谷歌Chrome浏览器 有个插件：一键读图OCR
 
用谷歌浏览器打开以下链接，点击 添加扩展， 直接安装即可。
 
https://chrome.google.com/webstore/detail/%E4%B8%80%E9%94%AE%E8%AF%BB%E5%9B%BEocr/agepkkdokhlaoiaenedmjbfnblfdiboc/related?hl=zh-CN
 
 
效果操作演示:
 
如何截取360图书馆的文章，并把文字提取出来
 
测试:http://www.360doc.com/content/20/0916/17/2289804_936059209.shtml
 
1.用谷歌浏览器打开以上链接
 
2.随便点击里面的任意图片，唤出 一键截图(OCR) 插件窗口
 
 
3.选定您要的任意有文字的区域，不一定要选图片上的文字，可以选择任意区域。
 这里我是要图片上方的文本文字，因为被限制了复制，所以用这种方法可以快速突破这种限制，直接变成文本。
 
OCR识别成功，拷贝文本框的内容。
 
 点击上面360doc 弹出的窗口 确定，关闭这个无用的窗口。 下面的一键读图(OCR)离开显示了您刚才截图区域的正确OCR结果。
 
 
 
如何截取百度文库的文章并把文字提取出来
 
方法和上面一样的。可以选择左上角的百度文库图标 点击右键 唤出 一键读图(OCR), 或者其他任意有图片的，如小图标都可以。
 
 
 
希望以上方法可以帮助大家在日常生活和工作中节省大量的时间和精力。

 
文章目录
 
python读图命令汇总
各个函数读图效率对比
结果
代码
 

 
python读图命令汇总
 
python可以用来读图的命令有：
 
库（版本）
函数
opencv-python (4.2.0)
cv2.imread
imageio（2.8.0）
imageio.imread
skimage.io (0.16.2)
skimage.io.imread
matplotlib.pyplot (3.1.3)
matplotlib.pyplot.imread
matplotlib.image (3.1.3)
matplotlib.image.imread
PIL.Image (7.1.2)
PIL.Image.open & np.array
tensorflow (2.1)
tf.io.read_file & tf.io.decode_image
各个函数读进来的图片数据有些不同，主要有（以下测试不包含tensorflow）：
 
cv2读入的图片通道顺序是BGR，其他均为RGB
cv2读进来的jpg图片即使调整通道顺序后与其他的函数读入的也不同（仅jpg不同），存在一点点误差（其他函数的读取结果均相同，但不见得是cv2解码效果比其他的差，很有可能是cv2解码效果优于其他所有）
matplotlib读取的png图像的数值范围是[0, 1]的float型，转为[0, 255]的uint8型后结果与其他一样
 
各个函数读图效率对比
 
先摆结果，测试代码放后面，有兴趣的话可以在自己电脑上测测。我的CPU是G4560，比较烂。
 
结果
 
表中数字表示读取一张1920 x 1080的图片的平均耗时，单位是ms。测试方法是反复读取同一张图片1000次，然后计算平均耗时。
 
综合来说，除了tensorflow在读jpg图像时效率明显有优势外，其他均是cv2表现最佳。
 如果有需要无损保存图片，从后期再使用时的读图效率来看，bmp大大优于png。png占的空间稍小一点，假如不缺那点磁盘空间的话，建议用bmp。
 
bmp格式是无损不压缩，png格式是无损压缩。为了做到无损，png的压缩比一般不是非常高，具体要看图像内容，如果是自然拍摄的图像或者内容非常丰富的图像，那么压缩比一般不高，如果是内容简单，色彩也非常简单（如纯色图）的图像，那么压缩比还是非常可观的。
 
函数
jpg
png
bmp
cv2.imread
31.87
50.99
9.10
imageio.imread
44.02
59.82
17.07
skimage.io.imread
43.37
65.91
19.10
matplotlib.pyplot.imread
44.18
72.30
12.91
matplotlib.image.imread
38.90
67.61
12.72
PIL.Image.open & np.array
45.67
60.84
17.44
tf.io.read_file & tf.io.decode_image
17.74
53.15
19.58
代码
 
