Tati Schein
-
Posts
20 -
Cadastrado em
-
Última visita
Tipo de conteúdo
Artigos
Selos
Fabricantes
Livros
Cursos
Análises
Fórum
posts postados por Tati Schein
-
-
Esse código está plotando 3 imagens iguais, e na verdade eu quero que ele plote 4 imagens: a imagem original, a imagem com o histograma expandido, a imagem com o histograma comprimido e a imagem final melhorada. Podem me ajudar?
OBS: estou rodando o código no google colab
import os import numpy as np import cv2 as cv import matplotlib.pyplot as plt #Funcao para expansao do histograma def hst(img): vmax = np.amax(img, axis=(0,1)) vmin = np.amin(img, axis=(0,1)) #vmdn = np.median(img, axis=(0,1)) #vmed = np.mean(img, axis=(0,1)) bw = (vmax - vmin) #*np.sqrt(vmed/vmdn) cena = np.clip((img - vmin)/(bw +0.001), 0., 1.0) return cena #Funcao para compressão do histograma def hsk(img): vmin = np.amin(img, axis=(0,1)) vmax = np.amax(img, axis=(0,1)) #bw = vmax*vmax - np.sqrt(vmin) bw = vmax - vmin haze = img*(bw) + (vmin) return haze #Funcao para plotar uma imagem def plot(img): tx = 1.0 plt.subplots_adjust(left=0.2, bottom=0.1, right=1.5, top=tx, wspace=None, hspace=0.1) plt.subplot(1, 1, 1) plt.axis('off') plt.imshow(img) #mostrando via maplotlib plt.title('') plt.show() return # Funcao para carregar uma imagem def load(img_char, path, rsz): os.chdir(path) img = cv.imread(img_char, 1) img = img[:,:,::-1] #Converte para o formato RGB if(rsz): img = cv.resize(img, (256,256), interpolation = cv.INTER_AREA) img = np.nan_to_num(img, nan = 0.001, posinf = 255, neginf = 0) img = np.array(img/255, dtype=float) return img # Carrega a imagem caminho = '/content' img_a = load('img.jpg', caminho, 0) img_exp = hst(img_a) # Imagem com histograma expandido img_comp = hsk(img_a) # Imagem com histograma contraido #Plota as imagens plot(img_a) plot(img_exp) plot(img_comp)
-
1
-
1
-
-
Esse código está plotando a mesma imagem as 3 vezes.. e eu gostaria que plotasse 4 imagens, a imagem original, a imagem expandida, a imagem comprimida e a imagem final melhorada. Alguém pode me ajudar? Faz muito tempo que não mexo em códigos e por isso to sofrendo aqui.
import os import numpy as np import cv2 as cv import matplotlib.pyplot as plt #Funcao para expansao do histograma def hst(img): vmax = np.amax(img, axis=(0,1)) vmin = np.amin(img, axis=(0,1)) #vmdn = np.median(img, axis=(0,1)) #vmed = np.mean(img, axis=(0,1)) bw = (vmax - vmin) #*np.sqrt(vmed/vmdn) cena = np.clip((img - vmin)/(bw +0.001), 0., 1.0) return cena #Funcao para compressão do histograma def hsk(img): vmin = np.amin(img, axis=(0,1)) vmax = np.amax(img, axis=(0,1)) #bw = vmax*vmax - np.sqrt(vmin) bw = vmax - vmin haze = img*(bw) + (vmin) return haze #Funcao para plotar uma imagem def plot(img): tx = 1.0 plt.subplots_adjust(left=0.2, bottom=0.1, right=1.5, top=tx, wspace=None, hspace=0.1) plt.subplot(1, 1, 1) plt.axis('off') plt.imshow(img) #mostrando via maplotlib plt.title('') plt.show() return # Funcao para carregar uma imagem def load(img_char, path, rsz): os.chdir(path) img = cv.imread(img_char, 1) img = img[:,:,::-1] #Converte para o formato RGB if(rsz): img = cv.resize(img, (256,256), interpolation = cv.INTER_AREA) img = np.nan_to_num(img, nan = 0.001, posinf = 255, neginf = 0) img = np.array(img/255, dtype=float) return img # Carrega a imagem caminho = '/content' img_a = load('img.jpg', caminho, 0) img_exp = hst(img_a) # Imagem com histograma expandido img_comp = hsk(img_a) # Imagem com histograma contraido #Plota as imagens plot(img_a) plot(img_exp) plot(img_comp)
-
1
-
-
@Swalls Seria o gráfico da Difusão de cloretos em 50 anos (D(50y)) X O fator de envelhecimento do concreto que deve variar de 0.10 até 0.80.
