静态方法python

Ⅰ python里面的静态方法是不是不能递归

在类里面定义的函数就是方法,类方法需要@ classmethod 修饰并且有个隐藏参数 cls,实例方法必须有个参数 self, 静态方法必须有 @staticmethod修饰,类和实例都可以访问静态方法,实例可以访问实例方法也可以访问类方法
类可以访问类方法也可以访问实例方法,访问实例方法必须要带参数 self, 可以理解为类其实也是一个实例,类访问实例方法不带参数会报错的.类本身可以访问函数,实例却不行.

Ⅱ 3种python3的canny边缘检测之静态，可调节和自适应

先看高级版的python3的canny的自适应边缘检测：

内容：

1 canny的边缘检测的介绍。

2 三种方法的canny的边缘检测，由浅入深地介绍：固定值的静态，可自调节的，自适应的。

说明：

1 环境：python3.8、opencv4.5.3和matplotlib3.4.3。

2 图片：来自品阅网正版免费图库。

3 实现自适应阈值的canny边缘检测的参考代码和文章：

上述的代码，本机均有报错，故对代码进行修改，注释和运行。

初级canny：

1 介绍：opencv中给出了canny边缘检测的接口，直接调用：

即可得到边缘检测的结果ret，其中，t1，t2是需要人为设置的阈值。

2 python的opencv的一行代码即可实现边缘检测。

3 Canny函数及使用：

4 Canny边缘检测流程：

去噪 --> 梯度 --> 非极大值抑制 --> 滞后阈值

5 代码：

6 操作和过程：

7 原图：

8 疑问：

ret = cv2.canny(img,t1,t2)，其中，t1，t2是需要人为设置的阈值，一般人怎么知道具体数值是多少，才是最佳的呀？所以，这是它的缺点。

中级canny：

1 中级canny，就是可调节的阈值，找到最佳的canny边缘检测效果。

2 采用cv2.createTrackbar来调节阈值。

3 代码：

4 操作和效果：

5 原图：

高级canny：

1 自适应canny的算法：

ret = cv2.canny(img,t1,t2)

即算法在运行过程中能够自适应地找到较佳的分割阈值t1，t2。

2 文件结构：

3 main.py代码：

4 dog.py代码：

5 bilateralfilt.py代码：

6 原图：

7 效果图：本文第一个gif图，此处省略。

小结：

1 本文由浅入深，总结的很好，适合收藏。

2 对于理解python的opencv的canny的边缘检测，很有帮助。

3 本文高级版canny自适应的算法参考2篇文章，虽然我进行代码的删除，注释，修改，优化等操作，故我不标注原创，对原作者表达敬意。

4 自己总结和整理，分享出来，希望对大家有帮助。

Ⅲ python 如何调用类的方法

以numpy为例，首先创建一个对象：

In[32]:a=numpp.arange(10)

然后，a就拥有了类的方法，例如求和：

In[33]:a.sum()
Out[33]:45

也可以使用类的方法，将其应用到类的对象上，例如：

In[34]:numpp.sum(a)
Out[34]:45

Ⅳ python 静态方法可以访问类方法吗

Python的静态方法和类成员方法都可以被类或实例访问，两者概念不容易理清，但还是有区别的：
1）静态方法无需传入self参数，类成员方法需传入代表本类的cls参数；
2）从第1条，静态方法是无法访问实例变量的，而类成员方法也同样无法访问实例变量，但可以访问类变量；
3）静态方法有点像函数工具库的作用，而类成员方法则更接近类似Java面向对象概念中的静态方法。

实现静态方法和类方法的两种方式
一、在Python 2.3及之前，用staticmethod和classmethod类型对象包装实现
例子如下（注意print里的说明）：
class MyClass:
val1 = 'Value 1'
def __init__(self):
self.val2 = 'Value 2'
def staticmd():
print '静态方法，无法访问val1和val2'
smd = staticmethod(staticmd)

def classmd(cls):
print '类方法，类：' + str(cls) + '，val1：' + cls.val1 + '，无法访问val2的值'
cmd = classmethod(classmd)

执行：
>>> mc = MyClass()
>>> mc.smd()
>>> mc.cmd()
>>> MyClass.smd()
>>> MyClass.cmd()

二、在Python 2.4及之后，用装饰器（decorators）实现
装饰器使用@操作符，例子如下：
class MyClass:
val1 = 'Value 1'
def __init__(self):
self.val2 = 'Value 2'

