معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Easy to use multi-core affine transformations

ویژگی	مقدار
سیستم عامل	-
نام فایل	affine-transform-0.2.8
نام	affine-transform
نسخه کتابخانه	0.2.8
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	NOhs, TobelRunner
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/NOhs/affine_transform_nd
آدرس اینترنتی	https://pypi.org/project/affine-transform/
مجوز	MIT

Affine Transformation: C++17, OpenMP, Python ============================================ |travis| |appveyor| |codecov| |rtd| |pypi| |python_vers| |GCC| |license| |codacy| |black| |requirements| .. |travis| image:: https://travis-ci.org/NOhs/affine_transform_nd.svg?branch=master :target: https://travis-ci.org/NOhs/affine_transform_nd :alt: Travis Status .. |appveyor| image:: https://ci.appveyor.com/api/projects/status/bh3gsedf83576wus/branch/master?svg=true :target: https://ci.appveyor.com/project/NOhs/affine-transform-nd/branch/master :alt: AppVeyor Status .. |codecov| image:: https://codecov.io/gh/NOhs/affine_transform_nd/branch/master/graph/badge.svg :target: https://codecov.io/gh/NOhs/affine_transform_nd :alt: Codecov Status .. |rtd| image:: https://readthedocs.org/projects/affine-transform-nd/badge/?version=latest :target: https://affine-transform-nd.readthedocs.io/en/latest/?badge=latest :alt: ReadTheDocs Status .. |pypi| image:: https://img.shields.io/pypi/v/affine_transform.svg?color=dark%20green :target: https://pypi.org/project/affine_transform :alt: PyPI .. |python_vers| image:: https://img.shields.io/pypi/pyversions/affine_transform :alt: PyPI - Python Version .. |GCC| image:: https://img.shields.io/badge/GCC-6%20%7C%207%20%7C%208%20%7C%209-blue :alt: Compiler Version .. |license| image:: https://img.shields.io/github/license/NOhs/affine_transform_nd.svg?color=blue :target: https://opensource.org/licenses/MIT :alt: license .. |codacy| image:: https://api.codacy.com/project/badge/Grade/e39c4c5b913d4237b77fa07f679ab521 :target: https://www.codacy.com/app/NOhs/affine_transform_nd?utm_source=github.com&utm_medium=referral&utm_content=NOhs/affine_transform_nd&utm_campaign=Badge_Grade :alt: code quality .. |black| image:: https://img.shields.io/badge/code%20style-black-000000.svg :target: https://github.com/ambv/black :alt: code style .. |requirements| image:: https://requires.io/github/NOhs/affine_transform_nd/requirements.svg?branch=master :target: https://requires.io/github/NOhs/affine_transform_nd/requirements/?branch=master :alt: Requirements Status This project explores how C++17 and OpenMP can be combined to write a surprisingly compact implementation of n-dimensional parallel affine transformations which are linked into Python via the ``affine_transform`` module. While this project is still under development, the following features are supported: - Linear and cubic (without prefiltering) interpolation - Constant boundaries - Compiling code for arbitrarily dimensional data - Parallelism via OpenMP - Arbitrary shaped output arrays, allowing e.g. to only extract a transformed slice Short example usage ------------------- .. code-block:: python import numpy as np from affine_transform import transform from mgen import rotation_from_angle import matplotlib.pyplot as plt # Create a simple white square in an image original = np.zeros((601, 401)) original[100:300, 100:300] = 1 # Rotate by 22.5° (around the centre of the square (200,200)) # and shift +200 in x and +100 in y transformed = transform( original, rotation_from_angle(np.pi / 8), np.array([200, 100]), origin=(200, 200) )

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl affine-transform-0.2.8:

pip install affine-transform-0.2.8.whl

نصب پکیج tar.gz affine-transform-0.2.8:

pip install affine-transform-0.2.8.tar.gz