# -*- coding: utf-8 -*-
import time
import cv2
import imageio
import skimage.io
import matplotlib.pyplot
import matplotlib.image

NUM = 1000


def read_time_test(image_file, read_num, func, func_name):
    jpg_file = image_file + '.jpg'
    png_file = image_file + '.png'
    bmp_file = image_file + '.bmp'
    t0 = time.time()
    for i in range(read_num):
        image = func(jpg_file)
    t_cost = time.time() - t0
    print('%s, jpg read time: %.2f' % (func_name, t_cost / read_num * 1000))

    t0 = time.time()
    for i in range(read_num):
        image = func(png_file)
    t_cost = time.time() - t0
    print('%s, png read time: %.2f' % (func_name, t_cost / read_num * 1000))

    t0 = time.time()
    for i in range(read_num):
        image = func(bmp_file)
    t_cost = time.time() - t0
    print('%s, bmp read time: %.2f' % (func_name, t_cost / read_num * 1000))


# '1' is image file name without extension
read_time_test('1', NUM, cv2.imread, 'cv2.imread')
read_time_test('1', NUM, imageio.imread, 'imageio.imread')
read_time_test('1', NUM, skimage.io.imread, 'skimage.io.imread')
read_time_test('1', NUM, matplotlib.pyplot.imread, 'matplotlib.pyplot.imread')
read_time_test('1', NUM, matplotlib.image.imread, 'matplotlib.image.imread')
 
PIL.Image.open()本身的读取效率极快，但是读入的数据类型并不能直接被使用（类型是PIL.JpegImagePlugin.JpegImageFile，PIL.PngImagePlugin.PngImageFile，PIL.BmpImagePlugin.BmpImageFile等之类），需要使用np.array()转换为ndarray后才能正常使用（转换耗费了99%以上的时间）。如果把图片读为ndarray作为最终目的，那么PIL的效率并没有什么优势。另提醒一声，PIL库安装时候的名字叫pillow：pip install pillow。
 
# -*- coding: utf-8 -*-
import time
from PIL import Image
import numpy as np

NUM = 1000

t0 = time.time()
for i in range(NUM):
    image = Image.open('1.jpg')
    image = np.array(image)
t_cost = time.time() - t0
print('PIL.Image.open, jpg read time: %.2f' % (t_cost / NUM * 1000))

t0 = time.time()
for i in range(NUM):
    image = Image.open('1.png')
    image = np.array(image)
t_cost = time.time() - t0
print('PIL.Image.open, png read time: %.2f' % (t_cost / NUM * 1000))

t0 = time.time()
for i in range(NUM):
    image = Image.open('1.bmp')
    image = np.array(image)
t_cost = time.time() - t0
print('PIL.Image.open, bmp read time: %.2f' % (t_cost / NUM * 1000))
 
tensorflow类似PIL，也需要两条命令配合才能真正读取图片，tensorflow读取jpeg图片的效率相对较高，读取png和bmp相比较其他读图函数没有什么优势。
 
# -*- coding: utf-8 -*-
import time
import tensorflow as tf

NUM = 1000

t0 = time.time()
for i in range(NUM):
    image_file = tf.io.read_file('1.jpg')
    image = tf.io.decode_image(image_file)
t_cost = time.time() - t0
print('PIL.Image.open, jpg read time: %.2f' % (t_cost / NUM * 1000))
print(image.shape, type(image))

t0 = time.time()
for i in range(NUM):
    image_file = tf.io.read_file('1.png')
    image = tf.io.decode_image(image_file)
t_cost = time.time() - t0
print('PIL.Image.open, png read time: %.2f' % (t_cost / NUM * 1000))
print(image.shape, type(image))

t0 = time.time()
for i in range(NUM):
    image_file = tf.io.read_file('1.bmp')
    image = tf.io.decode_image(image_file)
t_cost = time.time() - t0
print('PIL.Image.open, bmp read time: %.2f' % (t_cost / NUM * 1000))
print(image.shape, type(image))

