python版本ass字幕转srt自动转换批量转换, 将ass文件与python脚本放在同一目录下即可
2024-08-15 11:59:19 4KB python
1
使用Python实现的生辰八字计算和纳音五行计算类,支持实现以下功能: 1.支持公历和农历直接的相互转换; 2.支持生辰八字的计算,即年柱、月柱、日柱和时柱; 3.支持生辰八字对应五行的输出; 4.支持公历和农历两种输入参数。 当前版本:V1.3.20231020140529 有任何bug和建议欢迎大家积极评论,将尽快修复和完善
2024-08-15 10:08:04 12KB python
1
Python-3.11.9.tar离线安装包、centos7.x环境上安装ok
2024-08-14 18:52:54 95.91MB Python
1
数据库课程设计通常涉及到数据库设计、表的创建、数据的插入、查询、更新和删除等操作。附件是一个简单的示例,展示如何使用Python和SQLite数据库实现一个简单的出入库系统。这个系统将包含两个主要功能:入库和出库。 这个示例首先创建了一个名为inventory.db的SQLite数据库,并在其中创建了一个名为inventory的表,包含id、item_name和quantity三个字段。然后定义了三个函数:add_item用于添加新的物品和数量到库存中,remove_item用于从库存中减少指定物品的数量,query_inventory用于查询当前库存的所有物品和数量。 请注意,这个示例是非常基础的,实际的出入库系统可能需要更复杂的功能,如错误处理、事务管理、多用户支持等。此外,对于更大规模的系统,可能需要使用更强大的数据库系统,如MySQL、PostgreSQL等。
2024-08-14 17:11:41 3KB python sqlite
1
支付宝或者微信支付导出的收款二维码,除了二维码部分,还有很大一块背景图案,例如下面就是微信支付的收款二维码: 有时候我们仅仅只想要图片中间的方形二维码部分,为了提取出中间部分,我们可以使用图片处理软件,但图片处理软件不利于批处理,且学习也需要一定成本。本文将教你使用 Python 的图像处理库 pillow,轻松批量提取图片中间的方形二维码部分。 提取思路 以微信支付收款码图片为例: 分析图片我们可以看到,二维码位于白色背景中,而白色背景又位于绿色背景上。我们以图片左上角为坐标原点,横向为 x 轴(向右为正方向),纵向为 y 轴(向下为正方向)。我们的目标是需要确定白色背景部分 4 个角的坐
2024-08-14 14:56:51 67KB python 二维码
1
OpenCV(开源计算机视觉库)是一个强大的跨平台计算机视觉库,它被广泛应用于图像处理和计算机视觉相关的项目中。这个教程是由段力辉编译的OpenCV官方教程的中文版本,特别针对Python编程语言,使得中国开发者能更方便地学习和理解OpenCV的功能和用法。 在Python中使用OpenCV,你可以实现以下主要知识点: 1. 图像读取与显示:使用`cv2.imread()`函数读取图像,`cv2.imshow()`创建窗口并显示图像,`cv2.waitKey()`控制程序暂停等待用户操作。 2. 图像基本操作:包括图像的拷贝、裁剪、缩放、旋转等,通过`copy()`、`crop()`、`resize()`、`rotate()`等函数完成。 3. 图像颜色空间转换:如从BGR到灰度、HSV等颜色空间,使用`cv2.cvtColor()`函数进行转换。 4. 图像滤波:包括平滑滤波(均值、高斯滤波)和边缘检测(Sobel、Canny),使用`cv2.filter2D()`和相应的边缘检测函数。 5. 特征检测:如角点检测(Harris角点、Shi-Tomasi角点)、关键点检测(SIFT、SURF、ORB),这些是物体识别和追踪的基础。 6. 图像形态学操作:如腐蚀、膨胀、开闭运算,用于消除噪声、连接断开的线条或填充小孔洞。 7. 目标检测:使用Haar级联分类器或HOG+SVM进行人脸、行人等目标检测。 8. 机器学习与深度学习:OpenCV支持多种机器学习算法(如SVM、KNN),并集成了深度学习模块(DNN)来加载预训练的模型,如TensorFlow、Caffe等框架的模型。 9. 视频处理:读取、写入视频文件,帧处理,以及基于帧的图像操作。 10. 图像和视频流的实时处理:结合OpenCV与Python的多媒体库,可以实现摄像头的实时图像处理。 11. 图像拼接和全景图创建:通过匹配特征点和计算变换矩阵实现。 12. 三维重建:通过多视图几何,如立体匹配和结构从运动(SFM)技术,构建3D模型。 13. 文本检测与识别:利用OCR(光学字符识别)技术,提取和识别图像中的文本。 在段力辉的这个中文教程中,你将系统地学习到上述所有知识点,并通过实例代码加深理解和应用。通过阅读和实践,你不仅能掌握OpenCV的基本功能,还能了解到如何将其应用于实际项目中,提升你在计算机视觉领域的技能。
2024-08-14 12:11:46 5.67MB Python
1