Não sei se consegui deixar mais claro a ideia hehe
@Swalls Acho que consegui algo mais próximo do que o esperado..
Citaçãoimport matplotlib.pyplot as plt import numpy as np from scipy.special import erf import math D0 = 55188000 #coeficiente de difusão de cloretos t = 50 #anos EA=5000.00 #EA é a ativação de energia para a difusão do cloreto [kcal/mol] R = 1.00 #R é a constante universal dos gases perfeitos T=18 t0 =np.float(28./365.) #anos tl =np.float(28./365.) #t′ a idade do concreto quando exposto aos íons [anos] mediaalpha= [0.10, 0.20, 0.30, 0.40, 0.50, 0.60, 0.70, 0.80]; alpha = np.array(mediaalpha) # Cálculo do fator ke=np.exp(EA/R*(1./293.-1./(273.+T))); # Cálculo do coeficiente de difussão no tempo t D=D0/(1.-alpha)*((1.+tl/t)**(1.-alpha)-(tl/t)**(1.-alpha))*(t0/t)**alpha*ke; plt.plot(alpha,D,color="orange") plt.title('Envelhecimento do concreto x Difusão de cloretos') plt.grid() plt.legend() plt.ylabel("D(50y)") plt.xlabel("Alpha") plt.show()
Só fico na dúvida agora quanto a impressão do gráfico.. o eixo Y Representa o Coeficiente de difusão de cloretos em 50 anos. E na impressão do gráfico o Y só vai até um pouco além de 2.5.. n sei se está correto.
-
1
-
-
Preciso imprimir um gráfico onde o eixo y é D(50y) e o eixo x é alpha.
E o Valor da Média de alpha deve ser de 0.10, 0.20, 0.30, 0.40, 0.50, 0.60, 0.70, 0.80.
Alguém consegue me ajudar a organizar esse código?
import numpy as np import matplotlib.pyplot as plt from scipy.stats import norm from scipy.special import erf # Nº de anos de vida útil nt=50 # Tempo até a despassivassão da armadura td=np.zeros(nt) # Probabilidade de falha até o tempo de despassivassão Pf=np.zeros(nt) # Cálculo da probabilidade de falha # Nº de simulações de Monte Carlo n=np.int(1e6) # Dados de entrada determinísticos D0=269.9482 #Coeficiente de difusão de referência [m2/ano] medido #no instante t0 [anos] EA=5000.00 #EA é a ativação de energia para a difusão do cloreto [kcal/mol] R = 1.00 #R é a constante universal dos gases perfeitos t0 =np.float(28./365.) #anos tl =np.float(28./365.) #t′ a idade do concreto quando exposto aos íons [anos] for i in range(nt): t=np.float(i+1) # Geracão das variáveis aleatórias do problema # Concentrassão crítica de cloretos mediaCcr=0.40; desvioCcr=0.10*mediaCcr; #0.10 coeficiente de variação, razão entre desvio padrão e média Ccr=np.random.normal(mediaCcr,desvioCcr,n); # Concentração superficial de cloretos #lognormal mediaCs=2.07; desvioCs=0.23*mediaCs; zetaCs=(np.log(1.+(desvioCs/mediaCs)**2))**(1./2.); lambdaCs=np.log(mediaCs)-1/2*zetaCs**2; Cs=np.random.lognormal(lambdaCs,zetaCs,n); # Cobrimento da armadura mediaxc=60.00; desvioxc=0.05*mediaxc; xc=np.random.normal(mediaxc,desvioxc,n); # Temperatura média anual mediaTemp=18.; desvioTemp=0.20*mediaTemp; Temp=np.random.normal(mediaTemp,desvioTemp,n); # alpha = fator de envelhecimento do concreto mediaalpha=0.10, 0.20, 0.30, 0.40, 0.50, 0.60, 0.70, 0.80; #mm desvioalpha=0.10*mediaalpha; alpha=np.random.normal(mediaalpha,desvioalpha,n); # Cálculo do fator ke ke=np.exp(EA/R*(1./293.-1./(273.+Temp))); # Cálculo do coeficiente de difussão no tempo t mediaD=1.75; desvioD=0.09143*mediaD; D=np.random.normal(mediaD,desvioD,n); D=D0/(1.-alpha)*((1.+tl/t)**(1.-alpha)-(tl/t)**(1.-alpha))*(t0/t)**alpha*ke; plt.plot(alpha,D,color="orange") plt.title('Envelhecimento do concreto x Difusão de cloretos') plt.grid() plt.show()
-
Preciso encontrar o valor de cxtp para todos os valores de x. Como faço??
