"""
By Fivethousand
输入图片二级目录根目录，随机生成该图片集的验证集（图片对+label)
"""
import os
import random
correct_label="1"
error_label="0"
def V_S_G(loadpath,savepath="./AutoSaved.txt",split=" ",same_num=3000,diff_num=3000): ? ? ? ? ? ? ? ?#V_S_G refers to Verification-set-generator
? ? f = open(savepath, 'a+')
? ? f.seek(0)
? ? f.truncate() ?# 清空文件
? ? subfile_list1 = os.listdir(loadpath) ? ? ?#一级子文件名列表
? ? dictionary={}
? ? for file in subfile_list1:
? ? ? ? subfile_list2=os.listdir(os.path.join(loadpath,file) ) ? ? ? ?#某一个一级子文件下的二级子文件列表
? ? ? ? dictionary[file]=subfile_list2 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?#将该列表存入字典中，索引值为其母文件名
? ? for file in subfile_list1: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?#生成相同的图片对
? ? ? ? count=2*same_num
? ? ? ? if count>len(dictionary[file]):
? ? ? ? ? ? count=len(dictionary[file])
? ? ? ? ? ? if count%2 is not 0: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?#必须保证count是偶数
? ? ? ? ? ? ? ? count=count-1
? ? ? ? rdlist=random.sample(range(0,len(dictionary[file])),count) ? ? #生成相同的图片对
? ? ? ? for i in range(int(count/2)):
? ? ? ? ? ? # first=os.path.join(loadpath,file,dictionary[file][rdlist[2*i]]) ? ? ? ? ? ? ? #备份
? ? ? ? ? ? # second=os.path.join(loadpath, ? ?file, dictionary[file][rdlist[2 * i + 1]]) ? #备份
? ? ? ? ? ? first=os.path.join(file+'/',dictionary[file][rdlist[2*i]])
? ? ? ? ? ? second=os.path.join(file+'/', dictionary[file][rdlist[2 * i + 1]])
? ? ? ? ? ? f.write(first+split+second+split+correct_label+"\n")
? ? wrong_pair_num=diff_num
? ? if(diff_num>len(subfile_list1)):
? ? ? ? wrong_pair_num=len(subfile_list1)
? ? for i in range(wrong_pair_num): ? ? ? ? ? ? #生成不相同的图片对
? ? ? ? rdpair=random.sample(range(0,len(subfile_list1)),2)
? ? ? ? first_file_name=subfile_list1[rdpair[0]]
? ? ? ? first_rd=random.sample(range(0,len(dictionary[first_file_name])),1)[0]
? ? ? ? # first=os.path.join(loadpath,first_file_name,dictionary[first_file_name][first_rd]) # 备份
? ? ? ? first = os.path.join(first_file_name+'/',dictionary[first_file_name][first_rd])
? ? ? ? second_file_name=subfile_list1[rdpair[1]]
? ? ? ? second_rd=random.sample(range(0,len(dictionary[second_file_name])),1)[0]
? ? ? ? # second=os.path.join(loadpath,second_file_name,dictionary[second_file_name][second_rd]) #备份保留的是绝对路径
? ? ? ? second = os.path.join(second_file_name+'/',dictionary[second_file_name][second_rd])
? ? ? ? f.write(first+split+second+split+error_label+"\n")
? ? f.close()
V_S_G("D:\\pycharm\\pytorch-1\\facenet-pytorch-main_aded\\facenet-pytorch-main\\test\\WH_ed_peopele_cleaned_all_masked_AF_Before_aligned")
import cv2
import os
import sys
# 读取文件路径，视频文件所在位置
input_path = r"C:\\Users\\12281\\Desktop\\7\\000"
#设定每隔多少帧截取一帧
fram_interval = 1
filenames = os.listdir(input_path)
video_prefix = input_path.split(os.sep)[-1]
#自动建立一个新文件夹，名称为原文件夹名称后加上_frames
frame_path = '{}_frame'.format(input_path)
if not os.path.exists(frame_path):
? ? os.mkdir(frame_path)
cap = cv2.VideoCapture()
for filename in filenames:
? ? filepath = os.sep.join([input_path,filename])
? ? cap.open(filepath)
? ? #获取视频帧数
? ? n_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
? ? #若画质低，则略过头帧
? ? #for i in range(42):
? ? ? ? #cap.read()
? ? for i in range(n_frames):
? ? ? ? ret, frame = cap.read()
? ? ? ? #每隔frame_interval帧进行一次截屏操作
? ? ? ? if i % fram_interval == 0:
? ? ? ? ? ? imagename = '{}_{:0>6d}.jpg'.format(filename.split('.')[0], i)
? ? ? ? ? ? imagepath = os.sep.join([frame_path, imagename])
? ? ? ? ? ? print('exported {}!'.format(imagepath))
? ? ? ? ? ? cv2.imwrite(imagepath, frame)
#图片重命名
path="C:\\Users\\12281\\Desktop\\7_frame"
#获取该目录下所有文件，存入列表中
fileList=os.listdir(path)
n=0
m=0
for i in fileList:
? ? #设置旧文件名
? ? oldname=path+ os.sep + fileList[n]
? ? #设置新文件名
? ? newname=path+os.sep +"train"+str(m+1)+".jpg"
? ? os.rename(oldname, newname)
? ? print(oldname, '======>', newname)
? ? n+=1
? ? m+=1
cap.release()
'''
按文件名进行排序输出“最大”或“最小”文件名字
'''
import os
import cv2
import numpy as np
import PIL.Image as Image
path = 'C:\\Users\\12281\\Desktop\\AFDB_masked_2dian' ?# 文件夹地址
path_save = 'C:\\Users\\12281\\Desktop\\AFDB_masked_2dian'
def fond():
? ? for root, dirs, files in os.walk(path, topdown=False):
