图像边框的实现

图像边框设计的主要函数

cv.copyMakeBorder()——实现边框填充
主要参数如下:

  • 参数一:源图像——如:读取的img
  • 参数二——参数五分别是:上下左右边的宽度——单位:像素
  • 参数六:边框类型:
  • cv.BORDER_CONSTANT——cv.BORDER_REPLICATE——cv.BORDER_REFLECT——cv.BORDER_WRAP——cv.BORDER_REFLECT_101——cv.BORDER_TRANSPARENT——cv.BORDER_REFLECT101——cv.BORDER_DEFAULT——cv.BORDER_ISOLATED
  • 参数七——只在边框类型选择borderType == BORDER_CONSTANT,才设置,意为边框值

边框类型的说明:

  • BORDER_CONSTANT:意为添加指定颜色的边框——由value值确定:为list
  • 其它参数:(可根据需要调制,不过一般前两个用的多一些)

代码实例

import cv2 as cv
import numpy as np
if __name__ == "__main__":
 img = cv.imread('./imag_in_save/open_class.png')
 cv.namedWindow('imag', cv.WINDOW_NORMAL)
 cv.resizeWindow('imag', 500, 500)
 img = cv.copyMakeBorder(img, 20, 20, 20, 20, cv.BORDER_CONSTANT, value=[2, 83, 13]) # 添加边框
 cv.imshow('imag', img)
 cv.waitKey(0)
 cv.destroyAllWindows()

效果

python opencv 图像边框(填充)添加及图像混合的实现方法(末尾实现类似幻灯片渐变的效果)

图像混合的实现

图像混合实现的主要函数

cv.addWeighted()——实现图像的混合
它的工作原理采用的是一个简单权重公式:g(x)=(1"htmlcode">

import cv2 as cv
import numpy as np


if __name__ == "__main__":
 img1 = cv.imread(r'./2.png', 1) # 读取彩色图片
 img2 = cv.imread(r'./3.png', 1)
 cv.namedWindow('imag', cv.WINDOW_NORMAL) # 窗体
 img1 = img1[0: 200, 0: 400] # 截取图像的指定部分——因为图像混合需要等大的图像
 img2 = img2[0: 200, 0: 400]
 img = cv.addWeighted(img1, 0.7, img2, 0.3, 0) # 混合图片——根据权重

 while True:
 cv.imshow('imag', img) # 显示当前序列号图片
 k = cv.waitKey(0) & 0xFF
 if k == 27:
  break
 cv.destroyAllWindows()

效果

python opencv 图像边框(填充)添加及图像混合的实现方法(末尾实现类似幻灯片渐变的效果)

小练习(产生类似幻灯片渐变的效果)

主要思路

  • 首先准备好一系列等大的图片或者截取一系列相同大小的图片区域作为我们的图像数据
  • 然后将图像信息,分别拼接到一个list列表中
  • 然后,实现一张一张图片的显示,在交换的间隙,实现渐变的效果——也就是图像混合。
  • 然后就可以欣赏了——不过效果的话,主要看设置的参数吧(当然因为没有渲染,可能还是有些僵硬)。

代码示例

我把主要注释放在代码中,边看边理解应该不难~

import cv2 as cv
import numpy as np

if __name__ == "__main__":
 img_list = [] # 创建一个空序列装准备显示的一系列图片
 counts = 0 # 显示图片的序号
 cv.namedWindow('imag', cv.WINDOW_NORMAL) # 窗体
 cv.resizeWindow('imag', 500, 500)
 for i in range(2, 7): # 遍历图片,凭借到空数组中——一共5张
 img = cv.imread(f'./imag_in_save/scr/{i}.png') # 用f""实现参数传入
 img = img[0: 200, 0: 400] # 截取图像的指定部分——因为图像混合需要等大的图像
 img_list.append(img) # 实现图片添加
 while True:
 cv.imshow('imag', img_list[counts]) # 显示当前序列号图片
 k = cv.waitKey(2000) & 0xFF
 counts += 1 # 循环下一张图片——0,1,2,3,4有效
 if counts == 5: # 循环到最后一张图片后返回到第一张图片
  counts = 0
 for i in range(0, 10):
  k_f = cv.addWeighted(img_list[counts - 1], 1 - (i * 0.1), img_list[counts], i * 0.1, 0) # 做类似渐变的图像合成
  # 实现两张(当前图片和接下来显示的图片)图片,不同权重的混合——由于照片权重改变来实现渐变
  cv.imshow('imag', k_f) # 显示混合的图片
  k = cv.waitKey(120) & 0xFF # 延时和按键读取
  if k == 27: # ESC键
  break
 if k == 27:
  break
 cv.destroyAllWindows()

效果(图片可能不是很明显,如有需要可以自己添置几张图片实现看看)

python opencv 图像边框(填充)添加及图像混合的实现方法(末尾实现类似幻灯片渐变的效果)
python opencv 图像边框(填充)添加及图像混合的实现方法(末尾实现类似幻灯片渐变的效果)

python opencv 图像边框(填充)添加及图像混合的实现方法(末尾实现类似幻灯片渐变的效果)

总结

标签:
opencv,图像边框填充混合,opencv,图像边框填充,opencv,图像边框

免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com

RTX 5090要首发 性能要翻倍!三星展示GDDR7显存

三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。

首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。

据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。