pense-bête de bruno sanchiz

python en virtuel

bruno — 2023-07-11T13:37:34Z

Pour permettre l'utilisatio nde python dans toutes les situations, il a été décidé de metrte en avant la virtualisation :

https://peps.python.org/pep-0668/

et donc on utilise comme ça :
python3 -m venv /tmp/venv ; source /tmp/venv/bin/activate ; pip install --upgrade pip ; pip3 install matplotlib numpy opencv-python opencv-contrib-python tensorflow

erreurs : Could not build wheels for dlib, erreur apparue pour installer face-recognition

, d'après https://learnopencv.com/install-dlib-on-ubuntu/
installation de face_recognition

sudo apt-get install cmake build-essential libopenblas-dev liblapack-dev pkg-config libx11-dev libatlas-base-dev libgtk-3-dev libboost-python-dev python3-dev python3-pip virtualenv virtualenvwrapper

source /usr/share/virtualenvwrapper/virtualenvwrapper.sh mkvirtualenv facecourse-py3 -p python3 workon facecourse-py3 pip install numpy scipy matplotlib scikit-image scikit-learn ipython wheel numpy scipy matplotlib scikit-image scikit-learn ipython pip3 install numpy virtualenv virtualenvwrapper # now install python libraries within this virtual environment pip install numpy scipy matplotlib scikit-image scikit-learn ipython # quit virtual environment deactivate

opencv

bruno — 2023-03-18T23:17:17Z

imports

import cv2 import numpy as np import matplotlib.pyplot as plt import matplotlib

image

img = cv2.imread('a.jpg')
cv2.imshow("kk",img)
cv2.waitKey(0)
print(image.shape) #hauteur,largeur,canaux

dessiner une ligne :
img = cv2.line(img, pt1, pt2, color[, thickness[, lineType[, shift]]])
plt.imshow(image_line[ :, :, : :-1])
dessiner un cercle
img = cv2.circle(img, center, radius, color[, thickness[, lineType[, shift]]])
dessiner un rectangle
img = cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]])
insérer un texte
img = cv2.putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]])

functions sur images :

ajouter : cv2.add(im1,im2)
soustraire : cv2.substract(im1,im2)

RVB <-> BVR

B,V,R =img[x,y]
R,V,B=img[ :, :, : :-1] [x,y]

crop

cropped_region = img[y1:y2,x1:x2]

changement de taille, resize

cv2.resize(img, None, fx = 2, fy = 2)
cv2.resize(img, dsize = (200,400), interpolation = cv2.INTER_AREA)

flip

<-> : cv2.flip(img_eagle, 1)
vert : cv2.flip(img_eagle, 0)
rot 180 : cv2.flip(img_eagle, -1)

aruco detecteurs

for i in range(1000): dictionary = cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_6X6_1000) parameters = cv2.aruco.DetectorParameters() img=cv2.aruco.generateImageMarker(dictionary,i,200) cv2.imwrite("/tmp/aa/f"+str(i)+".jpg",img)

décorateur décorator

bruno — 2022-11-25T01:56:50Z

Un décorateur agit sur la sortie d'une fonction , sans la remplacer directement.
Quand la fonction est appelée, c'est le décorateur qui est appelé.

Par exemple avec une fonction

def decorateur(f): def g(a,b): print( "le résultat est {}".format(f(a,b))) return g @decorateur def ajoute(a,b): return a+b @decorateur def mult(a,b): return a*b

ajoute(5,3) affichera le résultat est 8
au lieu de retourner 8
mult(2,4) affichera le résultat est 8
Attention : le simple fait d'utiliser la fonction provoque l'affichage :
c=ajoute(5,6) affiche le résultat est 11

succession de décorateurs :

def decorateur2(f): def h(a,b): print( "Dans l'ensemble des réels, {}".format(f(a,b))) return h def decorateur(f): def g(a,b): return "le résultat est {}".format(f(a,b)) return g @decorateur2 @decorateur def div(a,b): return a/b div (5,4)

Dans l'ensemble des réels, le résultat est 1.25

On peut généraliser le décorateur :

def decorateur(f): def g(*args,**kargs): print( "le résultat est {}".format(f(*args,**kargs))) return g

decorateur debug :
def decorateur_debug(f) :
def g(*args,**kargs) :
if debug==True :
print(f.__name__+" :"+f.__doc__)
return f(*args,**kargs)
return g

https://zestedesavoir.com/tutoriels/954/notions-de-python-avancees/2-functions/3-decorators/#fn-approximation_decorateur

utilisation de python3-plotly - Python 3...

bruno — 2020-05-08T00:02:24Z

utilisation de python3-plotly - Python 3 plotting library for publication-quality graphs
https://plotly.com/python/
d'après : http://gael-varoquaux.info/slides_etalab_2020

exemples

import json with open('geojson-counties-fips.json',"r") as response: JSON = json.load(response) #JSON : dict et list #JSON["features"][0 à N-1] sont les N surfaces #JSON["features"][0]['id'] === CSV['fips'] #JSON["features"][0]['geometry']['type']='Polygon' #JSON["features"][0]['geometry']['coordinates']=[[[-86.496774, 32.344437], [-86.717897, 32.402814], [-86.814912, 32.340803], [-86.890581, 32.502974], [-86.917595, 32.664169], [-86.71339, 32.661732], [-86.714219, 32.705694], [-86.413116, 32.707386], [-86.411172, 32.409937], [-86.496774, 32.344437]]]

import pandas CSV = pandas.read_csv("fips-unemp-16.csv",dtype={"fips": str}) #CSV['fips'] et CSV['unemp']

Une carte des USA où la couleur des surfaces identifiées par JSON["features"][0]['id'] === CSV['fips'] est donnée par la valeur de CSV['unemp'] en allant de 0 à12.

import plotly.express as px fig = px.choropleth(CSV, geojson=JSON, locations='fips', color='unemp', color_continuous_scale="Viridis", range_color=(0, 12), scope="usa", labels={'unemp':'PRG3:unemployment rate'}) fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0}) fig.show()

On obtient :

Attention, il y a de nombreux appels externes : creativecommons.org , openstreetmap.org , mapbox.cn , mapbox.com , carto.com , cartodb-basemaps-c.global.ssl.fastly.net , cdn.plot.ly , get.webgl.org , github.com , plotly.com , stamen-tiles.a.ssl.fastly.net , stamen.com , www.w3.org ,