? ? ? ? new_root = root.replace(path, path_save) ? ? ? ? ? ? ? ?# 原路径保存
? ? ? ? for name in files: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# dirs：Prints out sub-directories from root.# files 具体文件名字
? ? ? ? ? ? t ? ? ? ? ?= 0
? ? ? ? ? ? file_ext = os.path.splitext(name) ? ? ? ? ? ? ??? ? ? ?# 分离文件前后缀，front为前缀名，ext为后缀名
? ? ? ? ? ? front, ext = file_ext?? ??? ??? ??? ??? ??? ??? ? ? ?# 将前后缀分别赋予front和ext
? ? ? ? ? ? re_name= name.replace('-', '') ? ? ? ? ? ? ? ? ? ? ?# 把减号删除
? ? ? ? ? ? try:
? ? ? ? ? ? ? ? os.rename( ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# 实现重命名操作
? ? ? ? ? ? ? ? os.path.join(new_root, name),
? ? ? ? ? ? ? ? os.path.join(new_root,re_name ))
? ? ? ? ? ? except: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 报错的话就会执行下面的东西
? ? ? ? ? ? ? ? t= "___"+name
? ? ? ? ? ? ? ? os.rename( ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# 防止更改后的文件名与先有的文件名重复，这里做个记号 实现重命名操作
? ? ? ? ? ? ? ? ? ? os.path.join(new_root, name),
? ? ? ? ? ? ? ? ? ? os.path.join(new_root, t))
if __name__ == "__main__":
? ? fond()
# "燕山大学机械工程“
# 职业：学生
# 开发时间：2022-08-02 8:36
'''
按文件名进行排序输出“最大”或“最小”文件名字
'''
import os
import cv2
import numpy as np
import PIL.Image as Image
path = 'C:\\Users\\12281\\Desktop\\train_2dian' ?# 文件夹地址
path_save = 'C:\\Users\\12281\\Desktop\\train_2dian'
def fond():
? ? count=0
? ? for root, dirs, files in os.walk(path, topdown=False):
? ? ? ? new_root = root.replace(path, path_save) ?# 原路径保存
? ? ? ? for name in files: ?# dirs：Prints out sub-directories from root.# files 具体文件名字
? ? ? ? ? ? img=cv2.imread(os.path.join(new_root, name))
? ? ? ? ? ? shape= ?img.shape
? ? ? ? ? ? H= ? ? shape[0]
? ? ? ? ? ? W= ? ? shape[1]
? ? ? ? ? ? if W<224 or H<224:
? ? ? ? ? ? ? ? os.remove(os.path.join(new_root, name))
? ? ? ? ? ? ? ? count=count+1
? ? ? ? ? ? ? ? print(count)
? ? ? ? ? ? else:
? ? ? ? ? ? ? ? continue
if __name__ == "__main__":
? ? fond()
# __Author:Wu
# date: 2019/12/3
# 工具功能：
# 遍历指定文件夹，留下需要的文件（使用后缀名识别），并且删除空文件夹
# 随后删除指定文件夹。(可选)
# 然后把这个文件夹压缩
import os
import sys
import shutil
import zipfile
def fileFilter(dirpath):
? ? for root, dirs, files in os.walk(dirpath):
? ? ? ? for file in files:
? ? ? ? ? ? # 获取文件所属目录
? ? ? ? ? ? # 获取文件路径
? ? ? ? ? ? rFindFileIndex = file.rfind('.')
? ? ? ? ? ? fileExtname = file[rFindFileIndex + 1:]
? ? ? ? ? ? # 删除指定后缀名的文件
? ? ? ? ? ? # if not (fileExtname == 'jpg' or fileExtname == 'png' or fileExtname == 'zip'):
? ? ? ? ? ? if not (fileExtname == 'jpg' or fileExtname == 'png'):
? ? ? ? ? ? ? ? os.remove(os.path.join(root, file))
? ? ? ? ? ? ? ? print('删除不需要的文件' + file)
? ? ? ? ? ? else:
? ? ? ? ? ? ? ? pass
? ? ? ? ? ? # 删除空文件夹
? ? ? ? if not os.listdir(root):
? ? ? ? ? ? print("文件夹" + root + "为空，删除")
? ? ? ? ? ? os.rmdir(root)
? ? ? ? # 删除指定名称的文件夹
? ? ? ? # for roots in root:
? ? ? ? # ? ? if roots == '新建文件夹':
? ? ? ? # ? ? ? ? shutil.rmtree(roots)
? ? ? ? # ? ? ? ? os.mkdir(roots)
? ? print("已留下所需文件")
# 删除空文件夹
def delete_null_dirs(dires):
? ? dirs_list = []
? ? for root, dirs, files in os.walk(dires):
? ? ? ? dirs_list.append(root)
? ? for root in dirs_list[::-1]:
? ? ? ? if not os.listdir(root):
? ? ? ? ? ? print("删除空目录：" + root)
? ? ? ? ? ? os.rmdir(root)
# 压缩文件夹
def zipdir(srcPath, dstname):
? ? workzip = zipfile.ZipFile(dstname, "w", zipfile.ZIP_DEFLATED)
? ? for dirpath, dirs, files in os.walk(srcPath):
? ? ? ? for filename in files:
? ? ? ? ? ? workzip.write(os.path.join(dirpath, filename))
? ? ? ? ? ? print(filename + "压缩完成")
? ? workzip.close
# 获取操作文件夹名称
def direname(dirspath):
? ? finddirIndex = dirpath.split("\\")
? ? global dirname
? ? dirname = finddirIndex[-1]
if __name__ == "__main__":
? ? # dirpath = str(input("请输入要处理的文件夹路径"))
? ? # dirname = ''
? ? #
? ? dirpath = "C:\\Users\\12281\\Desktop\\7"
? ? delete_null_dirs(dirpath)
? ? fileFilter(dirpath)
? ? # direname(dirpath)
? ? # zipdir(dirpath, dirname + ".zip")
? ? print("完成，按任意键退出")
? ? input()
import numpy as np
import matplotlib.pyplot as plt
# from vtkmodules.numpy_interface.algorithms import ln
import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
# 0 设置字体
from torch import nn
plt.rc('font', family='Times New Roman', size=15)