import pandas as pd import matplotlib.pyplot as plt import numpy as np from scipy.special import erf from scipy.optimize import least_squares import math import cv2 D = 0.148 #coeficiente de difusão de cloretos t = 1 #anos Cs = 1.5 #concentração de cloretos na superfície da estrutura #x é o cobrimento da armadura = 2.0 x = [0.10, 0.20, 0.30, 0.40, 0.50, 0.60, 0.70, 0.80, 0.90, 1.00, 1.10, 1.20, 1.30, 1.40, 1.50, 1.60, 1.70, 1.80, 1.90, 2,00]; cxtp = (Cs * (1-(erf((x) / (2 * math.sqrt(D*t)))))) #cxtp é perfil de concentração print(cxtp);
-
Preciso encontrar o valor de cxtp para todos os valores de x. Como faço??
import pandas as pd import matplotlib.pyplot as plt import numpy as np from scipy.special import erf from scipy.optimize import least_squares import math import cv2 D = 0.148 #coeficiente de difusão de cloretos t = 1 #anos Cs = 1.5 #concentração de cloretos na superfície da estrutura #x é o cobrimento da armadura = 2.0 x = [0.10, 0.20, 0.30, 0.40, 0.50, 0.60, 0.70, 0.80, 0.90, 1.00, 1.10, 1.20, 1.30, 1.40, 1.50, 1.60, 1.70, 1.80, 1.90, 2,00]; cxtp = (Cs * (1-(erf((x) / (2 * math.sqrt(D*t)))))) #cxtp é perfil de concentração print(cxtp);
-
1
-
-
import cv2 import numpy as np from skimage.io import imsave import matplotlib.pyplot as plt from statsmodels.graphics.tsaplots import plot_pacf import statsmodels as sm from PIL import Image from PIL.Image import NEAREST from PIL.Image import BICUBIC import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sns from sys import argv from math import pi, sin from scipy import fftpack from PIL import Image #fs é a frequência de amostragem fs = 20.0 t = np.linspace(0,17,17); #t= np.array([0,1,2,3,4,5,6,78,9,10,11,12,13,14,15,16,17])#np.linspace(0,1 , int(1*fs), endpoint=False) #números com intervalos especificados. #precisa especificar onde começar e onde parar. #s is the sum of sine wave(1Hz) and cosine wave(10 Hz) s = np.array([0, 0.707, 1, 0.707, 0, -0.707, -1, -0.707, 0, 0.707, 1, 0.707, 0, -0.707, -1, -0.707, 0]) #np.asarray #1.0*np.sin(8 * 2.0 * np.pi * t) #np.sin(np.pi*t)+ np.sin(np.pi*t*2) plt.plot(t, s) plt.xlim(0,17) #(0,10) plt.xlabel("tempo") plt.title('Original Signal in Time Domain') plt.show() # Compute the one-dimensional discrete Fourier Transform. fft_wave = np.fft.fft(s) # Compute the Discrete Fourier Transform sample frequencies. fft_fre = np.fft.fftfreq(n=s.size, d=1/fs) plt.subplot(111)#(211) #linhas, colunas e o número do gráfico. plt.plot(fft_fre, fft_wave.real, label="Real part") plt.xlim(-5,5) plt.ylim(-10,10) #plt.legend(loc=1) plt.title("FFT in Frequency Domain") plt.subplot(212) plt.plot(fft_fre, fft_wave.imag,label="Imaginary part") #plt.legend(loc=1) plt.xlim(-5,5) plt.ylim(-10,10) plt.xlabel("frequency (Hz)") plt.ylabel("Amplitude") plt.xlabel("Time [s]") plt.bar(fft_fre, np.abs(fft_wave), width=0.5) #np.abs é uma matriz de entrada plt.show() frequencias = fft_fre #Retorne as frequências de amostra da Transformada Discreta de Fourier. period_time = 1 / frequencias amplitudes = np.abs(fft_wave) #(0, 0.707, 1, 0.707, 0, -0.707, -1, -0.707) np.abs= calcula o valor absoluto por elemento fpos=frequencias[frequencias>0] #mascara para só pegar valores positivos apos=amplitudes[frequencias>0] plt.ylabel("Amplitude") plt.xlabel("Frequency [Hz]") plt.bar(fpos,apos, width=0.1) #plt.scatter p gráfico ser de pontos plt.show() idx=np.argmax(apos) #Retorna os índices dos valores máximos ao longo de um eixo. print("Máxima amplitude corresponde a=",apos[idx]) tpCount = len(apos) timePeriod = tpCount/fs #peiodo = ii_arr[apos_max[0]:apos_max[1]] #priodo é a distancia entre duas amplitudes maximas #print("O período corresponde a=", tpCount/fs)Quero encontrar o período desta onda seno.. alguém consegue me ajudar a organizar o código para que isso seja possível?
