在Python中可使用的多線程模塊主要有兩個，thread和threading模塊。thread模塊提供了基本的線程和鎖的支持，建議新手不要使用。threading模塊允許創(chuàng)建和管理線程，提供了更多的同步原語。
創(chuàng)新互聯(lián)-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設、高性價比英山網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式英山網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設找我們，業(yè)務覆蓋英山地區(qū)。費用合理售后完善，十載實體公司更值得信賴。
thread模塊函數(shù)：
start_new_thread(function, args[, kwargs])：啟動新的線程以執(zhí)行function，返回線程標識。
allocate_lock()：返回LockType對象。
exit()：拋出SystemExit異常，如果沒有被捕獲，線程靜默退出。
LockType類型鎖對象的方法：
acquire([waitflag])：無參數(shù)，無條件獲得鎖，如果鎖已經(jīng)被其他線程獲取，則等待鎖被釋放。如果使用整型參數(shù)，參數(shù)為0，如果鎖可獲取，則獲取且返回True，否則返回False；參數(shù)為非0，與無參數(shù)相同。
locked()：返回鎖的狀態(tài)，如果已經(jīng)被獲取，則返回True，否則返回False。
release()：釋放鎖。只有已經(jīng)被獲取的鎖才能被釋放，不限于同一個線程。
threading模塊提供了更好的線程間的同步機制。threading模塊下有如下對象：
Thread
Lock
RLock
Condition
Event
Semaphore
BoundedSemaphore
Timer
threading模塊內(nèi)還有如下的函數(shù)：
active_count()
activeCount()：返回當前alive的線程數(shù)量
Condition()：返回新的條件變量對象
current_thread()
currentThread()：返回當前線程對象
enumerate()：返回當前活動的線程，不包括已經(jīng)結束和未開始的線程，包括主線程及守護線程。
settrace(func)：為所有線程設置一個跟蹤函數(shù)。
setprofile(func)：為所有純種設置一個profile函數(shù)。
更多Python知識請關注Python自學網(wǎng)
派桑和c/c++實際上是不同的工具，一個是斧頭，一個是菜刀，各有各的用途。非要把讓菜刀能砍柴，讓斧頭能切菜，這種努力有無必要，值得考慮。
派桑常用劇本，嚕蘇，速度慢，不嚴謹，但有它的便利，例如它有 list, tuple, 之類的東西。
混合編程 常用于 提高 派桑 速度。
常用 方法 是（1）包含 Python.h 文件頭 （2）定義 派桑 的 各種對象 為 各種 c 結構
（3）派桑 的 各種對象用指針，名字用 Py 或 _Py大頭 動態(tài)分配 在 heap （4）用函數(shù)跟蹤統(tǒng)計 各種對象結構 的個數(shù)變化，即時 釋放內(nèi)存（5）及時處理 派桑 exception
(6) 輸出為派桑的數(shù)據(jù)格式。
我沒有合起來用過，不過基本套路如此。
Sublime text追蹤函數(shù)插件：ctags
一、百度一下插件：
解壓后單獨取出ctags.exe使用即可。
二、安裝Sublime text插件：
1）確認Sublime text已安裝Install Package；
2）按Ctrl+shift+P，輸入Install Package回車；
3）彈出下拉框后輸入ctags回車進行下載；
4）以同樣方式安裝PhpBeautifier插件。
三、配置追蹤函數(shù)的快捷鍵（可省略）：
1）默認為ctrl+shift+鼠標左鍵。進入如下圖菜單：
彈出如下內(nèi)容：
2）將其全選復制到如下圖位置：
3）粘貼后修改并保存為如下圖內(nèi)容：
至此，安裝部分完成。
四、使用：
1）在命令行模式下（CMD），將目錄定位至PHP工程目錄，以參數(shù)“-R -f .tags”運行ctags.exe。（可根據(jù)需要將ctags.exe所在目錄加入環(huán)境變量中）
運行過程中會有WARNING提示，屬正?，F(xiàn)象。
完成后即可在Sublime text中使用：
1）在Sublime text中按Ctrl+鼠標左鍵點擊函數(shù)調(diào)用位置可跳轉至函數(shù)定義位置；
2）在彈出的函數(shù)定義位置處按Ctrl+鼠標右鍵點擊函數(shù)可跳轉回函數(shù)調(diào)用位置。
在本教程中，我們將學習如何基于 Opencv 和 Python 實現(xiàn)對象跟蹤。
首先必須明確目標檢測和目標跟蹤有什么區(qū)別：
我們將首先討論對象檢測，然后討論如何將對象跟蹤應用于檢測。
可能有不同的應用，例如，計算某個區(qū)域有多少人，檢查傳送帶上有多少物體通過，或者計算高速公路上的車輛。
當然，看過本教程后，您會很容易地想到數(shù)以千計的想法應用于現(xiàn)實生活或可能應用于工業(yè)。
在本教程中，我們將使用 3 個文件：
首先我們需要調(diào)用highway.mp4文件并創(chuàng)建一個mask:
正如您在示例代碼中看到的，我們還使用了 createBackgroundSubtractorMOG2 函數(shù)，該函數(shù)返回背景比率（background ratio），然后創(chuàng)建mask。
mask可視化結果：
但是，如您所見，圖像中有很多噪點。因此，讓我們通過刪除所有較小的元素來改進提取，并將我們的注意力集中在大于某個面積的對象上。