# 1.1 定义sigmoid函数
def sigmoid(x):
? ? return 1. / (1 + np.exp(-x))
# 1.2 定义tanh函数
def tanh(x):
? ? return (np.exp(x) - np.exp(-x)) / (np.exp(x) + np.exp(-x))
# 1.3 定义relu函数
class h_sigmoid(nn.Module):
? ? def __init__(self, inplace=True):
? ? ? ? super(h_sigmoid, self).__init__()
? ? ? ? self.relu = nn.ReLU6(inplace=inplace)
? ? def forward(self, x):
? ? ? ? return self.relu(x + 3) / 6
def relu(x): ? ? ? ? ? ? ? ?# relu6
? ? y=np.where(x < 0, 0, x)
? ? x=np.where(y>6, 6, y)
? ? return x
# 1.4 定义prelu函数
def Leaky_ReLU(x):
? ? return np.where(x < 0, x * 0.5, x)
def Mish(x):
? ? return x * tanh(ln(1 + np.exp(x)))
# 2.1 定义绘制函数sigmoid函数
def plot_sigmoid():
? ? x = np.arange(-10, 10, 0.1)
? ? y = sigmoid(x)
? ? fig = plt.figure() ?# 如果使用plt.figure(1)表示定位（创建）第一个画板，如果没有参数默认创建一个新的画板，如果plt.figure(figsize = (2,2)) ，表示figure 的大小为宽、长
? ? ax = fig.add_subplot(111) ?# 表示前面两个1表示1*1大小，最后面一个1表示第1个
? ? ax.spines['top'].set_color('none') ?# ax.spines设置坐标轴位置，set_color设置坐标轴边的颜色
? ? ax.spines['right'].set_color('none')
? ? ax.spines['left'].set_position(('data', 0))
? ? ax.plot(x, y, color="black", lw=3) ?# 设置曲线颜色，线宽
? ? plt.xticks(fontsize=15) ?# 设置坐标轴的刻度子字体大小
? ? plt.yticks(fontsize=15)
? ? plt.xlim([-10.05, 10.05]) ?# 设置坐标轴范围
? ? plt.ylim([-0.02, 1.02])
? ? plt.tight_layout() ?# 自动调整子图参数
? ? plt.show() ?# 显示绘图
# 2.2 定义绘制函数tanh函数
def plot_tanh():
? ? x = np.arange(-10, 10, 0.1)
? ? y = tanh(x)
? ? fig = plt.figure()
? ? ax = fig.add_subplot(111)
? ? ax.spines['top'].set_color('none')
? ? ax.spines['right'].set_color('none')
? ? ax.spines['left'].set_position(('data', 0))
? ? ax.spines['bottom'].set_position(('data', 0))
? ? ax.plot(x, y, color="black", lw=3)
? ? plt.xticks(fontsize=15)
? ? plt.yticks(fontsize=15)
? ? plt.xlim([-10.05, 10.05])
? ? plt.ylim([-0.02, 1.02])
? ? ax.set_yticks([-1.0, -0.5, 0.5, 1.0])
? ? ax.set_xticks([-10, -5, 5, 10])
? ? plt.tight_layout()
? ? plt.show()
# 2.3 定义绘制函数relu函数
def plot_relu():
? ? x = np.arange(-10, 10, 0.1)
? ? # h_sigmoid
? ? # y = relu(x)
? ? y=h_sigmoid(x)
? ? fig = plt.figure()
? ? ax = fig.add_subplot(111)
? ? ax.spines['top'].set_color('none')
? ? ax.spines['right'].set_color('none')
? ? ax.spines['left'].set_position(('data', 0))
? ? ax.plot(x, y, color="black", lw=3)
? ? plt.xticks(fontsize=15)
? ? plt.yticks(fontsize=15)
? ? plt.xlim([-10.05, 10.05])
? ? plt.ylim([-0.02, 1.02])
? ? ax.set_yticks([2, 4, 6, 8, 10])
? ? plt.tight_layout()
? ? plt.show()
# 2.4 定义绘制函数Leaky_ReLU函数
def plot_Leaky_relu():
? ? x = np.arange(-10, 10, 0.1)
? ? y = Leaky_ReLU(x)
? ? fig = plt.figure()
? ? ax = fig.add_subplot(111)
? ? ax.spines['top'].set_color('none')
? ? ax.spines['right'].set_color('none')
? ? ax.spines['left'].set_position(('data', 0))
? ? ax.spines['bottom'].set_position(('data', 0))
? ? ax.plot(x, y, color="black", lw=3)
? ? plt.xticks(fontsize=15)
? ? plt.yticks(fontsize=15)
? ? plt.tight_layout()
? ? plt.show()
def plot_Mish():
? ? x = np.arange(-10, 10, 0.1)
? ? y = Mish(x)
? ? fig = plt.figure()
? ? ax = fig.add_subplot(111)
? ? ax.spines['top'].set_color('none')
? ? ax.spines['right'].set_color('none')
? ? ax.spines['left'].set_position(('data', 0))
? ? ax.spines['bottom'].set_position(('data', 0))
? ? ax.plot(x, y, color="black", lw=3)
? ? plt.xticks(fontsize=15)
? ? plt.yticks(fontsize=15)
? ? plt.tight_layout()
? ? plt.show()
# 3 运行程序
h_sigmoid=h_sigmoid()
plot_sigmoid()
plot_tanh()
plot_relu()
plot_Leaky_relu()
plot_Mish()
import win32api
import os
if __name__ == '__main__':
? ? path = r"C:\\Users\\12281\\Desktop\\p" ?# 或path =str(input("请输入文件夹的绝对路径"))
? ? files = [path + "\\" + i for i in os.listdir(path)] ?# 获取文件夹下的文件名，并拼接完整路径。
for filename in files:
? ? print(filename)
? ? win32api.ShellExecute(0, "print", filename, None, ".", 0)
'''
参数说明：
"print"：选择的操作是打印；
"filename"：这里是输入文件名；
"None"：这里是打印机的设置，代表使用默认打印机；
"."：（无说明）
"0"：此参数应设置为0。
'''
# 开发时间：2022-07-22 7:05
'''
按文件名进行排序输出“最大”或“最小”文件名字
'''
import os
import numpy as np
# 函数功能为：筛选出文件夹下所有后缀名为.txt的文件
def screen():
? ? path = '/FA3_960_group_cov_first_stride1' ?# 文件夹地址
? ? txt_list = [] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 创建一个空列表用于存放文件夹下所有后缀为.txt的文件名称