-
@Shaman93 Vou postar o código que tenho, ai você vê se consegue me ajudar.. Tenho dificuldade com os códigos ainda
import cv2 import numpy as np from skimage.io import imsave import matplotlib.pyplot as plt from statsmodels.graphics.tsaplots import plot_pacf import statsmodels as sm from PIL import Image from PIL.Image import NEAREST from PIL.Image import BICUBIC import numpy as np import matplotlib.pyplot as plt import pandas as pd import seaborn as sns from sys import argv from math import pi, sin from scipy import fftpack from PIL import Image #fs é a frequência de amostragem fs = 20.0 t = np.linspace(0,17,17); #t= np.array([0,1,2,3,4,5,6,78,9,10,11,12,13,14,15,16,17])#np.linspace(0,1 , int(1*fs), endpoint=False) #números com intervalos especificados. #precisa especificar onde começar e onde parar. #s is the sum of sine wave(1Hz) and cosine wave(10 Hz) s = np.array([0, 0.707, 1, 0.707, 0, -0.707, -1, -0.707, 0, 0.707, 1, 0.707, 0, -0.707, -1, -0.707, 0]) #np.asarray #1.0*np.sin(8 * 2.0 * np.pi * t) #np.sin(np.pi*t)+ np.sin(np.pi*t*2) plt.plot(t, s) plt.xlim(0,17) #(0,10) plt.xlabel("tempo") plt.title('Original Signal in Time Domain') plt.show() # Compute the one-dimensional discrete Fourier Transform. fft_wave = np.fft.fft(s) # Compute the Discrete Fourier Transform sample frequencies. fft_fre = np.fft.fftfreq(n=s.size, d=1/fs) plt.subplot(111)#(211) #linhas, colunas e o número do gráfico. plt.plot(fft_fre, fft_wave.real, label="Real part") plt.xlim(-5,5) plt.ylim(-10,10) #plt.legend(loc=1) plt.title("FFT in Frequency Domain") plt.subplot(212) plt.plot(fft_fre, fft_wave.imag,label="Imaginary part") #plt.legend(loc=1) plt.xlim(-5,5) plt.ylim(-10,10) plt.xlabel("frequency (Hz)") plt.ylabel("Amplitude") plt.xlabel("Time [s]") plt.bar(fft_fre, np.abs(fft_wave), width=0.5) #np.abs é uma matriz de entrada plt.show() frequencias = fft_fre #Retorne as frequências de amostra da Transformada Discreta de Fourier. period_time = 1 / frequencias amplitudes = np.abs(fft_wave) #(0, 0.707, 1, 0.707, 0, -0.707, -1, -0.707) np.abs= calcula o valor absoluto por elemento fpos=frequencias[frequencias>0] #mascara para só pegar valores positivos apos=amplitudes[frequencias>0] plt.ylabel("Amplitude") plt.xlabel("Frequency [Hz]") plt.bar(fpos,apos, width=0.1) #plt.scatter p gráfico ser de pontos plt.show() idx=np.argmax(apos) #Retorna os índices dos valores máximos ao longo de um eixo. print("Máxima amplitude corresponde a=",apos[idx]) tpCount = len(apos) timePeriod = tpCount/fs #peiodo = ii_arr[apos_max[0]:apos_max[1]] #priodo é a distancia entre duas amplitudes maximas #print("O período corresponde a=", tpCount/fs) -
@arfneto Obrigada pela explicação.. mas gostaria de saber como encontrar esse período em um código computacional (python)
-
Como encontro o período entre as amplitudes de uma onda senoidal?