一、安装及配置环境
 
安装包在我上传的资源里，配置环境B站很多教程。
 
二、介绍OpenCV
 
 
 总结：
1.图像是什么
    图:物体反射或透射光的分布
    像:人的视觉系统所接受的团在人脑中所形版的印象或认识
 2.模拟图像和数字图像
    模拟图像:连续存储的数据
    数字图像:分级存储的数据
 3.数字图像
    位数:图像的表示，常见的就是8位
    分类:二值图像，灰度图像和彩色图像
 
三、imread和imshow
 
imread有两个参数，第一个参数代表图片的绝对路径，第二个参数可以修改图像的色彩属性IMREAD_......
 
imshow有两个参数，第一个窗口名称，第二个显示图片的句柄。
 
注※：图片太大超出电脑能显示的窗口大小，使用namedWindow函数创建一个自定义窗口。
 
namedWindow有两个参数，第一个窗口名称，第二个控制创建窗口的属性WINDOW_......
 
以下是简单代码展示.
 
#include <opencv2/opencv.hpp>
#include<iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
  Mat src = imread("C:/Users/ASUS/Desktop/123.png",IMREAD_GRAYSCALE);//第二个参数就是灰度图像默认值0，还有个1就是彩色的
  //imread 后面的第二个参数就是修改前面的图像的色彩属性
  if (src.empty()) {
    printf("不能显示图像\n");
    return -1;
  }
  namedWindow("创建窗口", WINDOW_FREERATIO);//窗口太大了就要用这个创建一个新的窗口 把小窗口包含进去
  imshow("创建窗口", src);
  waitKey(000);//0就是阻塞  1000就是1000ms然后消失
  destroyAllWindows();//对前面创建的窗口全部销毁掉
  return 0;
}
 
OpenCV的故事未完待续......

 
 
 
  
上周五彩斑斓的气泡图
 
  
有让你眼花缭乱吗？
 
  
本周，化繁为简的PCA图
 
  
你值得拥有！
 
  

 
  
 数据分析| 科研制图﹒PCA 图
 
  

  
关键词：主成分分析、降维
 
  

 
  
  

 
  
1665 年的鼠疫
 
  
牛顿停课在家提出了万有引力 ;
1830 年的霍乱,普希金居家深造
 
  
写出了 300 多首抒情诗和几部小说 ;
 
  
2020 年的新冠，若谷也没闲着
 
  
嘿嘿嘿，是不是很好奇我在干嘛？
 
  
就不告诉你
 
  

 
  
  
好想快点开学啊啊啊啊啊啊 | 图源新医谷
 
  

 
  
若谷的假期，早被谷老安排上了！那就是研究文献中的各种图！最让我走火入魔的便是— PCA 图。
 
  

 
  
  
最传统的PCA图 | 图源新医谷
 
  

 
  

  

  
初识 PCA
 
  

  

  
关于 PCA，你第一眼想到的是什么？ 
是解剖里面的
 
  
Posterior Cerebral Artery(大脑后动脉)?
 
  
 还是高大上的
 
  
Patient Controlled Analgesia(病人自控镇痛)? 
 
  

 
  
  

 
  
都不是，今天若谷给大家讲的是
 
  
Principal Component Analysis
 
  
主成分分析
 
  

 
  
是不是听起来就一脸懵,下面就让我们来看看PCA是何方神圣！
 
  

 
  
01
 
  
降维？
 
  

 
  
主成分分析的字面意思就是用主成分来分析数据呗！阔是，什么是主成分？这就不得不聊一个关于“降维”的故事了。
 
  

 
  
从前有座山，山上有座庙，庙里有个……
 
  
呸呸呸，拿错剧本了
 
  

 
  