? ? file_list = os.listdir(path) ? ? ? ? ? ? ? ? ? ?? ? ?? ?# 获取path文件夹下的所有文件，并生成列表
? ? for i in file_list:
? ? ? ? file_ext = os.path.splitext(i) ? ? ? ? ? ? ??? ?# 分离文件前后缀，front为前缀名，ext为后缀名
? ? ? ? front, ext = file_ext?? ??? ??? ??? ??? ??? ??? ?# 将前后缀分别赋予front和ext
? ? ? ? if ext == '.pth': ? ? ? ? ? ? ? ? ? ? ? ? ??? ??? ?# 判断如果后缀名为.txt则将该文件名添加到txt_list的列表当中去
? ? ? ? ? ? txt_list.append(i)
? ? return txt_list
if __name__ == "__main__":
? ? top=3
? ? # a=[]
? ? txt_list=screen()
? ? val_loss_min= ? txt_list[:] ? ? ? ? ? ? ? ? ? ? ? ? # 列表赋值,注意sort()函数改变原来的列表函数返回值是空值即None
? ? train_loss_min= txt_list[:]
? ? sum_loss_min= ? txt_list[:]
? ? list_pre= ? ? ? txt_list[:]
? ? val_loss_min.sort(key=lambda x: (float(x.split('loss')[2].split('.pth')[0])),reverse=False) ? ? # 不能直接赋值给一个空列表 默认降序
? ? train_loss_min.sort(key=lambda x: (float(x.split('loss')[1].split('-')[0]))) ? ? ? ? ? ? ? ? ? ?# 训练集损失排序升序
? ? sum_loss_min.sort(key=lambda x:(float(x.split('loss')[1].split('-')[0])+float(x.split('loss')[2].split('.pth')[0]))) # 按键进行排序
? ? print("val_loss_min_top%d:\n"%top,val_loss_min[0:top]) ? ? ? # 输出前3个val_loss 最小的三个值
? ? print(('-'*100))
? ? # print(a)
? ? print("train_loss_min_top%d:\n"%top,train_loss_min[0:top])
? ? print(('-' * 100))
? ? print("sum_loss_min_top%d\n"%top,sum_loss_min[0:top])
# "燕山大学机械工程“
# 职业：学生
# 开发时间：2022-07-28 21:55
import cv2
import numpy as np
import os
import numpy as np ?# 数值计算工具包
import cv2 ?# 读取格式是BRG
import os
datasets_path = "C:\\Users\\12281\\Desktop\\6"
desize=(144,256)
list=[]
def cv_show(imge, name):
? ? cv2.imshow(str(name), imge) ?# str(name)需要进行一个字符串的转换
? ? cv2.waitKey(0)
? ? cv2.destroyAllWindows()
if __name__ == "__main__":
? ? types_name = os.listdir(datasets_path)
? ? for id, type_name in enumerate(types_name):
? ? ? ? photos_path = os.path.join(datasets_path, type_name) # 图片的绝对路径
? ? ? ? type_name = cv2.imread(photos_path)
? ? ? ? type_name=cv2.resize(type_name,(112,112))
? ? ? ? list.append(type_name)
? ? t=tuple(list)
? ? result=np.hstack(t)
? ? cv2.imwrite('cd.jpg', result)
? ? cv_show(result,result)
# "燕山大学机械工程“
# 职业：学生
# 开发时间：2022-07-25 14:17
import torch
import torch.nn as nn
import math
class h_sigmoid(nn.Module):
? ? def __init__(self, inplace=True):
? ? ? ? super(h_sigmoid, self).__init__()
? ? ? ? self.relu = nn.ReLU6(inplace=inplace)
? ? def forward(self, x):
? ? ? ? return self.relu(x + 3) / 6
class h_swish(nn.Module):
? ? def __init__(self, inplace=True):
? ? ? ? super(h_swish, self).__init__()
? ? ? ? self.sigmoid = h_sigmoid(inplace=inplace)
? ? def forward(self, x):
? ? ? ? return x * self.sigmoid(x)
def conv_bn(inp, oup, stride=1):
? ? return nn.Sequential(
? ? ? ? nn.Conv2d(inp, oup, 3, stride, 1, bias=False),
? ? ? ? nn.BatchNorm2d(oup),
? ? ? ? nn.ReLU6()
? ? )
def conv_dw(inp, oup, stride=1):
? ? return nn.Sequential(
? ? ? ? nn.Conv2d(inp, inp, 3, stride, 1, groups=inp, bias=False),
? ? ? ? nn.BatchNorm2d(inp),
? ? ? ? # nn.ReLU6(),
? ? ? ? h_swish(), ? ? ?# 这里用H-swish 代替relu6
? ? ? ? nn.Conv2d(inp, oup, 1, 1, 0, bias=False),
? ? ? ? nn.BatchNorm2d(oup),
? ? ? ? # nn.ReLU6(), ? #
? ? ? ? h_sigmoid(), ? ?# 这里更换了Relu6()激活函数
? ? )
def conv_3x3_bn(inp, oup, stride):
? ? return nn.Sequential(
? ? ? ? nn.Conv2d(inp, oup, 3, stride, 1, bias=False),
? ? ? ? nn.BatchNorm2d(oup),
? ? ? ? h_swish()
? ? )
def conv_1x1_bn(inp, oup):
? ? return nn.Sequential(
? ? ? ? nn.Conv2d(inp, oup, 1, 1, 0, bias=False),
? ? ? ? nn.BatchNorm2d(oup),
? ? ? ? h_swish()
? ? )
class ChannelAttention(nn.Module): ?# 通道
? ? def __init__(self, in_planes, ratio=4): # ratio 缩放倍率： 这里先设为4 后期参数可以调
? ? ? ? super(ChannelAttention, self).__init__()
? ? ? ? self.conv_dw = conv_dw(inp=in_planes, oup=in_planes, stride=1)
? ? ? ? # self.avg_pool = nn.AdaptiveAvgPool2d(1) ? ? # 通道深度方向全局和最大池化
? ? ? ? # self.max_pool = nn.AdaptiveMaxPool2d(1)
? ? ? ? # 利用1x1卷积代替全连接
? ? ? ? self.fc1 ? = nn.Conv2d(in_planes, in_planes // ratio, 1, bias=False)
? ? ? ? # self.relu1 = nn.ReLU()
? ? ? ? self.fc2 ? = nn.Conv2d(in_planes // ratio, in_planes, 1, bias=False)
? ? ? ? self.h_sigmoid = h_sigmoid()
? ? ? ? # self.sigmoid = nn.Sigmoid()
? ? ? ? self.h_swish = h_swish()
? ? def forward(self, x):