-
Estou rodando esse código:
import matplotlib.pyplot as plt import numpy as np from scipy import fftpack from skimage import util from scipy import signal import time from sympy import factorint from skimage import io image = io.imread('arv.jpeg') N = image.shape M = image.shape f, ax = plt.subplots(figsize=(4.8, 4.8)) ax.imshow(image) print((M, N), image.dtype) F = fftpack.fftn(image) F_magnitude = np.abs(F) F_magnitude = fftpack.fftshift(F_magnitude) ax.imshow(np.log(1 + F_magnitude), cmap='viridis', extent=(-N//2, N//2, -M//2, M//2)), ax.set_title('Spectrum magnitude');e gera o seguinte erro:
bad operand type for unary -: 'tuple'
alguém sabe como posso resolver?
Att
-
Estou rodando esse código:
import matplotlib.pyplot as plt import numpy as np from scipy import fftpack from skimage import util from scipy import signal import time from sympy import factorint from skimage import io image = io.imread('arv.jpeg') N = image.shape M = image.shape f, ax = plt.subplots(figsize=(4.8, 4.8)) ax.imshow(image) print((M, N), image.dtype) F = fftpack.fftn(image) F_magnitude = np.abs(F) F_magnitude = fftpack.fftshift(F_magnitude) ax.imshow(np.log(1 + F_magnitude), cmap='viridis', extent=(-N//2, N//2, -M//2, M//2)), ax.set_title('Spectrum magnitude');e aparece o seguinte erro:
bad operand type for unary -: 'tuple'
alguém pode me ajudar a resolver?
Att
-
Agora estou tentando organizar a impressão em ordem alfabética, mas algo da errado.. o nome da certo, mas a parte do cpf não.
#include <stdio.h> #include <string.h> int main () /* Declara a funcao principal de inicio do programa, seu tipo de retorno e seu argumento */ { int count, i, j, t; char mat[10][2][100], aux[10][2][100]; char *p; /* Entrada de dados e armazenamento na matriz tridimensional de 10 linhas e duas colunas com 100 char cada */ for (count = 0; count < 10; count++) { printf ("\nEntre com o nome da pessoa %d: ", count+1); /* Função que imprime na tela e solicita ao usuário a entrada de dados*/ gets (mat[count][0]); /* Armazena a entrada de dados na variavel nome */ printf ("\nEntre com o cpf da pessoa %d: ", count+1); /* Função que imprime na tela e solicita ao usuário a entrada de dados*/ gets (mat[count][1]); /* Armazena a entrada de dados na variavel nome */ } /* Organização dos dados atraves do retorno da função strcmp */ for (i = 1; i < 10; i++) { for (j = 1; j < 10; j++) { if (strcmp(mat[j - 1][0], mat[j][0]) > 0) { strcpy(aux[j - 1][0], mat[j - 1][0]); strcpy(aux[j - 1][1], mat[j - 1][1]); strcpy(mat[j - 1][0], mat[j][0]); strcpy(mat[j - 1][1], mat[j][1]); strcpy(mat[j][0], aux[j][0]); strcpy(mat[j][1], aux[j][1]); } } } /* Impressão dos dados com a utilização de ponteiros */ p=mat[0]; /* Inicialização do ponteiro p para a linha inicial de mat */ for (count=0;count<20;count++) /* Função que inicia um contador*/ { printf (" %s\n", *p); /* Imprime o conteudo do ponteiro */ p++; /* Incrementa o endereço do ponteiro */ } return(0); /* Retorno da funcao main */ }
-
Estou tentando inicialmente fazer a entrada intercalada de dados.. mas nem isso não sei muito bem! Depois que isso estiver ok eu vejo como fazer para imprimir em ordem alfabética e como utilizar ponteiros.
#include <stdio.h> int main(){ char matriz[10][30][12]; int i, j, k; printf("Digite o Nome: \n"); scanf("%c", j); printf("Digite o CPF: \n"); scanf("%c", k); for( i =0 ; i<10 ; i++) { for(j =0; j<30 ; j++) { for(k=0; k<12 ; k++) { scanf("%c",&matriz[i][j][k]); } } } printf("\n\n\n"); for( int i =0 ; i<10 ; i++) { for(int j =0; j<30 ; j++) { for(int k=0; k<12 ; k++) { printf("%c\n" ,matriz[i][j][k]) ; } } } return 0; }
-
A principal dificuldade é porque a matriz 3D tem partes em char e partes em int.. não sei como posso fazer isso.. teria que ser duas matrizes?
