描述
Python 凭借语法的易学性，代码的简洁性以及类库的丰富性，赢得了众多开发者的喜爱。因此也促使了很多开发者使用Python开发新的模块，从而形成了良性循环。Python可以凭借更加简洁的代码实现非常多有趣的操作，下面我们来看看，用不超过10行代码能实现些什么有趣的功能
在很多时候，尤其是在线聊天时，输了什么也不能输掉斗图啊，下面的代码可以快速生成动图，在和朋友的斗图当中，得胜的把握又增加了，接下来我们看一下代码实现
import imageio image_list = ['D:\/code\/gropImage\/image\/1.jpg','D:\/code\/gropImage\/image\/2.jpg', 'D:\/code\/gropImage\/image\/3.jpg', 'D:\/code\/gropImage\/image\/4.jpg'] gif_name = "dongtu.gif" duration = 1 frames = [] for image_name in image_list: frames.append(imageio.imread(image_name)) imageio.mimsave(gif_name, frames, "GIF", duration=duration)
import qrcode text=input(输入文字/url) image=qrcode.make(text) img.save() img.show()
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple pip install paddlehub -i https://mirror.baidu.com/pypi/simple
批量获取指定目录下的图片，然后通过 paddlehub 训练好的模型进行批量抠图处理,接下来我们看一下代码实现
import os import paddlehub as hub humanseg = hub.Module(name='deeplabv3p_xception65_humanseg') # 加载模型 path = 'D:\/code\/gropImage\/' # 文件目录 # 获取文件列表 files = [path + i for i in os.listdir(path)] results = humanseg.segmentation(data={'image': files}) # 抠图
飞浆同样有很强的自然语言处理能力，在处理文字情绪识别方面也非常突出,接下来我们看一下代码实现
import paddlehub as hub senta_lstm = hub.Module(name='senta_lstm') senta_lstm_text=["你真美","你真丑 ","我好难过识","我不开心","这个游戏好好玩","什么垃圾游戏"] results=senta_lstm.classify(data={'text':senta_lstm_text})
文本中数据出现频率较高的关键词在视觉上做突出的呈现，形成的关键词渲染类似于云一样的彩色图片，从而一眼就可以看到哪些关键词出现的次数比较多，接下来我们看一下代码实现
import matplotlib.pyplot as plt from wordcloud import WordCloudimport jieba text_from_file_with_apath = open('D:\/code\/gropImage\/list.txt').rea() wordlist_after_jieba = jieba.cut(text_from_file with apath, cut_all = True) wl_space_split = .join(wordlist_after_jieba) my_wordcloud = WordCloud().generate(wl_space_split) plt.imshow(my_wordcloud) plt.axis(off) plt.show()
当今社会人脸识别可以说是随处可见，而在疫情肆虐的今天，口罩似乎也成为我们日常出现必备的条件，很多公司的门口增加了口罩识别的功能，飞浆工具也增加了口罩识别功能，接下来我们看一下代码实现
import paddlehub as hub # 加载模型 module = hub.Module(name='pyramidbox_lite_mobile_mask') # 图片列表 image_list = ['D:\/code\/gropImage\/lian1.jpg'] # 获取图片字典 input_dict = {'image':image_list} # 检测是否带了口罩 module.face_detection(data=input_dict)
人脸关键点检测是人脸识别和分析领域中的关键一步，它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口，接下来我们看一下代码实现
import paddlehub as hub face_landmark = hub.Module(name="face_landmark_localization") image = 'D:\/code\/gropImage\/img_face.jpg' result = face_landmark.keypoint_detection(images=[cv2.imread(image)],visualization=True) print(result)
import pytesseract from PIL import Image image=Image.open('D:\/code\/gropImage\/img_text.jpg') text=pytesseract.image_to_string(image) print(text)
总结
Python是非常适合入门的编程语言，使用合适的教程便可以在短时间内掌握Python的知识，并通过编程完成很多工具所拥有的功能，好了，这就是今天分享的内容，如果喜欢，就点个赞吧~