@staticmethod
def staticmd():
print '静态方法，无法访问val1和val2'

@classmethod
def classmd(cls):
print '类方法，类：' + str(cls) + '，val1：' + cls.val1 + '，无法访问val2的值'

Ⅳ python函数和方法区别

python中函数和方法的区别：

首先，从分类的角度来分析。

（1）函数的分类：

• 内置函数：python内嵌的一些函数。

• 匿名函数：一行代码实现一个函数功能。

• 递归函数

• 自定义函数：根据自己的需求，来进行定义函数。

（2）方法的分类：

• 普通方法：直接用self调用的方法。

• 私有方法：__函数名，只能在类中被调用的方法。

• 属性方法：@property，将方法伪装成为属性，让代码看起来更合理。

• 特殊方法(双下划线方法)：以__init__为例，是用来封装实例化对象的属性，只要是实例化对象就一定会执行__init方法，如果对象子类中没有则会寻找父类（超类），如果父类（超类）也没有，则直接继承object（python 3.x）类，执行类中的__init__方法。

• 类方法：通过类名的调用去操作公共模板中的属性和方法。

• 静态方法：不用传入类空间、对象的方法， 作用是保证代码的一致性，规范性，可以完全独立类外的一个方法，但是为了代码的一致性统一的放到某个模块（py文件）中。

其次，从作用域的角度来分析：

（1）函数作用域：从函数调用开始至函数执行完成，返回给调用者后，在执行过程中开辟的空间会自动释放，也就是说函数执行完成后，函数体内部通过赋值等方式修改变量的值不会保留，会随着返回给调用者后，开辟的空间会自动释放。

（2）方法作用域：通过实例化的对象进行方法的调用，调用后开辟的空间不会释放，也就是说调用方法中对变量的修改值会一直保留。

最后，调用的方式不同。

（1）函数：通过“函数名（）”的方式进行调用。

（2）方法：通过“对象.方法名”的方式进行调用。

• class Foo(object): def func(self): pass#实例化obj = Foo()# 执行方式一:调用的func是方法obj.func() #func 方法# 执行方式二：调用的func是函数Foo.func(123) # 函数

Ⅵ 如何在Python中定义静态变量

Python使用函数默认值实现函数静态变量的方法，具体方法如下：
一、Python函数默认值

Python函数默认值的使用可以在函数调用时写代码提供方便，很多时候我们只要使用默认值就可以了。 所以函数默认值在python中用到的很多，尤其是在类中间，类的初始化函数中一帮都会用到默认值。 使用类时能够方便的创建类，而不需要传递一堆参数。

只要在函数参数名后面加上 ”=defalut_value”，函数默认值就定义好了。有一个地方需要注意的是，有默认值的参数必须在函数参数列表的最后，不允许将没有默认值的参数放在有默认值的参数后，因为如果你那样定义的话，解释器将不知道如何去传递参数。

先来看一段示例代码：

def ask_ok(prompt, retries=4, complaint='Yes or no, please!'):
while True:
ok = raw_input(prompt)
if ok in ('y', 'ye', 'yes'): return True
if ok in ('n', 'no', 'nop', 'nope'): return False
retries = retries - 1
if retries < 0: raise IOError, 'refusenik user'
print complaint

你调用上面的函数时，可以修改重试次数和输出的提示语言，如果你比较懒得话，那么什么都不用改。

二、python使用函数默认值来实现函数静态变量的功能

Python中是不支持静态变量的，但是我们可以通过函数的默认值来实现静态变量的功能。
当函数的默认值是内容是可变的类时，类的内容可变，而类的名字没变。（相当于开辟的内存区域没有变，而其中内容可以变化）。
这是因为python中函数的默认值只会被执行一次，(和静态变量一样，静态变量初始化也是被执行一次。）这就是他们的共同点。

再来看下面的程序片段：

def f(a, L=[]):
L.append(a)
return L

print f(1)
print f(2)
print f(3)
print f(4,['x'])
print f(5)

其输出结果是：

[1]
[1, 2]
[1, 2, 3]
['x', 4]
[1, 2, 3, 5]

前面的好理解，为什么最后 “print f(5)”的输出是 “[1, 2, 3, 5]”呢？

这是因为 “print f(4,['x'])”时，默认变量并没有被改变，因为默认变量的初始化只是被执行了一次(第一次使用默认值调用)，初始化执行开辟的内存区（我们可以称之为默认变量）没有被改变，所以最后的输出结果是“[1, 2, 3, 5]”。