正文
python写分段函数 python写分段函数的代码
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
python编程这个怎么弄？
分段函数的代码用python实现如下：
x=eval(input('输入x的值:'))
if x!=0:
y=1/(2*x-1)
else:
y=0
print(y)
相关问答
Q1: python3.8.5shell怎么分段函数运算
这里的最好的分段输入的运算可以通过计算模式来完成虚拟手段
Q2: 用Python 求f(x)的分段函数,为什么不能用f(x)
了解下什么是函数哈
你可以直接写
def f(x):
if x 5:
return x
if 1 x = 5:
return x + 1
if -3 x = 1:
return 0.5 * x + 1
return x - 1
# 以下为输入和调用
x = int(inpit())
res = f(x)
print(res)
Q3: python两个变量的分段函数怎么打出来
jumpython分段函在python中可以进行不同函数的验算应用，同学们只需要好好地了解学习，就能够非常熟练的应用python中的各种功能。那今天让我们来看一看python如何去做一个分段函数呢?1.首先同学们需要打开python，想好去做分段函数的第一步，就是需要打开一个空白的编辑器，打开了空白的编辑器，同学们才能够更好地去进行操作。⒉.然后在空白的编辑器文件上编写程序，以x为未知数，进行各种操作之后，记得一定要方便计算平方和开方，在最后也要写好表达式，同学们一定要记录好结果。这样分段函数的程序就做好了，同学们可以利用这个程序进行简单的计算。3.之后同学们可以再打开这个程序，输入一些数字，最后在下面可以看到最终的结果。看到其中的过程就是分段函数计算的过程。在进行的过程中，只要操作没有问题，那么结果和过程就是没有问题的。本题目要求根据以下分段函数的定义，计算输入的x对应的y值，输出结果保留两位小数；如果输入的x是非数值型数据，输出'Input Error'。注意：使用math库输入格式:在一行中输入x的值。输出格式:按“f(x) = result”的格式输出，其中x与result都保留两位小数，注意'='两边有空格。如果输入的x是非数值型数据，输出：Input Error执行代码如下：try:import mathx=eval(input())if x0:print("f({:.2f}) = {:.2f}".format(x,math.log(x)+x**0.5))elif x=0:print("f(-{:.2f}) = 0.00".format(abs(x)))except NameError :print("Input Error")
￥
5.9
百度文库VIP限时优惠现在开通,立享6亿+VIP内容
立即获取
jumpython分段函
数据空间Datespace
jumpython分段函
在python中可以进行不同函数的验算应用，同学们只需要好好地了解学习，就能够非常熟练的应用python中的各种功能。那今天让我们来看一看python如何去做一个分段函数呢?
1.首先同学们需要打开python，想好去做分段函数的第一步，就是需要打开一个空白的编辑器，打开了空白的编辑器，同学们才能够更好地去进行操作。
⒉.然后在空白的编辑器文件上编写程序，以x为未知数，进行各种操作之后，记得一定要方便计算平方和开方，在最后也要写好表达式，同学们一定要记录好结果。这样分段函数的程序就做好了，同学们可以利用这个程序进行简单的计算。
第 1 页
3.之后同学们可以再打开这个程序，输入一些数字，最后在下面可以看到最终的结果。看到其中的过程就是分段函数计算的过程。在进行的过程中，只要操作没有问题，那么结果和过程就是没有问题的。
本题目要求根据以下分段函数的定义，计算输入的x对应的y值，输出结果保留两位小数；如果输入的x是非数值型数据，输出'Input Error'。注意：使用math库
输入格式:
Q4: 这个程序用python怎么写？
x = int(input('请输入x的值:'))
if x5:
print('y =',x+5)
elif 5 = x 10:
print('y =',x*2)
elif x = 10:
print('y =',x**3)
Q5: 数字图像处理Python实现图像灰度变换、直方图均衡、均值滤波
import CV2
import copy
import numpy as np
import random
使用的是pycharm
因为最近看了《银翼杀手2049》，里面Joi实在是太好看了所以原图像就用Joi了
要求是灰度图像，所以第一步先把图像转化成灰度图像
# 读入原始图像
img = CV2.imread('joi.jpg')
# 灰度化处理
gray = CV2.cvtColor(img, CV2.COLOR_BGR2GRAY)
CV2.imwrite('img.png', gray)
第一个任务是利用分段函数增强灰度对比，我自己随便写了个函数大致是这样的
def chng(a):
if a 255/3:
b = a/2
elif a 255/3*2:
b = (a-255/3)*2 + 255/6
else:
b = (a-255/3*2)/2 + 255/6 +255/3*2
return b
rows = img.shape[0]
cols = img.shape[1]
cover = copy.deepcopy(gray)
for i in range(rows):
for j in range(cols):
cover[i][j] = chng(cover[i][j])
CV2.imwrite('cover.png', cover)
下一步是直方图均衡化
# histogram equalization
def hist_equal(img, z_max=255):
H, W = img.shape
# S is the total of pixels
S = H * W * 1.
out = img.copy()
sum_h = 0.