? ? ? ? AC ?= self.conv_dw(x) ?# 通过深度可分离卷积空间维度信息聚合
? ? ? ? # Vm:对AC每个通道求和 作为分母
? ? ? ? Vm ?= torch.sum(AC,dim=2, keepdim=True) ? ? ?# Vm 就是权重向量计算公式的分母
? ? ? ? Vm ?= torch.sum(Vm,dim=3, keepdim=True) ? ?# Vm 就是权重向量计算公式的分母
? ? ? ? # 加权求分母
? ? ? ? Vz ?= AC*x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 点积
? ? ? ? V ? = torch.div(Vz, Vm) ? ? ? ? ? ? ? ? ? # 得到权重向量
? ? ? ? # 权重向量激活
? ? ? ? Vt1 = self.fc1(V)
? ? ? ? Vt1 = self.h_swish(Vt1)
? ? ? ? Vt2 = self.fc2(Vt1) ? ? ? ? ? ? ? ? ? ? ? # 还原通道
? ? ? ? C ? = self.h_sigmoid(Vt2)
? ? ? ? # 用激活后的权重向量进行对输入特征校准
? ? ? ? return C
class SpatialAttention(nn.Module):
? ? def __init__(self, channel,kernel_size=7):
? ? ? ? super(SpatialAttention, self).__init__()
? ? ? ? self.conv_dw ?= ? conv_dw(inp=channel,oup=channel,stride=1)
? ? ? ? # self.conv_N = nn.Conv2d(in_channels=channel, out_channels=channel, kernel_size=3, stride=1, padding=1, bias=False) ?# 正常卷积 不改变c、w、h 这里可以换为深度可分离卷积
? ? ? ? self.conv_S2 = nn.Conv2d(1, 1, kernel_size=3, stride=2, padding=1, bias=False) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# 步长为2的卷积 w、h 都压缩一倍
? ? ? ? self.conv_N2 = nn.Conv2d(1, 1, kernel_size=3, stride=1, padding=1,bias=False) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 正常卷积
? ? ? ? self.relu ? ?= nn.ReLU6() ? # 这里可以改为H-sigmoid
? ? ? ? self.t_conv = nn.ConvTranspose2d(in_channels=1,out_channels=1,stride=2,kernel_size=4, ? # 反卷积
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? padding=1,
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? output_padding=0, ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 注意这里是2d不是1d
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? bias=False
? ? ? ? )
? ? ? ? # self.bn = nn.BatchNorm2d(channel)
? ? ? ? self.h_swish=h_swish()
? ? ? ? # self.Sigmoid = nn.Sigmoid()
? ? ? ? # assert kernel_size in (3, 7), 'kernel size must be 3 or 7'
? ? ? ? # padding = 3 if kernel_size == 7 else 1 ?# padding=int(kernel_size//2)
? ? ? ? # self.conv1 = nn.Conv2d(2, 1, kernel_size, padding=padding, bias=False) ?# 输入的是2通道输出是1通道一次卷积
? ? ? ? # self.sigmoid = nn.Sigmoid()
? ? ? ? self.h_sigmoid=h_sigmoid()
? ? def forward(self, x):
? ? ? ? # s = self.conv_N(x)
? ? ? ? A= ?self.conv_dw(x) ? ? ? ? ? ? ? ? ? ? ? ?# 深度可分离卷积，进行通道信息聚合
? ? ? ? # ? ? ? ?s = self.bn(s)
? ? ? ? # s = self.Sigmoid(s) ? ? ? ? ? ? ? ? ? ? ?# s 特征Y注意力池化聚合权重 A
? ? ? ? Sm = torch.sum(A, dim=1, keepdim=True) ? ? # 通道增加的方向进行求和，通道变成1
? ? ? ? Sz = A*x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 分子 聚合权重A相乘输入特征点积
? ? ? ? sz = torch.sum(Sz, dim=1, keepdim=True)
? ? ? ? TS = torch.div(sz, Sm) ? ? ? ? ? ? ? ? ? ? # 点除与点乘相反
? ? ? ? t = self.conv_S2(TS) ? ? ? ? ? ? ? ? ? ? ? # 步长为2降采样卷积 W,H 缩短一半
? ? ? ? t = self.h_swish(t) ? ? ? ? ? ? ? ? ? ? ? ?# 激活
? ? ? ? t = self.conv_N2(t) ? ? ? ? ? ? ? ? ? ? ? ?# 普通卷积
? ? ? ? t = self.h_swish(t) ? ? ? ? ? ? ? ? ? ? ? ?# h-swish激活
? ? ? ? t = self.t_conv(t) ? ? ? ? ? ? ? ? ? ? ? ? # 上采样卷积
? ? ? ? S= self.h_sigmoid(t) ? ? ? ? ? ? ? ? ? ? ? # 这个就是最终要输出的权重
? ? ? ? return S
class DAC(nn.Module):
? ? def __init__(self, channel, ratio=8, kernel_size=3):
? ? ? ? super(DAC, self).__init__()
? ? ? ? self.channelattention = ChannelAttention(channel, ratio=ratio)
? ? def forward(self, x):
? ? ? ? C = self.channelattention(x)
? ? ? ? return C
class DAS(nn.Module):
? ? def __init__(self, channel, ratio=8, kernel_size=3):
? ? ? ? super(DAS, self).__init__()
? ? ? ? # self.channelattention = ChannelAttention(channel, ratio=ratio)
? ? ? ? self.spatialattention = SpatialAttention(channel,kernel_size=kernel_size)
? ? def forward(self, x):
? ? ? ? # x = x * self.channelattention(x)
? ? ? ? S = self.spatialattention(x)
? ? ? ? return S
class DACS_block(nn.Module):
? ? def __init__(self, channel, ratio=8, kernel_size=7):
? ? ? ? super(DACS_block, self).__init__()
? ? ? ? self.channelattention = DAC(channel, ratio=ratio)
? ? ? ? self.spatialattention = DAS(channel,kernel_size=kernel_size)
? ? def forward(self, x):
? ? ? ? x = x * self.channelattention(x)
? ? ? ? x = x * self.spatialattention(x)
? ? ? ? return x
if __name__ == "__main__":
? ? print("-"*70)
? ? model ? = DACS_block(channel=160)#channel 需要给输入通道的
? ? print(model)
