数字旗手

简介 Kaggle上有一个钢材表面缺陷检测的竞赛，是一个很好的将深度学习应用于传统材料检测的例子。对该赛题和解法的剖析，可以辅助理解深度学习的流程，及其应用于具体问题的套路。 这次解析分为两部分： （1）第一部分，即本文，是一个预备性工作，即对该竞赛的数据集的分析和可视化，参考的是这个notebook——clear mask visualization and simple eda。感谢GoldFish的分享。 （2）第二部分，参见另一篇文章，即算法分析，参考的是Rishabh Agrahari的使用PyTorch框架及UNet算法的notebook。 其他参考文献： * kaggle

本文是对ImagePy的IBook中的Cell Analysis的解析。 该例子用到了很多功能，从中可以一窥图像处理的常用流程和ImagePy常用组件的用法。 该文件是个录制的宏文件，因此，命令都是“插件名称>参数字典”的形式。 打开图像 1 cell>None 该宏命令就是打开了cell图像，如图： 之所以能这样打开图像，是因为在生成ImagePy主界面时，已经将该图像解析成了插件，具体过程可以参见之前解析主界面渲染的文章。 主要原理通过查看IBook下的Image Referenced文件夹下的image_plgs文件就一目了然： 1 2 3 4 5 6 7 8 9 10 11

%%%%%%%%%%%%%% 2020-8-2更新：增加寻找邻居标识的过程解析 %%%%%%%%%%%%%% 参考文献： OpenCV分水岭Watershed算法的前因后果 The Watershed Transformation 图像准备 此处分水岭算法所使用的样例图像为： 上述图像仅是为了便于展示，其实际尺寸为15乘以15像素，即像素矩阵为： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 [[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [ 0,

源码在：这里 还有一篇参考文献：局部极值提取算法 图像准备 首先创建一张10 pixels乘以10 pixels的背底黑色、中间白色的图像，如下图所示（下图仅是为了显示，实际图像是100个像素的面积大小，这样是为了后面显示像素矩阵时更方便）： 然后上面这张图像不能直接传入findmax脚本中，实际用到的是它的距离变换图（注意将这张图的显示范围调整为0-3，因为面积很小，所以距离很近，如果正常0-255显示则就是一片黑色）： 这张图像的像素矩阵就是： 1 2 3 4 5 6 7 8 9 10 [[0 0 0 0 0 0 0 0 0 0] [0 0 0 0 0 0 0 0 0 0]

参考文献： ImagePy开发文档 —— 宏引擎 Macros 插件 Macros 是一个宏执行器引擎，它负责将一串 ImagePy 命令依次执行。 事实上我们几乎不会去继承 Macros，它仅仅是 ImagePy 为了实现宏功能，并统一为一种引擎接口而设计的辅助类。 因此，Macros引擎常见的用法是：首先通过宏录制器来完成记录，宏录制器在Plugins > Macros> Macros Recorder， 然后将录制的命令保存到menus或其子文件夹里，以mc作为后缀，重启即可加载到对应位置。（语出上面的参考文献） Macros引擎 先来看一下Macros类的全貌： 1 2 3 4 5

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 2020-9-5 更新： 加入draw_image()和mix_img()方法的详解 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 前面系列文已经提到，ImagePy的画布Canvas类已经被抽象出来，可以被单独使用。 本节就对该类做一个详细解析：因为Canvas类又调用了同一路径下的boxutil和imutil，所以本文的思路是先整体介绍它的运行机理，然后具体到某一功能时可以再详细查看下方的详细解释，这样不至于迷失在代码中。。 该类的源码地址在这里。 画布Canvas运行机理 总体看一下它的调

参考文献： Computation on Arrays: Broadcasting Indexing 本文就是对上面两篇参考文献的翻译理解。 广播Broadcasting 广播的原则： （1）如果两个数组的形状不同，那么形状小的那个数组填充成另一个数组的形状（注意是用形状1来向左填充，具体见下方示例）。 （2）如果两个数组的形状相同，但某一维度上数目不匹配，那么在这一维度上形状为1的数组扩展成另一个数组的形状。 （3）如果两个数组的形状相同，在某一维度上数目不匹配，但在这一维度上形状都不为1，那么报错。 Example 1 我们想把下面两个数组相加： 1 2 M = np.ones(

本文是对《wxPython in Action》一书的第6.1节和第12.2节的翻译理解。 ImagePy很多的组件都用到了wxPython的设备上下文进行绘制，比如histogram panel、curve panel、colormap panel和Canvas等。可以说，对于wxPython不提供的组件，ImagePy都通过DC绘制进行了自己开发，因此这一部分对于理解ImagePy的UI交互会很有帮助。 wxPython设备上下文 为了能在屏幕上绘图，需要使用wxPython的称为设备上下文Device Context的对象，它能对显示设备进行抽象，给予每个设备一套通用的绘图方法，这样一

看到一篇非常好的讲解Python星号变量的用法，特转载之。 来自:晴刃(QingSword.COM) 原文连接:http://www.qingsword.com/qing/python-12.html 引言 在Python中，星号除了用于乘法数值运算和幂运算外，还有一种特殊的用法”在变量前添加单个星号或两个星号”，实现多参数的传入或变量的拆解，本文将详细介绍”星号参数”的用法。 0×1.什么是星号变量 最初，星号变量是用在函数的参数传递上的，在下面的实例中，单个星号代表这个位置接收任意多个非关键字参数，在函数的b位置上将其转化成元组，而双星号代表这个位置接收任意多个关键字参数，在*b位置上

参考文献： Python 的 import 机制 Python 相对导入与绝对导入 python: __main__ is not a package Python import的搜索路径 import的搜索路径为： 1. 搜索「内置模块」（built-in module） 2. 搜索 sys.path 中的路径 而sys.path在初始化时，又会按照顺序添加以下路径： 1. foo.py 所在目录（如果是软链接，那么是真正的 foo.py 所在目录）或当前目录； 2. 环境变量 PYTHONPATH中列出的目录（类似环境变量 PATH，由用户定义，默认为空）； 3. sit