keypoints from two images.

C++:

void drawMatches(const Mat img1, const vectorKeyPoint keypoints1, const Mat img2, const vectorKeyPoint keypoints2, const vectorvectorDMatch matches1to2, Mat outImg, const Scalar matchColor=Scalar::all(-1), const Scalar singlePointColor=Scalar::all(-1), const vectorvectorchar matchesMask=vectorvectorchar (), int flags=DrawMatchesFlags::DEFAULT )1

Parameters: 

img1 – First source image.

keypoints1 – Keypoints from the first source image.

img2 – Second source image.

keypoints2 – Keypoints from the second source image.

matches1to2 – Matches from the first image to the second one, which means that keypoints1[i] has a corresponding point in keypoints2[matches[i]] . 

outImg – Output image. Its content depends on the flags value defining what is drawn in the output image. See possible flags bit values below.

matchColor – Color of matches (lines and connected keypoints). If matchColor==Scalar::all(-1) , the color is generated randomly. 

singlePointColor – Color of single keypoints (circles), which means that keypoints do not have the matches. If singlePointColor==Scalar::all(-1) , the color is generated randomly.

matchesMask – Mask determining which matches are drawn. If the mask is empty, all matches are drawn.

flags – Flags setting drawing features. Possible flags bit values are defined by DrawMatchesFlags. 

This function draws matches of keypoints from two images in the output image. Match is a line connecting two keypoints (circles). The structure DrawMatchesFlags is defined as follows:

struct DrawMatchesFlags

{

   enum

   {

       DEFAULT = 0, // Output image matrix will be created (Mat::create),

                    // i.e. existing memory of output image may be reused.

                    // Two source images, matches, and single keypoints

                    // will be drawn.

                    // For each keypoint, only the center point will be

                    // drawn (without a circle around the keypoint with the

                    // keypoint size and orientation).

       DRAW_OVER_OUTIMG = 1, // Output image matrix will not be

                      // created (using Mat::create). Matches will be drawn

                      // on existing content of output image.

       NOT_DRAW_SINGLE_POINTS = 2, // Single keypoints will not be drawn.

       DRAW_RICH_KEYPOINTS = 4 // For each keypoint, the circle around

                      // keypoint with keypoint size and orientation will

                      // be drawn.

   };};1234567891011121314151617181920

2、drawMatches（python实现）

# -*- coding: utf-8 -*-"""

Created on Tue Dec 27 09:32:02 2016

@author:

"""def drawMatches(img1, kp1, img2, kp2, matches):

   """

   My own implementation of cv2.drawMatches as OpenCV 2.4.9

   does not have this function available but it's supported in

   OpenCV 3.0.0

   This function takes in two images with their associated

   keypoints, as well as a list of DMatch data structure (matches)

   that contains which keypoints matched in which images.

   An image will be produced where a montage is shown with

   the first image followed by the second image beside it.

   Keypoints are delineated with circles, while lines are connected

   between matching keypoints.

   img1,img2 - Grayscale images

   kp1,kp2 - Detected list of keypoints through any of the OpenCV keypoint

             detection algorithms

   matches - A list of matches of corresponding keypoints through any

             OpenCV keypoint matching algorithm

   """

   # Create a new output image that concatenates the two images together

   # (a.k.a) a montage

   rows1 = img1.shape[0]

   cols1 = img1.shape[1]

   rows2 = img2.shape[0]

   cols2 = img2.shape[1]

   out = np.zeros((max([rows1,rows2]),cols1+cols2,3), dtype='uint8')    # Place the first image to the left

   out[:rows1,:cols1] = np.dstack([img1, img1, img1])    # Place the next image to the right of it

   out[:rows2,cols1:] = np.dstack([img2, img2, img2])    # For each pair of points we have between both images

   # draw circles, then connect a line between them

   for mat in matches:        # Get the matching keypoints for each of the images

       img1_idx = mat.queryIdx

       img2_idx = mat.trainIdx        # x - columns

       # y - rows

       (x1,y1) = kp1[img1_idx].pt

       (x2,y2) = kp2[img2_idx].pt        # Draw a small circle at both co-ordinates

       # radius 4

       # colour blue

       # thickness = 1

       a = np.random.randint(0,256)

       b = np.random.randint(0,256)

       c = np.random.randint(0,256)

       cv2.circle(out, (int(np.round(x1)),int(np.round(y1))), 2, (a, b, c), 1)      #画圆，cv2.circle()参考官方文档

       cv2.circle(out, (int(np.round(x2)+cols1),int(np.round(y2))), 2, (a, b, c), 1)        # Draw a line in between the two points