? ? inputs ?= torch.randn(2,160,160,160) ? ?# 正态分布的初始化一个张量4维度
? ? print(inputs)
? ? outputs = model(inputs)
? ? model_dict = model.state_dict()
? ? print(outputs.shape)
import cv2
import numpy as np
if __name__ =='__main__':
? ? img_path = "C:\\Users\\12281\\Desktop\\12\\0.jpg"
? ? img1 = cv2.imread(img_path)
? ? cv2.namedWindow('img1',cv2.WINDOW_FREERATIO)
? ? cv2.imshow('img1',img1)
? ? # 转化为 灰度图
? ? gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
? ? # 创建一个白画布
? ? ellipse_img = np.full((img1.shape[0],img1.shape[1],3),0,dtype = np.uint8)
? ? print(ellipse_img.shape,ellipse_img[0][0])
? ? gray = cv2.GaussianBlur(gray,(5,5),0) # 高斯处理
? ? # 应用霍夫圆检测,检测出所有圆
? ? circles = cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,gray.shape[0]/8,100,100,100,0)
? ? # 找到最大的圆
? ? measure = 0.0
? ? x = 0.0
? ? y = 0.0
? ? for circle in (circles[0]):
? ? ? ? if circle[2] > measure:
? ? ? ? ? ? measure = circle[2]
? ? ? ? ? ? x = circle[0]
? ? ? ? ? ? y = circle[1]
? ? # 绘制圆
? ? cv2.circle(img1,(x,y),3,(0,255,0),-1,8,0)
? ? cv2.circle(img1,(x,y),int(measure),(0,255,0),2,8,0)
? ? # 绘制相同大小的圆
? ? ellipse_img = ?cv2.ellipse(ellipse_img,(x,y),(int(measure),int(measure)),0,0,360,(255,255,255),-1,8)
? ? print(f'center x is {x} ,y is {y}, radius is {measure}')
? ? ellipse_img = cv2.cvtColor(ellipse_img,cv2.COLOR_BGR2GRAY)
? ? result = cv2.bitwise_and(gray,ellipse_img)
? ? cv2.namedWindow('bitwise and',cv2.WINDOW_FREERATIO)
? ? cv2.imshow('bitwise and',result)
? ? # 估计圆图像像素强度
? ? x = result[int(x+30)][int(y)]
? ? print(f'intensity is ?{x}')
? ? # 阈值分割
? ? _,ellipse_img = cv2.threshold(result,int(x) - 10,250,cv2.THRESH_BINARY)
? ? # print('ellipse_img shape is {}'.format(ellipse_img.shape))
? ? cv2.namedWindow('threshold',cv2.WINDOW_FREERATIO)
? ? cv2.imshow('threshold',ellipse_img)
? ? # 使用 bitwise_or 方法
? ? print('shape ------------\n')
? ? print(ellipse_img.shape,gray.shape)
? ? res = cv2.bitwise_or(gray,ellipse_img)
? ? cv2.namedWindow('bitwise_or',cv2.WINDOW_FREERATIO)
? ? cv2.imshow('bitwise_or',res)
? ? cv2.waitKey(0)
'''
按文件名进行排序输出“最大”或“最小”文件名字
'''
import os
import cv2
import numpy as np
import PIL.Image as Image
path = 'C:\\Users\\12281\\Desktop\\process0' ?# 文件夹地址
path_save ='C:\\Users\\12281\\Desktop\\process_test'
def fond():
? ? for root, dirs, files in os.walk(path, topdown=False):
? ? ? ? new_root = root.replace(path, path_save) ? ? ? ? ? ? ? ?# 原路径保存
? ? ? ? for name in files: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# dirs：Prints out sub-directories from root.# files 具体文件名字
? ? ? ? ? ? t ? ? ? ? ?= 0
? ? ? ? ? ? file_ext = os.path.splitext(name) ? ? ? ? ? ? ??? ? ? ?# 分离文件前后缀，front为前缀名，ext为后缀名
? ? ? ? ? ? front, ext = file_ext?? ??? ??? ??? ??? ??? ??? ? ? ?# 将前后缀分别赋予front和ext
? ? ? ? ? ? if ext ? != '.jpg':
? ? ? ? ? ? # if front[-1]== '.':
? ? ? ? ? ? ? ? re_name=name[:-4]+".jpg"
? ? ? ? ? ? ? ? try:
? ? ? ? ? ? ? ? ? ? os.rename( ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# 实现重命名操作
? ? ? ? ? ? ? ? ? ? os.path.join(new_root, name),
? ? ? ? ? ? ? ? ? ? ? ? os.path.join(new_root,re_name ))
? ? ? ? ? ? ? ? except: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 报错的话就会执行下面的东西
? ? ? ? ? ? ? ? ? ? t= "_"+name
? ? ? ? ? ? ? ? ? ? os.rename( ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# 防止更改后的文件名与先有的文件名重复，这里做个记号 实现重命名操作
? ? ? ? ? ? ? ? ? ? ? ? os.path.join(new_root, name),
? ? ? ? ? ? ? ? ? ? ? ? os.path.join(new_root, t))
if __name__ == "__main__":
? ? fond()
'''
按文件名进行排序输出“最大”或“最小”文件名字
'''
import os
import cv2
import numpy as np
import PIL.Image as Image
path = 'C:\\Users\\12281\\Desktop\\test' ?# 文件夹地址
path_save = 'C:\\Users\\12281\\Desktop\\test'
def fond():
? ? for root, dirs, files in os.walk(path, topdown=False):
? ? ? ? new_root = root.replace(path, path_save) ? ? ? ? ? ? ? ?# 原路径保存
? ? ? ? for name in files: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# dirs：Prints out sub-directories from root.# files 具体文件名字
? ? ? ? ? ? file_ext = os.path.splitext(name) ? ? ? ? ? ? ??? ? ? ?# 分离文件前后缀，front为前缀名，ext为后缀名
? ? ? ? ? ? front, ext = file_ext?? ??? ??? ??? ??? ??? ??? ? ? ?# 将前后缀分别赋予front和ext
? ? ? ? ? ? if front== 'unmasked':
? ? ? ? ? ? ? ? n=len(files)-1