1. 数据文件 train.csv 和 test.csv 包含手绘数字的灰度图像,从0到9 2.train.csv 有 label, test.csv 没有 3.每幅图像高28像素,宽28像素,总共784像素 4.每个像素都有一个与之关联的像素值,表示该像素的亮度或暗度,数字越大表示越暗 5.该像素值是0到255之间的整数,包括0和255
2024-08-13 19:43:04 15.25MB 数据集 手写数字识别 python 深度学习
1
vbo工具 RaceLogic VBO文件的简单实用程序。 csv2vbo.py 转换由各种数据记录软件产生的.csv文件,由RaceLogic数据记录器产生并由CircuitTools软件理解的.vbo文件。 该脚本需要Python 3,并且当前支持以下.csv变体: 赛车计时 G-Tech狂热者 跟踪大师 QStarz LT6000 可以通过手动导出.xls文件(仅概述和单页纸)来获取TrackMaster .csv。 csv2vbo.py在标准输入上需要一个.csv文件,并将.vbo文件写入标准输出。 它会自动检测输入的.csv文件的变体,否则将失败并退出。 例如,要将“ log.csv”转换为“ log.vbo”,需要发出以下命令: $ ./csv2vbo.py log.vbo 该脚本对输入的.csv文件没有过于严格的要求。 它必须包含带有列名的标题
2024-08-13 15:53:28 14KB Python
1
VBOX实验 vboxread脚本可以读取RaceLogic VBOX生成的.VBO格式文件,并对数据执行一些操作。 它将对数据执行几次转换: VBOX文件中的时间为HHMMSS.SSS,该时间将转换为两个额外的字段: time_of_day:午夜以来的时间(以秒为单位) 时间戳:自该纪元以来的绝对秒数,假设该时间与文件中记录的创建时间在同一天。 只要连接了GPS,就可以做到这一点。 datetime:时间戳记(人类可读的字符串) 纬度和经度在VBOX文件中以分钟为单位,西为正。 此脚本将它们转换为度数,以East为正: lat_deg long_deg 最初,人们希望vboxread能够完成各种各样的任务,但是现在我们主要使用它来转换为CSV,然后使用其他工具来处理CSV文件。 基本用途 跑步 vboxread --help 对于选项。 如果要使用stdin / std
2024-08-13 15:23:04 19KB Python
1
**Python实现的LDPC编译码仿真** 在通信领域,LDPC(Low-Density Parity Check)码是一种高效纠错编码技术,广泛应用于卫星通信、无线网络等场景。它通过构建稀疏的校验矩阵,利用迭代译码算法来提高信息传输的可靠性。本项目提供了Python语言实现的LDPC比特翻转译码和和积译码算法,能够快速地进行仿真,以验证这两种译码策略的效果。 我们来了解下**比特翻转译码算法**。该算法基于Belief Propagation(信念传播),通过迭代更新校验节点和变量节点的信息,找出最有可能的错误比特并进行纠正。在Python实现中,主要涉及以下几个步骤: 1. 初始化:设置初始的错误比特估计值。 2. 消息传递:校验节点向变量节点发送消息,然后变量节点向校验节点返回消息,这个过程会反复进行多次。 3. 比特翻转:根据收到的消息,判断并翻转可能错误的比特位。 4. 终止条件:当满足一定条件(如达到最大迭代次数或信噪比阈值)时停止迭代。 **和积译码算法**,又称Sum-Product Algorithm,也是基于信念传播的一种译码策略。和积算法在处理非对称信道时表现更优,计算复杂度稍高,但解码性能通常优于比特翻转。其主要步骤包括: 1. 初始化:和积算法同样需要初始化,但这里会涉及到先验概率的计算。 2. 消息传递:与比特翻转类似,也是进行校验节点和变量节点间的消息传递。 3. 更新概率:根据接收到的消息,更新每个比特为0和1的概率。 4. 译码决策:根据概率选择最可能的状态,即比特值。 5. 终止条件:同比特翻转译码,根据预设条件决定是否结束迭代。 Python实现的LDPC编译码仿真项目,可以方便地调整参数,如码率、信噪比、迭代次数等,从而观察不同条件下的误码率性能。通过对比两种译码算法的仿真结果,我们可以分析它们在不同情况下的优势和局限性,为实际应用提供参考。 在具体操作上,项目中的代码可能包含以下部分: - **LDPC码生成器**:生成具有特定结构的LDPC码,如随机生成或采用已知的构造方法。 - **信道模型**:模拟不同类型的信道,如AWGN(Additive White Gaussian Noise)白高斯噪声信道。 - **译码模块**:实现比特翻转和和积译码算法,包括消息传递、决策等核心功能。 - **仿真循环**:设置参数,运行译码过程,并记录误码率等性能指标。 - **结果展示**:以图形化方式展示误码率曲线,便于分析比较。 这个Python项目为学习和研究LDPC编译码提供了一个实用的工具,通过直观的仿真结果,用户可以深入理解这两种译码算法的工作原理,并探索如何优化它们的性能。无论是通信工程的学生还是研究人员,都能从中受益匪浅。
2024-08-13 13:47:55 3KB python LDPC
1