개발새발코딩

스트림릿을 사용하기 위해 import 해줍니다. from pandas.core.indexing import _iLocIndexer import streamlit as st import pandas as pd def main(): df=pd.read_csv('data/iris.csv') if st.button('데이터 보기'): st.dataframe(df) name = 'Mike' if st.button('대문자로'): st.write(name.upper()) if st.button('소문자로'): st.write(name.lower()) if __name__ == '__main__': main() from pandas.core.indexing import _iLocIndexer import stream..

스트림릿과 판다스를 사용하기 위해 import 해줍니다. import streamlit as st import pandas as pd def main(): df=pd.read_csv('데이터프레임이 있는 경로와 이름 확장자명') st.dataframe(df) species = df['species'].unique() st.text('아이리스 꽃은'+species+'으로 되어있다.') st.write(df.head()) if __name__ == '__main__': main()

스트림릿을 사용하기 위해 import 해줍니다. import streamlit as st import streamlit as st def main(): st.title('웹 대시보드') st.text('웹 대시보드 개발하기') name = '홍길동' st.text(f'제 이름은 {name}입니다.') st.header('이 영역은 header 영역') st.subheader('이 영역은 subheader 영역') st.success('성공했을때의 메세지 영역') st.warning('이 영역은 경고 영역') st.info('정보를 보여주고 싶을때') st.error('문제가 발생했음을 알리고 싶을때') if __name__ == '__main__': main() import streamlit as st ..

streamlit은 간단하게 파이썬을 이용해서 앱을 만들수 있는 라이브러리 입니다. 먼저 streamlit을 사용하려면 라이브러리 설치부터 해야합니다. https://streamlit.io/ Streamlit • The fastest way to build and share data apps Streamlit is an open-source app framework for Machine Learning and Data Science teams. Create beautiful data apps in hours, not weeks. All in pure Python. All for free. streamlit.io streamlit 공식 홈페이지를 참고하셔도 됩니다. cmd 터미널에서 #터미널에서 실행합니다..

먼저 필요한 opencv를 import 해줍니다. import cv2 image = cv2.imread('이미지 경로와 이미지 파일.확장자명') cv2.imshow('original',image) #원본파일 보기 #회전시킬 이미지를 만들기 위한 정보 세팅 center = (image.shape[1]/2,image.shape[0]/2)#1은 x 좌표, 0은 y 좌표 rotationAngle = 70 scaleFactor = 1 #회전 시킬수 있는 행렬을 먼저 얻어와야합니다. matrix = cv2.getRotationMatrix2D(center,rotationAngle,scaleFactor) #회전시킬수 있는 행렬을 얻어왔으니, 이 행렬로 변환하라는 함수를 호출하면 됩니다 result = cv2.warpA..

먼저 필요한 numpy와 opencv를 import 해줍니다. import cv2 import numpy as np image = cv2.imread('이미지 경로와 이미지 파일.확장자명') cv2.imshow('original',image) #출력될 원본 이미지 이름 closeSize = 3 #제거할 노이즈 사이즈 element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2*closeSize,2*closeSize)) imageClose = cv2.morphologyEx(image,cv2.MORPH_CLOSE,element, iterations=3) cv2.imshow('close',imageClose) #변경한 이미지 출력할 이름 cv2.waitKey(0) c..

먼저 필요한 numpy와 opencv를 import 해줍니다. import cv2 import numpy as np image = cv2.imread('이미지 경로와 이미지 파일.확장자명') cv2.imshow('original',image) #출력될 원본 이미지 이름 openingSize = 3 #제거할 노이즈 사이즈 element = cv2.getStructuringElement(cv2.MORPH_RECT, (2*openingSize,2*openingSize)) imageOpened = cv2.morphologyEx(image,cv2.MORPH_ELLIPSE,element, iterations=5) cv2.imshow('open',imageOpened) #변경한 이미지 출력할 이름 cv2.waitKe..

먼저 필요한 numpy와 opencv를 import 해줍니다. import cv2 import numpy as np image = cv2.imread('이미지 경로와 이미지 파일.확장자명') cv2.imshow('original',image) #출력될 원본 이미지 이름 erodeSize = 6 #줄일 사이즈 element = cv2.getStructuringElement(cv2.MORPH_RECT,#사각형으로 줄인다 (2*erodeSize,2*erodeSize)) #줄일 사이즈 두배로 했습니다. imageErode = cv2.erode(image,element) cv2.imshow('erode',imageErode) #변경한 이미지 출력할 이름 cv2.waitKey(0) cv2.destroyAllWind..

Google Colab(구글 코랩)의 서버 컴퓨터는 리눅스를 사용하기 때문에 TensorFlow Image Object Detection API는 기존 visual studio code에서 하는것과 조금 다릅니다. 먼저 텐서플로우 버전을 낮추거나 하지않습니다. 테스트 결과 visual studio code에서 텐서플로우 2.5.0버전에서는 원활하게 실행이 되었지만, 구글 코랩에서는 2.5.0버전에서 import object_detection 에러가 나는것을 확인 했기 때문에 원래 텐서플로우 2.7.0버전으로 테스트 했습니다. #버전 확인 tf. __version__ 구글 코랩에서는 COCO API를 지원하기 때문에 따로 설치를 안해주셔도 됩니다. tensorflow github(깃허브)에 있는 repos..

먼저 필요한 numpy와 opencv를 import 해줍니다. import cv2 import numpy as np image = cv2.imread('이미지 경로와 이미지 파일.확장자명') cv2.imshow('original',image) #출력될 원본 이미지 이름 dilationSize = 6 #키울 사이즈 element = cv2.getStructuringElement(cv2.MORPH_RECT,#사각형으로 키운다(원으로 키우거나 다양한 파라미터가 있습니다.) (2*dilationSize,2*dilationSize)) #키울사이즈 두배로 했습니다. imageDilate = cv2.dilate(image,element) cv2.imshow('dilation',imageDilate) #변경한 이미지 ..