? ? ? ? ? ? ? ? t ? = str(n)+".jpg"
? ? ? ? ? ? ? ? try:
? ? ? ? ? ? ? ? ? ? os.rename( ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?# 实现重命名操作
? ? ? ? ? ? ? ? ? ? os.path.join(new_root, name),
? ? ? ? ? ? ? ? ? ? ? ? os.path.join(new_root, t))
? ? ? ? ? ? ? ? except: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 报错的话就会执行下面的东西
? ? ? ? ? ? ? ? ? ? t= ? "_"+t
? ? ? ? ? ? ? ? ? ? os.rename( ?# 实现重命名操作
? ? ? ? ? ? ? ? ? ? ? ? os.path.join(new_root, name),
? ? ? ? ? ? ? ? ? ? ? ? os.path.join(new_root, t))
if __name__ == "__main__":
? ? fond()
'''
按文件名进行排序输出“最大”或“最小”文件名字
'''
import os
import cv2
import numpy as np
import PIL.Image as Image
import shutil
path = 'C:\\Users\\12281\\Desktop\\CASIA_masked' ?# 文件夹地址
path_save = 'C:\\Users\\12281\\Desktop\\CASIA_masked'
def fond():
? ? count=0
? ? for root, dirs, files in os.walk(path, topdown=False):
? ? ? ? for dir in dirs: ?# dirs：Prints out sub-directories from root.# files 具体文件名字
? ? ? ? ? ? try:
? ? ? ? ? ? ? ? if dir.split("_")[1] == "mk":
? ? ? ? ? ? ? ? ? ? pass
? ? ? ? ? ? except:
? ? ? ? ? ? ? ? # os.remove(os.path.join(root, dir)) ? ?# 这个只能删除某个文件
? ? ? ? ? ? ? ? # os.remove –删除文件。
? ? ? ? ? ? ? ? # os.rmdir –删除文件夹。
? ? ? ? ? ? ? ? # shutil.rmtree –删除目录及其所有内容。
? ? ? ? ? ? ? ? shutil.rmtree(os.path.join(root, dir)) ?# 删除文件夹极其内部的文件
? ? ? ? ? ? ? ? count = count + 1
? ? ? ? ? ? ? ? pass
? ? print(count)
if __name__ == "__main__":
#!/usr/bin/python
# encoding:utf-8
#
import time
import serial
import serial.tools.list_ports
plist = list(serial.tools.list_ports.comports()) ? ?# 使用此方法得到可用的usb口数据，把是串口的输出成列表
if len(plist) <= 0: ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 如果输出的列表是空的说明没有打开任何串口
? ? print("没有发现端口!")
else:
? ? plist_0 = list(plist[0])
? ? print(plist)
serialName = plist_0[0]
print("可用端口名>>>",serialName)
ser = serial.Serial(serialName, 9600, 8, 'N', 1) ? ?# 设置了第一个串口号，波特率 数据位 奇偶校验 停止位
while True:
? ? ser.write('A'.encode()) ? ? ? ? ? ? ? ? ? ? ? ? # 向串口内写入数据'A' 两位数分别对应了单片机的两个
? ? count = ser.inWaiting() ? ? ? ? ? ? ? ? ? ? ? ? # 当没有数据传回电脑时，程序顺序执行到此处进行等待
? ? if count > 0:
? ? ? ? recive = ser.read(count) ? ? ? ? ? ? ? ? ? ?# 电脑读取单片机回传数据的方法
? ? ? ? if len(recive)==5: ? ? ? ? ? ? ? ? ? ? ? ? ?# 如果检测成果则就开始执行下面进入到编码和识别阶段
? ? ? ? ? ? print("识别成功")
? ? ? ? print(recive)
? ? time.sleep(0.8) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? # 延时操作，程序顺序等待0.2秒
? ? print("success")
? ? # ser.write('01\r\n'.encode()) ?# 1代表电量，0代表熄灭
? ? # time.sleep(0.2)
# !/usr/bin/python
# encoding:utf-8
#
# import serial
# import serial.tools.list_ports
#
# """查看可用串口操作"""
# plist = list(serial.tools.list_ports.comports())
# if len(plist) <= 0:
# ? ? print("没有发现端口!")
# else:
# ? ? plist_0 = list(plist[0])
# ? ? serialName = plist_0[0]
# ? ? # serialFd = serial.Serial(serialName, 9600, timeout=60)
# ? ? print("可用端口名>>>", serialName)
#
# '''电脑接收数据'''
#
# def recive_serial():
# ? ? ser = serial.Serial(serialName, 9600, 8, 'N', 1) ?# 设置了第一个串口号，波特率，读超时设置
# ? ? # ser.open()
# ? ? while True:
# ? ? ? ? # ser.write('10\r\n'.encode())
# ? ? ? ? count = ser.inWaiting() ? ? ? ?# 当没有数据传回电脑时，程序顺序执行到此处进行等待
# ? ? ? ? if count > 0:
# ? ? ? ? ? ? recive = ser.read(count) ? # 电脑读取单片机回传数据的方法
# ? ? ? ? ? ? # if recive == b'01\r\n': ?# 没有经过处理，直接硬骇识别
# ? ? ? ? ? ? if len(recive) == 2: ? ? ? # 如果检测成果则就开始执行下面进入到编码和识别阶段
# ? ? ? ? ? ? ? ? print("识别成功")
# ? ? ? ? ? ? print(recive)
# recive_serial()
另一个
import serial
# 串口打开函数
def open_ser():
? ? port = 'COM7' ?# 串口号
? ? baudrate = 115200 ?# 波特率
? ? try:
? ? ? ? global ser
? ? ? ? ser = serial.Serial(port, baudrate, timeout=2)
? ? ? ? if ser.isOpen() == True:
? ? ? ? ? ? print("串口打开成功")
? ? except Exception as exc:
? ? ? ? print("串口打开异常", exc)
# 数据发送
def send_msg():
? ? try:
? ? ? ? send_datas = input("请输入要发送的数据:\n")
? ? ? ? ser.write(str(send_datas + '\r\n').encode("gbk"))
? ? ? ? print('-' * 80)
? ? ? ? print("已发送数据:")
? ? ? ? print(send_datas)
? ? ? ? print('-' * 80)
? ? ? ? # send_datas1 = 875
? ? ? ? # ser.write(str(send_datas1).encode("gbk"))
? ? ? ? # print("已发送数据:", send_datas1)
? ? except Exception as exc:
? ? ? ? print("发送异常", exc)
# 接收数据
def read_msg():
? ? try:
? ? ? ? print("等待接收数据......")
