OpenCV MSER 从屏幕截图中检测区域 - Python
OpenCV MSER detect areas from a screenshot - Python
我看到了这个例子：OpenCV MSER detect text areas - Python
我尝试使用该代码，但它不起作用。
错误是：
hulls = [cv2.convexHull(p.reshape(-1, 1, 2)) for p in regions]
AttributeError: 'list' object has no attribute 'reshape'
变量p从何而来？
整个构造 [cv2.convexHull(p.reshape(-1, 1, 2)) for p in regions] 称为 'list comprehension'。您可以在许多地方阅读更多关于它们的信息。
在你提到的代码中regions是一些可迭代的，比如一个列表。这意味着当您编写 for p in regions 时，p 会假定 regions 中的每个值，一次一个。这就是 p 的来源。
由于 p 参与列表理解，因此可以在表达式中使用。在本例中，表达式为 cv2.convexHull(p.reshape(-1, 1, 2))。因此，整个构造的值是 cv2.convexHull(p.reshape(-1, 1, 2)) 中每个 p 的值 regions.
我看到了这个例子：OpenCV MSER detect text areas - Python
我尝试使用该代码，但它不起作用。 错误是：
hulls = [cv2.convexHull(p.reshape(-1, 1, 2)) for p in regions]
AttributeError: 'list' object has no attribute 'reshape'
变量p从何而来？
整个构造 [cv2.convexHull(p.reshape(-1, 1, 2)) for p in regions] 称为 'list comprehension'。您可以在许多地方阅读更多关于它们的信息。
在你提到的代码中regions是一些可迭代的，比如一个列表。这意味着当您编写 for p in regions 时，p 会假定 regions 中的每个值，一次一个。这就是 p 的来源。
由于 p 参与列表理解，因此可以在表达式中使用。在本例中，表达式为 cv2.convexHull(p.reshape(-1, 1, 2))。因此，整个构造的值是 cv2.convexHull(p.reshape(-1, 1, 2)) 中每个 p 的值 regions.