open cv像素重映射

像素重映射是将输入图像的像素按照特定规则映射到新图像的过程。OpenCV中的`remap()`函数实现了这一操作,允许进行缩放、对调等变换。该函数涉及映射表、插值方法和边界填充等参数,常用于计算机视觉中的图像变换。
摘要由CSDN通过智能技术生成

映射的概念-把数据(像素)按照规则重新排列


什么是像素重投影
简单点说就是把输入图像中各个像素按照一定的规则映射到另外一张图像的
对应位置上去,形成一张新的图像

[Math Processing Error] g(x,y)g(x,y) = [Math Processing Error] f(h(x,y))f(h(x,y))
[Math Processing Error] g(x,y)g(x,y)是重映射后的图像,[Math Processing Error]
hh是功能函数,[Math Processing Error] f(x,y)f(x,y)是原图像。
原图像[Math Processing Error] ff中每一点经过功能函数[Math Processing Error]
hh映射到新图像[Math Processing Error] gg中的每一点

API介绍cv::remap(重新映射)

Remap(可实现 缩小一半 X方向,Y方向对调以及XY方向同时对调)
(
InputArray src, //输入图像(三通道单通道深度都可以)
OutputArray dst,//输出图像
InputAray map1,// x映射表CV _32FC1/CV 32FC2(位数必须是这两种类型) 代表X方向上的映射规则
InputArray map2,// y映射表 代表Y方向的映射规则
int iterpalion/)选择的插值方法,常见线性插值, 可选择立方等
int borderMode,// BORDER
CONSTANT(边缘的填充方式)
const Scalar borderValue// color(边缘的颜色)
}

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;

int index = 0;
Mat  src,dst,mapx,mapy,mapxy;

void update_map(void);
void Remap(int, void*);

int main()
{
   

    src = imread("D:/实验台/机器视觉/测试图片/格子衬衫.jpg");
	if (src.empty())//如果src这个数据库属性为空
	{
   
		cout << "无法打开" << endl;
		return -1;
	}
	imshow("原图", src);
	Remap(0</
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
rom skimage.segmentation import slic, mark_boundaries import torchvision.transforms as transforms import numpy as np from PIL import Image import matplotlib.pyplot as plt # 加载图像 image = Image.open('3.jpg') # 转换为 PyTorch 张量 transform = transforms.ToTensor() img_tensor = transform(image).unsqueeze(0) # 将 PyTorch 张量转换为 Numpy 数组 img_np = img_tensor.numpy().transpose(0, 2, 3, 1)[0] # 使用 SLIC 算法生成超像素标记图 segments = slic(img_np, n_segments=60, compactness=10) # 可视化超像素索引映射 plt.imshow(segments, cmap='gray') plt.show() # 将超像素索引映射可视化 segment_img = mark_boundaries(img_np, segments) # 将 Numpy 数组转换为 PIL 图像 segment_img = Image.fromarray((segment_img * 255).astype(np.uint8)) # 保存超像素索引映射可视化 segment_img.save('segment_map.jpg') 将上述代码中引入超像素池化代码:import cv2 import numpy as np # 读取图像 img = cv2.imread('3.jpg') # 定义超像素分割器 num_segments = 60 # 超像素数目 slic = cv2.ximgproc.createSuperpixelSLIC(img, cv2.ximgproc.SLICO, num_segments) # 进行超像素分割 slic.iterate(10) # 获取超像素标签和数量 labels = slic.getLabels() num_label = slic.getNumberOfSuperpixels() # 对每个超像素进行池化操作,这里使用平均值池化 pooled = [] for i in range(num_label): mask = labels == i region = img[mask] pooled.append(region.mean(axis=0)) # 将池化后的特征图可视化 pooled = np.array(pooled, dtype=np.uint8) pooled_features = pooled.reshape(-1) pooled_img = cv2.resize(pooled_features, (img.shape[1], img.shape[0]), interpolation=cv2.INTER_NEAREST) print(pooled_img.shape) cv2.imshow('Pooled Image', pooled_img) cv2.waitKey(0),并显示超像素池化后的特征图
最新发布
06-09
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值