       # thickness = 1

       # colour blue

       cv2.line(out, (int(np.round(x1)),int(np.round(y1))), (int(np.round(x2)+cols1),int(np.round(y2))), (a, b, c), 1, lineType=cv2.CV_AA, shift=0)  #画线，cv2.line()参考官方文档

   # Also return the image if you'd like a copy

   return out

Python的函数都有哪些

【常见的内置函数】

1、enumerate(iterable,start=0)

是python的内置函数，是枚举、列举的意思，对于一个可迭代的(iterable)/可遍历的对象(如列表、字符串)，enumerate将其组成一个索引序列，利用它可以同时获得索引和值。

2、zip(*iterables,strict=False)

用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用*号操作符，可以将元组解压为列表。

3、filter(function,iterable)

filter是将一个序列进行过滤，返回迭代器的对象，去除不满足条件的序列。

4、isinstance(object,classinfo)

是用来判断某一个变量或者是对象是不是属于某种类型的一个函数，如果参数object是classinfo的实例，或者object是classinfo类的子类的一个实例，

返回True。如果object不是一个给定类型的的对象， 则返回结果总是False

5、eval(expression[,globals[,locals]])

用来将字符串str当成有效的表达式来求值并返回计算结果，表达式解析参数expression并作为Python表达式进行求值(从技术上说是一个条件列表)，采用globals和locals字典作为全局和局部命名空间。

【常用的句式】

1、format字符串格式化

format把字符串当成一个模板，通过传入的参数进行格式化，非常实用且强大。

2、连接字符串

常使用+连接两个字符串。

3、if...else条件语句

Python条件语句是通过一条或多条语句的执行结果(True或者False)来决定执行的代码块。其中if...else语句用来执行需要判断的情形。

4、for...in、while循环语句

循环语句就是遍历一个序列，循环去执行某个操作，Python中的循环语句有for和while。

5、import导入其他脚本的功能

有时需要使用另一个python文件中的脚本，这其实很简单，就像使用import关键字导入任何模块一样。

python函数有哪些

1、print()函数：打印字符串;

2、raw_input()函数：从用户键盘捕获字符;

3、len()函数：计算字符长度;

4、format()函数：实现格式化输出;

5、type()函数：查询对象的类型;

6、int()函数、float()函数、str()函数等：类型的转化函数;

7、id()函数：获取对象的内存地址;

8、help()函数：Python的帮助函数;

9、s.islower()函数：判断字符小写;

10、s.sppace()函数：判断是否为空格;

11、str.replace()函数：替换字符;

12、import()函数：引进库;

13、math.sin()函数：sin()函数;

14、math.pow()函数：计算次方函数;

15、os.getcwd()函数：获取当前工作目录;

16、listdir()函数：显示当前目录下的文件;

17、time.sleep()函数：停止一段时间;

18、random.randint()函数：产生随机数;

19、range()函数：返回一个列表，打印从1到100;

20、file.read()函数：读取文件返回字符串;

21、file.readlines()函数：读取文件返回列表;

22、file.readline()函数：读取一行文件并返回字符串;

23、split()函数：用什么来间隔字符串;

24、isalnum()函数：判断是否为有效数字或字符;

25、isalpha()函数：判断是否全为字符;

26、isdigit()函数：判断是否全为数字;

27、 lower()函数：将数据改成小写;

28、upper()函数：将数据改成大写;

29、startswith(s)函数：判断字符串是否以s开始的;

30、endwith(s)函数：判断字符串是否以s结尾的;

31、file.write()函数：写入函数;

32、file.writeline()函数：写入文件;

33、abs()函数：得到某数的绝对值;

34、file.sort()函数：对书数据排序;

35、tuple()函数：创建一个元组;

36、find()函数：查找 返回的是索引;

37、dict()函数：创建字典;

38、clear()函数：清楚字典中的所有项;

39、copy()函数：复制一个字典，会修改所有的字典;

40、 get()函数：查询字典中的元素。

…………

python面向对象的三大特征的用法和函数的用法一样吗

python面向对象的三大特征的用法和函数的用法一样。面向对象的三大特性是指封装、继承和多态。面向对象编程是一种编程方式，此编程方式的落地需要使用类和对象来实现，所以，面向对象编程其实就是对类和对象的使用。类就是一个模板，模板里可以包含多个函数，函数里实现一些功能对象则是根据模板创建的实例，通过实例对象可以执行类中的函数。