使用 OpenCV 的cv2.drawContours函數(shù)繪制輪廓，我們得到了這個結果。
就本教程而言，分析整個窗口并不重要。我們只對計算在某個點通過的所有車輛感興趣，因此，我們必須定義一個感興趣的區(qū)域 ROI 并僅在該區(qū)域應用mask。
結果可視化如下：
函數(shù) cv2.createBackgroundSubtractorMOG2 是在開始時添加的，沒有定義參數(shù)，現(xiàn)在讓我們看看如何進一步改進我們的結果。history是第一個參數(shù)，在這種情況下，它設置為 100，因為相機是固定的。varThreshold改為 40，因為該值越低，誤報的可能性就越大。在這種情況下，我們只對較大的對象感興趣。
在繼續(xù)處理矩形之前，我們對圖像進行了進一步的清理。為此，閾值函數(shù)就派上用場了。從我們的mask開始，我們告訴它我們只想顯示白色或黑色值，因此通過編寫254, 255，只會考慮 254 和 255 之間的值。
然后我們將找到的對象的坐標插入到 if 條件中并繪制矩形
這是最終結果：
我們現(xiàn)在只需導入和集成跟蹤功能。
一旦創(chuàng)建了對象，我們必須獲取邊界框的每個位置并將它們插入到單個數(shù)組中。
通過在屏幕上顯示結果，您可以看到所有通過 ROI 的通道是如何被識別的，以及它們的位置是如何插入到特定的數(shù)組中的。顯然，識別的摩托車越多，我們的數(shù)組就越大。
現(xiàn)在讓我們將帶有位置的數(shù)組傳遞給tracker.update()。我們將再次獲得一個包含位置的數(shù)組，但此外，將為每個對象分配一個唯一的 ID。
從代碼中可以看出，我們可以使用 for 循環(huán)分析所有內(nèi)容。此時我們只需要繪制矩形并顯示車輛 ID。
在圖像中，您可以看到結果
main.py
從視頻中也可以看到，我們已經(jīng)獲得了我們在本教程開始時設置的結果。
但是，您必須將其視為練習或起點，因為關于這個主題有很多話要說，而本教程的目的只是讓您了解對象跟蹤的原理。
如果你想將 Object Tracking 集成到你的項目中，你應該使用更可靠和先進的對象檢測方法，以及跟蹤方法。
完整代碼地址：私信“333”直接獲取或者「鏈接」
其實這真的很簡單,函數(shù) cv2.cvtColor() 也可以用到這里。但是現(xiàn)在你要傳入的參數(shù)是(你想要
的)BGR 值而不是一副圖。例如,我們要找到綠色的 HSV 值,我們只需在終端輸入以下命令:
**import cv2
import numpy as np
green=np.uint8([0,255,0])
hsv_green=cv2.cvtColor(green,cv2.COLOR_BGR2HSV)
error: /builddir/build/BUILD/opencv-2.4.6.1/
modules/imgproc/src/color.cpp:3541:
error: (-215) (scn == 3 || scn == 4) (depth == CV_8U || depth == CV_32F)
in function cvtColor
#scn (the number of channels of the source),
#i.e. self.img.channels(), is neither 3 nor 4.
#
#depth (of the source),
#i.e. self.img.depth(), is neither CV_8U nor CV_32F.
# 所以不能用 [0,255,0] ,而要用 [[[0,255,0]]]
# 這里的三層括號應該分別對應于 cvArray , cvMat , IplImage
green=np.uint8([[[0,255,0]]])
hsv_green=cv2.cvtColor(green,cv2.COLOR_BGR2HSV)
print hsv_green
[[[60 255 255]]]**1234567891011121314151617181912345678910111213141516171819
**擴展縮放只是改變圖像的尺寸大小。OpenCV 提供的函數(shù) cv2.resize()
可以實現(xiàn)這個功能。圖像的尺寸可以自己手動設置,你也可以指定縮放因子。我
們可以選擇使用不同的插值方法。在縮放時我們推薦使用 cv2.INTER_AREA,
在擴展時我們推薦使用 v2.INTER_CUBIC(慢) 和 v2.INTER_LINEAR。
默認情況下所有改變圖像尺寸大小的操作使用的插值方法都是 cv2.INTER_LINEAR。
你可以使用下面任意一種方法改變圖像的尺寸:**
12345671234567
**# -*- coding: utf-8 -*-
"""
@author: Andrew
"""
import cv2
import numpy as np
img=cv2.imread('tu.jpg')
res=cv2.resize(img,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)
height,width=img.shape[:2]
res=cv2.resize(img,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
while(1):
cv2.imshow('res',res)
cv2.imshow('img',img)
if cv2.waitKey(1)0xFF==27:
break
cv2.destroyAllWindows()**1234567891011121314151617181920212212345678910111213141516171819202122
頂
重慶分公司
重慶分公司