for i in range(1, 255):
ind = np.where(img == i)
sum_h += len(img[ind])
z_prime = z_max / S * sum_h
out[ind] = z_prime
out = out.astype(np.uint8)
return out
covereq = hist_equal(cover)
CV2.imwrite('covereq.png', covereq)
在实现滤波之前先添加高斯噪声和椒盐噪声（代码来源于网络）
不知道这个椒盐噪声的名字是谁起的感觉隔壁小孩都馋哭了
用到了random.gauss()
percentage是噪声占比
def GaussianNoise(src,means,sigma,percetage):
NoiseImg=src
NoiseNum=int(percetage*src.shape[0]*src.shape[1])
for i in range(NoiseNum):
randX=random.randint(0,src.shape[0]-1)
randY=random.randint(0,src.shape[1]-1)
NoiseImg[randX, randY]=NoiseImg[randX,randY]+random.gauss(means,sigma)
if NoiseImg[randX, randY] 0:
NoiseImg[randX, randY]=0
elif NoiseImg[randX, randY]255:
NoiseImg[randX, randY]=255
return NoiseImg
def PepperandSalt(src,percetage):
NoiseImg=src
NoiseNum=int(percetage*src.shape[0]*src.shape[1])
for i in range(NoiseNum):
randX=random.randint(0,src.shape[0]-1)
randY=random.randint(0,src.shape[1]-1)
if random.randint(0,1)=0.5:
NoiseImg[randX,randY]=0
else:
NoiseImg[randX,randY]=255
return NoiseImg
covereqg = GaussianNoise(covereq, 2, 4, 0.8)
CV2.imwrite('covereqg.png', covereqg)
covereqps = PepperandSalt(covereq, 0.05)
CV2.imwrite('covereqps.png', covereqps)
下面开始均值滤波和中值滤波了
就以n x n为例，均值滤波就是用这n x n个像素点灰度值的平均值代替中心点，而中值就是中位数代替中心点，边界点周围补0；前两个函数的作用是算出这个点的灰度值，后两个是对整张图片进行
#均值滤波模板
def mean_filter(x, y, step, img):
sum_s = 0
for k in range(x-int(step/2), x+int(step/2)+1):
for m in range(y-int(step/2), y+int(step/2)+1):
if k-int(step/2) 0 or k+int(step/2)+1 img.shape[0]
or m-int(step/2) 0 or m+int(step/2)+1 img.shape[1]:
sum_s += 0
else:
sum_s += img[k][m] / (step*step)
return sum_s
#中值滤波模板
def median_filter(x, y, step, img):
sum_s=[]
for k in range(x-int(step/2), x+int(step/2)+1):
for m in range(y-int(step/2), y+int(step/2)+1):
if k-int(step/2) 0 or k+int(step/2)+1 img.shape[0]
or m-int(step/2) 0 or m+int(step/2)+1 img.shape[1]:
sum_s.append(0)
else:
sum_s.append(img[k][m])
sum_s.sort()
return sum_s[(int(step*step/2)+1)]
def median_filter_go(img, n):
img1 = copy.deepcopy(img)
for i in range(img.shape[0]):
for j in range(img.shape[1]):
img1[i][j] = median_filter(i, j, n, img)
return img1
def mean_filter_go(img, n):
img1 = copy.deepcopy(img)
for i in range(img.shape[0]):
for j in range(img.shape[1]):
img1[i][j] = mean_filter(i, j, n, img)
return img1
完整main代码如下：
if __name__ == "__main__":
# 读入原始图像
img = CV2.imread('joi.jpg')
# 灰度化处理
gray = CV2.cvtColor(img, CV2.COLOR_BGR2GRAY)
CV2.imwrite('img.png', gray)
rows = img.shape[0]
cols = img.shape[1]
cover = copy.deepcopy(gray)
for i in range(rows):
for j in range(cols):
cover[i][j] = chng(cover[i][j])
CV2.imwrite('cover.png', cover)
covereq = hist_equal(cover)
CV2.imwrite('covereq.png', covereq)
covereqg = GaussianNoise(covereq, 2, 4, 0.8)
CV2.imwrite('covereqg.png', covereqg)
covereqps = PepperandSalt(covereq, 0.05)
CV2.imwrite('covereqps.png', covereqps)
meanimg3 = mean_filter_go(covereqps, 3)
CV2.imwrite('medimg3.png', meanimg3)
meanimg5 = mean_filter_go(covereqps, 5)
CV2.imwrite('meanimg5.png', meanimg5)
meanimg7 = mean_filter_go(covereqps, 7)
CV2.imwrite('meanimg7.png', meanimg7)
medimg3 = median_filter_go(covereqg, 3)
CV2.imwrite('medimg3.png', medimg3)
medimg5 = median_filter_go(covereqg, 5)
CV2.imwrite('medimg5.png', medimg5)
medimg7 = median_filter_go(covereqg, 7)
CV2.imwrite('medimg7.png', medimg7)
medimg4 = median_filter_go(covereqps, 7)
CV2.imwrite('medimg4.png', medimg4)
python写分段函数的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于python写分段函数的代码、python写分段函数的信息别忘了在本站进行查找喔。