应该是“学医要考研，考研要复试，复试要…要…要…复试不仅让考生心痛更让导师眼花缭乱。”这不，A导就纠结着到底选5个复试学生里的哪一个来当自己的关门弟子？
 
  

 
  
A导最终决定用数据说话！设置了“绩点，考研分数，科研能力，笔试成绩，面试表现，英语水平，奖学金，学科竞赛，部门任职”９个指标（相当于从９个维度去评价这5位考生）。
 
  

 
  
  
想读个书不容易 | 图源新医谷
 
  

 
  
9个指标=9个变量=9个维度
 
  
那用图表示得来个九维空间？
 
  

 
  
  
我的三维大脑是搞不定的 | 图源新医谷
 
  

 
  
看来9维是不行了，那怎么把维度降低，用简单的方法表示复杂的数据分析？
 
  

 
  
当然是用降维了！降维是通过减少数据中的指标（或变量）以化简数据的过程。这里的减少指标，并不是随意加减，而是用复杂的数理知识，得到几个“综合指标”来代表整个数据。
 
  
PS：降维的原理涉及复杂数理知识且大多由计算机完成，感兴趣的小伙伴可在留言区评论“PCA降维原理”了解更多！
 
  

 
  
那么问题来了！这个“综合指标”是什么？为什么它们就可以代表整个数据？
 
  

 
  
  
图源新医谷 
 
  

 
  
02
 
  
Why
 
  
主成分？
 
  

 
  
综合指标=主成分
 
  

 
  
你没有看错，这个综合指标就是我们今天的重点：主成分。它不是原来的指标中的任何一个，而是由所有原有指标数据线性组合而来。
 
  

 
  
比如A导的故事中的主成分就可这样表示：
 
  
  
PCA主成分 | 图源新医谷
 
  

 
  
认识了“主成分”以后，PCA的概念就很容易理解了！
 
  

 
  
PCA——就是以“降维”为核心，把多指标的数据用少数几个综合指标（主成分）替代，还原数据最本质特征的数据处理方式。
 
  

 
  
可是，主成分为什么拽到可以代替所有数据？（上一次的小提琴图不还为了保留每个数据而爬山跨海？）
 
  

 
  
认真看看可以发现部分指标其实是相互关联的！（比如奖学金也可以反映绩点情况），这就会造成数据冗余。而降维就可以帮助我们去除这些指标中重叠、多余的信息，把数据最本质和关键的信息提取出来。
 
  

 
  
A导终于可以一眼就区分这5位考生的水平并“理智”地做出选择了！
 
  

 
  
  
决定还有没有书读的图 | 图源新医谷
 
  

 
  
A导可是只有5位考生，9个指标而已！在我们医学中！那可是上千的样本量，上万的基因数据......
 
  

 
  
  
再次吐血 | 图源新医谷
 
  

 
  
在医学领域中，我们可以用PCA图来进行疾病危险因素分析，肠道菌群聚类分析，推断肿瘤亚群之间的进化关系......还用它来观察样本的分组、趋势、剔除异常数据。
 
  
所以PCA图在文献中出现率还是蛮高的！！！不过遇到它我们怎么看？
 
  

 
  

  

  
深入了解PCA
 
  

  

  

 
  
壮士！先收下这份“PCA识图秘籍”
 
  

 
  
识图秘籍
 
  
样本点连线距离长 =样本之间差异性大
 
  
样本点连线距离短 =样本之间差异性小
 
  

 
  
  
通过主成分分析方法(PCA)分析9种食物的蛋白质消耗量(变量)与25个欧洲国家(样本)之间的关系 | 图源新医谷
 
  

 
  
由图可得，大部分欧洲国家蛋白摄入习惯是：吃鸡蛋、红肉（猪牛羊等畜肉）、白肉（禽、鱼肉及水产品），喝牛奶。
 
  

 
  
  
迷茫的打出三个问号 | 图源新医谷
 
  

 
  
详细的解析来了！
 
  

 
  