-
Crie uma variável 3D para armazenar o nome e cpf de 10 pessoas. O programa deve ordenar e imprimir o nome e cpf ordenandos alfabeticamente. Utilize ponteiros.
Uma variável 3D seria uma matriz [][][].
-
1
-
-
@devair1010 modifiquei e continua dando errado
-
1
-
-
@Ricardov Obrigada, editei
-
1
-
1
-
-
Digitei o seguinte código, o que está errado?
#include <stdio.h> int main () { char matrx [100][5]; char *p; int count; p=matrx[0][0]='a'; p=matrx[0][1]='e'; p=matrx[0][2]='i'; p=matrx[0][3]='o'; p=matrx[0][4]='u'; for (count=0; count<500; count++) { *p="aeiou"; printf("%c", *p); p++; } return(0); }
-
1
-
1
-
1
-
Sobre o Clube do Hardware
No ar desde 1996, o Clube do Hardware é uma das maiores, mais antigas e mais respeitadas comunidades sobre tecnologia do Brasil. Leia mais
Direitos autorais
Não permitimos a cópia ou reprodução do conteúdo do nosso site, fórum, newsletters e redes sociais, mesmo citando-se a fonte. Leia mais
Calibração de câmera com imgs de tabuleiro de xadrez, cod rodado no gg colab
em Programação - outros
Postado
Parece que o código não está conseguindo encontrar os cantos da imagem de tabuleiro:
import cv2 import numpy as np import os import glob from google.colab.patches import cv2_imshow # Defining the dimensions of checkerboard CHECKERBOARD = (6,9) criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) # Criação de vetor para armazenar vetores de pontos 3D para cada imagem de tabuleiro de xadrez objpoints = [] # Criação de vetor para armazenar vetores de pontos 2D para cada imagem de tabuleiro de xadrez imgpoints = [] # Definindo as coordenadas mundiais para pontos 3D objp = np.zeros((1, CHECKERBOARD[0] * CHECKERBOARD[1], 3), np.float32) #objp é um array que armazena os pontos 3D para cada imagem do tabuleiro de xadrez. #np.zeros cria uma matriz de zeros nas dimensões que aparecem na sequência #o 3 representa as coordenadas x, y e z de cada ponto. objp[0,:,:2] = np.mgrid[0:CHECKERBOARD[0], 0:CHECKERBOARD[1]].T.reshape(-1, 2) #Atribuição de coordenada 2D ao objp prev_img_shape = None #Esta variável (None) será usada posteriormente no código para acompanhar a forma da imagem anterior. # Extraindo o caminho da imagem individual armazenada em um determinado diretório images = glob.glob('/content/drive/MyDrive/xadrez/fot*.jpg') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # Encontre os cantos do tabuleiro de xadrez # Se o número desejado de cantos for encontrado na imagem, então ret = true ret, corners = cv2.findChessboardCorners(gray, CHECKERBOARD, cv2.CALIB_CB_ADAPTIVE_THRESH + cv2.CALIB_CB_FAST_CHECK + cv2.CALIB_CB_NORMALIZE_IMAGE) """ If desired number of corner are detected, we refine the pixel coordinates and display them on the images of checker board """ if ret == True: objpoints.append(objp) # refining pixel coordinates for given 2d points. corners2 = cv2.cornerSubPix(gray, corners, (11,11),(-1,-1), criteria) imgpoints.append(corners2) # Draw and display the corners img = cv2.drawChessboardCorners(img, CHECKERBOARD, corners2, ret) #cv2.imshow('img',img) #cv2_imshow(img) #BOTAR ESSA LINHA DEPOIS cv2.waitKey(0) cv2.destroyAllWindows() h,w = img.shape[:2] """ Performing camera calibration by passing the value of known 3D points (objpoints) and corresponding pixel coordinates of the detected corners (imgpoints) """ ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None) print("Camera matrix : \n") print(mtx) print("dist : \n") print(dist) print("rvecs : \n") print(rvecs) print("tvecs : \n") print(tvecs)