6.20. Yhteenveto

Luku käsitteli ne numpy- ja scipy-moduulien osat, joihin OpenMV-sovellus turvautuu, kun operaatiolle ei ole sisäänrakennettua kuvakirjaston metodia:

  • Käsitteet – mikä ndarray on, miksi pakattu tyypitetty puskuri voittaa Python-list-listan numeerisessa työssä, ja kameran tukema dtype-joukko.

  • Muoto ja indeksointi – näkymät vs. kopiot, viipalesijoitus varauksettomiin päivityksiin, transpose() kuvaajan muokkauksena.

  • Matematiikka – alkioittaiset operaattorit, universaalit funktiot kuten sin(), lähetyssäännöt, redusoinnit kuten mean() ja valinta-apufunktiot kuten where().

  • Lineaarialgebra – dot() matriisikertolaskuun, inv() / det() käänteismatriisiin, sekä numpy.linalg- ja scipy.linalg-moduulien hajotelmat ja ratkaisijat enemmän rakennetta omaaviin ongelmiin.

  • Signaalinkäsittely – fft(), sosfilt() digitaaliseen suodatukseen ja spectrogram() varauksettomiin magnitudispektreihin suoratoistosilmukassa.

  • Käyrät ja integrointi – interp(), polyfit() / polyval(), convolve() lyhyisiin FIR-suodattimiin, trapz() näytteistetyn datan puolisuunnikasintegrointiin.

  • Ratkaisijat ja satunnaisluvut – scipy.integrate Python-kutsuttavan kvadratuuriin, scipy.optimize juurten etsintään ja minimointiin, scipy.special tilastollisiin erikoisfunktioihin ja Generator pseudosatunnaiseen näytteenottoon.

  • Kuvat – to_ndarray()- ja image.Image-silta niihin harvoihin tapauksiin, joita kuvakirjasto ei kata.

  • Suorituskyky – pienet dtype-tyypit, ennalta varatut puskurit, paikalla muokkaavat operaattorit, out=-avainsanat ja boolean-maskien vaihtuvuuden varominen suoratoistosilmukoissa.

Tämä kattaa geneerisen numeerisen työn, johon muu kamera nojaa. numpy on työkalupakki, johon sovellus tarttuu, kun operaatiolle ei ole sisäänrakennettua metodia Image-luokassa – mukautettu pikselimuunnos, kalibrointiratkaisu, puskuroidun äänen FFT.