? ? ? ? while True:
? ? ? ? ? ? data = ser.read(ser.in_waiting).decode('gbk')
? ? ? ? ? ? if data != '':
? ? ? ? ? ? ? ? break
? ? ? ? print('-' * 80)
? ? ? ? print("已接受到数据:")
? ? ? ? print(data)
? ? ? ? print('-' * 80)
? ? except Exception as exc:
? ? ? ? print("读取异常", exc)
# 关闭串口
def close_ser():
? ? try:
? ? ? ? ser.close()
? ? ? ? if ser.isOpen():
? ? ? ? ? ? print("串口未关闭")
? ? ? ? else:
? ? ? ? ? ? print("串口已关闭")
? ? except Exception as exc:
? ? ? ? print("串口关闭异常", exc)
if __name__ == '__main__':
? ? ser = None
? ? open_ser() ?# 打开串口
? ? while 1:
? ? ? ? print('----------请选择你要进行的操作----------')
? ? ? ? print('---1:发送数据--2:接收数据--3:关闭串口---')
? ? ? ? op = input('请输入:')
? ? ? ? if op == '1':
? ? ? ? ? ? send_msg() ?# 写数据
? ? ? ? if op == '2':
? ? ? ? ? ? read_msg() ?# 读数据2
? ? ? ? if op == '3':
? ? ? ? ? ? close_ser() ?# 关闭串口
? ? ? ? ? ? break
import numpy as np
import cv2
import os
# 1.每张图像大小
size = (2500, 1900)
print("每张图片的大小为({},{})".format(size[0], size[1]))
# 2.设置源路径与保存路径
src_path ='C:\\Users\\12281\\Desktop\\7\\0.0\\'
sav_path ='C:\\Users\\12281\\Desktop\\7\\organoid4.mp4'
# 3.获取图片总的个数
all_files = os.listdir(src_path)
index = len(all_files)
print("图片总数为:" + str(index) + "张")
# 4.设置视频写入器
fourcc = cv2.VideoWriter_fourcc(*'mp4v') ?# MP4格式
# 完成写入对象的创建，第一个参数是合成之后的视频的名称，第二个参数是可以使用的编码器，第三个参数是帧率即每秒钟展示多少张图片，第四个参数是图片大小信息
videowrite = cv2.VideoWriter(sav_path, fourcc, 2, size) ?# 2是每秒的帧数，size是图片尺寸
# 5.临时存放图片的数组
img_array = []
# 6.读取所有jpg格式的图片 (这里图片命名是0-index.jpg example: 0.jpg 1.jpg ...)
for filename in [src_path + r'{0}.jpg'.format(i) for i in range(0, index)]:
? ? img = cv2.imread(filename)
? ? if img is None:
? ? ? ? print(filename + " is error!")
? ? ? ? continue
? ? img_array.append(img)
# 7.合成视频
for i in range(0, index):
? ? img_array[i] = cv2.resize(img_array[i], (2500, 1900))
? ? videowrite.write(img_array[i])
? ? print('第{}张图片合成成功'.format(i))
print('------done!!!-------')
if __name__ == '__main__':
? ? cap = cv2.VideoCapture(0)
? ? cap.set(3, 112)
? ? cap.set(4, 112)
? ? # cv2.namedWindow('test_cam', cv2.WINDOW_NORMAL) ?# 窗口大小可设置
? ? def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
? ? ? ? if (isinstance(img, np.ndarray)): ?# 判断是否OpenCV图片类型
? ? ? ? ? ? img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
? ? ? ? # 创建一个可以在给定图像上绘图的对象
? ? ? ? draw = ImageDraw.Draw(img)
? ? ? ? # 字体的格式
? ? ? ? fontStyle = ImageFont.truetype(
? ? ? ? ? ? "simsun.ttc", textSize, encoding="utf-8")
? ? ? ? # 绘制文本
? ? ? ? draw.text(position, text, textColor, font=fontStyle)
? ? ? ? # 转换回OpenCV格式
? ? ? ? return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)
? ? while True:
? ? ? ? ret, frame = cap.read() ?# 读取视频
? ? ? ? if ret is False: ?# 当所有帧读取完毕后退出循环
? ? ? ? ? ? print('视频读取失败 or 视频读取完毕')
? ? ? ? ? ? break
? ? ? ? s=np.var(frame)
? ? ? ? v=np.mean(frame)
? ? ? ? if s<=2000:
? ? ? ? ? ? # pass
? ? ? ? ? ? frame = cv2AddChineseText(frame, "已遮挡!!!", (10, 20), ?(255, 0, 0), 100)
? ? ? ? print(s)
? ? ? ? # print(v)
? ? ? ? # frame = cv2.putText(frame, "s= %.2f" % (fps), (0, 40), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) ?# 1指1号字
? ? ? ? cv2.imshow("video", frame) ?# p 重复一帧帧的显示
? ? ? ? c = cv2.waitKey(1) & 0xff ?# p cv2.waitkey(1)返回值为-1， 参数为0 按任意键跳出等待 esc 的asii为27 谁个0xff与都是谁
? ? ? ? if c == 27:
? ? ? ? ? ? cap.release()
? ? ? ? ? ? break
? ? print("Video Detection Done!")