1、各样本点连线的距离：体现各国家蛋白摄入习惯的相似性。
 
  
2、主成分与原变量之间的关系：箭头对应的原始变量在投影到水平和垂直方向上后的值，可以分别体现该变量与PC1和PC2的相关性（正负相关性及其大小）（例如，Eggs对PC1具有较大的贡献，而Nuts则与PC1之间呈较大的负相关性）。
 
  
3、样本点和箭头之间的距离：反映样本与原始变量的关系。（对于图中用蓝色粗箭头所指的样本点而言，该国的蛋白质来源主要为Fruits and Vegetables）。
 
  

 
  
  
 图源新医谷
 
  

 
  
怎么样？有没有一种豁然开朗的感觉？
 
  
什么？还是懵？
 
  
没关系，继续看例子
 
  

 
  

 
  

 
  

 
  
  
  
  

 
  

 
  

 
  
滑动查看更多例子 | 图源新医谷
 
  

 
  
不过这还没完哦！
 
  
大家都是有追求医学生，要有追求~
 
  
我们不仅要会读，还要会画！
 
  

 
  

  

  
PCA图怎么画
 
  

  

  

 
  
接下来若谷就用上面读图用到的“25个国家消耗的蛋白质的9种食物来源”的例子所对应的数据来教大家用Origin2020绘制PCA图~（该数据集来自Origin2020示例文件）
 
  

 
  
  
  
  
  
  
  

 
  
滑动打开新世界的大门
 
  

 
  
大家都学会了吗？
 
  
眼睛会了可不算哦~
答应若谷，一定要亲自动手去试试
相信你一定会画得比若谷的漂亮~
 
  

 
  

  

  
小试牛刀
 
  

  

  

 
  
耐不住性子想要自己亲自试试了吧？那若谷就来考考大家，从下面这幅图你能看出什么呢？
 
  

 
  
  
仔细看图中颜色，若谷快要变成色盲了
 
  
点击空白处查看答案
 
  
图一将牦牛与中国土著品种牛区分开。
 
  
图二根据地理背景来区分中国本土牛的品种，图中西北部的牛主要位于虚线以下，南方的牛位于虚线以上，而中部混合型牛位于虚线附近。
 
  

 
  
点击 关键词 查看更多
 
  
科研资源丨您有一份科研资源清单，请签收！
 
  
科研识图丨读文献先读懂图——生存分析曲线图
 
  
科研识图丨读文献先读图——文献中最热的热图怎么看
 
  
科研制图 | 读文献先读图——火山图
 
  
科研制图 | 读文献先读图——小提琴图
 
  
科研制图 | 读文献先读图——气泡图
 
  
JUN
 
  
28
 
  

 
  
本次读图大赛到此结束，下一期讲什么(⊙o⊙)?
 
  

 
  
  
很懂行的谷友，投稿福利安排上 | 图源新医谷
 
  

 
  
  

 
  
作者：X-Land启思科研组
 
  
配图：X-Land漫说医学组
 
  
排版：读懂了PCA的若谷
 
  

 
  
参考文献
 
  
[1]Yaran Zhang，Population  Structure  and  Selection  Signatures Underlying High-Altitude Adaptation Inferred From Genome Wide  Copy Number Variations in Chinese Indigenous Cattle，Frontiers in Genetics,2020
 
  
[2]叶卫平.Origin9.1【M】.北京：机械工业出版社，2015：345-349
 
  
[3]Nagel T，Klaus F et al.  Fast and facile analysis of glycosylation and phosphorylation of fibrinogen from human plasma—correlation with liver cancer and liver cirrhosis 【J】.  Analytical and Bioanalytical Chemistry,2018. 
 
  
[4]Wanxin Liu et al.Study of the Relationship between Microbiome and Colorectal Cancer Susceptibility Using 16S rRNA Sequencing[J]BioMed Research International,2019.
 
  

 
  
 
 
 
本文分享自微信公众号 - 生信科技爱好者（bioitee）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。