OpenCV(16)：边界填充

我是PN结

于 2025-05-06 09:04:39 发布

阅读量374

点赞数 3

文章标签： opencv 人工智能计算机视觉

本文链接：https://blog.csdn.net/2401_86889724/article/details/147718325

版权

前面我们学习了图像的卷积操作。一个很自然的问题是如何处理卷积边缘。当卷积点在图像边界时会发生什么，如何处理这个问题？

大多数用到卷积操作的OpenCV函数都是将给定图像拷贝到另一个轻微变大的图像中，然后自动填充图像边界(通过下面示例代码中的各种方式)。这样卷积操作就可以在边界像素安全执行了(填充边界在操作完成后会自动删除)。

`16.1 cv2.copyMakeBorder()边界填充`

作用：将源图像复制到目标图像的中间并在图像周围形成边框。如果你想给你的图片设置边界框，就像一个相框一样的东西，你就可以使用cv2.copyMakeBorder()函数。但其在卷积操作、零填充等也得到了应用，并且可以用于一些数据增广操作。

原型：cv2.copyMakeBorder(img,top, bottom, left, right ,borderType,[value])

参数：

img ：输入的图片
top, bottom, left, right ：图片相应方向上的边框宽度，以像素为单位
borderType：定义要添加边框的类型，它可以是以下的一种：cv2.BORDER_REPLICATE：复制法，复制图像最边缘的像素，使用最边界的像素值代替，类似于aaaaaa|abcdefgh|hhhhhhh；cv2.BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制，添加的边框像素将是边界元素的镜面反射，类似于fedcba|abcdefgh|hgfedc；cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT：反射法，以最边缘的像素为轴，对称。和上面类似，但是有一些细微的不同，类似于gfedcb|abcdefgh|gfedcba；cv2.BORDER_WRAP：外包装法，直接看吧，cdefgh|abcdefgh|abcdefg；cv2.BORDER_CONSTANT：常量法，常数值填充。添加的边界框像素值为常数（需要额外再给定一个参数）
value：如果borderType为cv2.BORDER_CONSTANT时需要填充的常数值。

16.2 示例

import cv2
import matplotlib.pyplot as plt

img = cv2.imread('C:\\Users\\xxx\\Downloads\\picture1.jpeg')
img = cv2.merge((img[:,:,2],img[:,:,1],img[:,:,0]))

topSize,bottomSize,leftSize,rightSize=(100,100,100,100)
replicate = cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img,topSize,bottomSize,leftSize,rightSize,borderType=cv2.BORDER_CONSTANT,value=0)

fig = plt.figure(figsize=(25.6,10)) # 设置画布大小
titles = ['ORIGINAL','REPLICATE','REFLECT','REFLECT_101','WRAP','CONSTANT,value=0']
images = [img,replicate,reflect,reflect101,wrap,constant]
for i in range(6): #画6次图
    plt.subplot(2, 3, i + 1), plt.imshow(images[i], 'gray')
    plt.title(titles[i],fontsize=30)
    plt.xticks([]), plt.yticks([])

16.3 细节函数

为了能快速对比出各个方法得出的图像的区别，可以使用np.vstack()或者np.hstack()对比，将图像放在同一个窗口。

rec=np.hstack((replicate,reflect))
cv_show("replicate_reflect",rec)

注意：

使用np.vstack()或者np.hstack()函数时，图像的大小必须一致，不然会报错。
使用np.vstack()或者np.hstack()函数时，可能会出现图像显示不完全情况