本文主要是介绍python添加进度条，以双线性差值为例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
from tqdm import tqdm
import time
data = range(10)
for item in tqdm(data, desc='Processing'):
time.sleep(0.1)
原本代码：
import numpy as np
import cv2
from matplotlib import pyplot as pltimg_path = 'download1.jpg'
img = cv2.imread(img_path)
src_h = img.shape[0]
src_w = img.shape[1]
dst_h = int(2*src_h) # 图像缩放倍数
dst_w = int(2*src_w) # 图像缩放倍数dst_img = np.zeros((dst_h, dst_w, 3), dtype=np.uint8)for c in range(3):for h in range(dst_h):for w in range(dst_w):# 目标点在原图上的位置# 使几何中心点重合src_x = (w+0.5)*src_w/dst_w-0.5src_y = (h+0.5)*src_h/dst_h-0.5if src_x<0:src_x = 0if src_y<0:src_y = 0# 不考虑几何中心重合直接对应
# src_x = w*src_w/dst_w
# src_y = h*src_h/dst_h# 确定最近的四个点# np.floor()返回不大于输入参数的最大整数。（向下取整）x1 = int(np.floor(src_x))y1 = int(np.floor(src_y))x2 = int(min(x1+1, src_w-1)) #防止超出原图像范围y2 = int(min(y1+1, src_h-1.6))# x方向线性插值，原公式本来要除一个（x2-x1），这里x2-x1=1R1 = (x2-src_x)*img[y1,x1,c]+(src_x-x1)*img[y1,x2,c]R2 = (x2-src_x)*img[y2,x1,c]+(src_x-x1)*img[y2,x2,c]# y方向线性插值，同样，原公式本来要除一个（y2-y1），这里y2-y1=1P = (y2-src_y)*R1+(src_y-y1)*R2dst_img[h,w,c] = P
#plt.imshow(dst_img)
cv2.imshow('dst.jpg', dst_img)
cv2.imwrite('dst.jpg', dst_img)
正确的加进度条方式
import numpy as np
import cv2
from matplotlib import pyplot as plt
from tqdm import tqdm
import timeimg_path = 'download1.jpg'
img = cv2.imread(img_path)
src_h = img.shape[0]
src_w = img.shape[1]
dst_h = int(2*src_h) # 图像缩放倍数
dst_w = int(2*src_w) # 图像缩放倍数dst_img = np.zeros((dst_h, dst_w, 3), dtype=np.uint8)for c in range(3):for h in tqdm(range(dst_h)):#for h in range(dst_h):for w in range(dst_w):# 目标点在原图上的位置# 使几何中心点重合src_x = (w+0.5)*src_w/dst_w-0.5src_y = (h+0.5)*src_h/dst_h-0.5if src_x<0:src_x = 0if src_y<0:src_y = 0# 不考虑几何中心重合直接对应
# src_x = w*src_w/dst_w
# src_y = h*src_h/dst_h# 确定最近的四个点# np.floor()返回不大于输入参数的最大整数。（向下取整）x1 = int(np.floor(src_x))y1 = int(np.floor(src_y))x2 = int(min(x1+1, src_w-1)) #防止超出原图像范围y2 = int(min(y1+1, src_h-1.6))# x方向线性插值，原公式本来要除一个（x2-x1），这里x2-x1=1R1 = (x2-src_x)*img[y1,x1,c]+(src_x-x1)*img[y1,x2,c]R2 = (x2-src_x)*img[y2,x1,c]+(src_x-x1)*img[y2,x2,c]# y方向线性插值，同样，原公式本来要除一个（y2-y1），这里y2-y1=1P = (y2-src_y)*R1+(src_y-y1)*R2dst_img[h,w,c] = P
#plt.imshow(dst_img)
cv2.imshow('dst.jpg', dst_img)
cv2.imwrite('dst.jpg', dst_img)错误的加进度条方式
import numpy as np
import cv2
from matplotlib import pyplot as plt
from tqdm import tqdm
import timeimg_path = 'download1.jpg'
img = cv2.imread(img_path)
src_h = img.shape[0]
src_w = img.shape[1]
dst_h = int(2*src_h) # 图像缩放倍数
dst_w = int(2*src_w) # 图像缩放倍数dst_img = np.zeros((dst_h, dst_w, 3), dtype=np.uint8)#会让双线性差值执行100次
for h in tqdm(range(100)):for c in range(3):for h in range(dst_h):for w in range(dst_w):# 目标点在原图上的位置# 使几何中心点重合src_x = (w+0.5)*src_w/dst_w-0.5src_y = (h+0.5)*src_h/dst_h-0.5if src_x<0:src_x = 0if src_y<0:src_y = 0# 不考虑几何中心重合直接对应# src_x = w*src_w/dst_w# src_y = h*src_h/dst_h# 确定最近的四个点# np.floor()返回不大于输入参数的最大整数。（向下取整）x1 = int(np.floor(src_x))y1 = int(np.floor(src_y))x2 = int(min(x1+1, src_w-1)) #防止超出原图像范围y2 = int(min(y1+1, src_h-1.6))# x方向线性插值，原公式本来要除一个（x2-x1），这里x2-x1=1R1 = (x2-src_x)*img[y1,x1,c]+(src_x-x1)*img[y1,x2,c]R2 = (x2-src_x)*img[y2,x1,c]+(src_x-x1)*img[y2,x2,c]# y方向线性插值，同样，原公式本来要除一个（y2-y1），这里y2-y1=1P = (y2-src_y)*R1+(src_y-y1)*R2dst_img[h,w,c] = P
#plt.imshow(dst_img)
cv2.imshow('dst.jpg', dst_img)
cv2.imwrite('dst.jpg', dst_img)这篇关于python添加进度条，以双线性差值为例的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
