cv2和PIL对图像进行padding的区别

import cv2
import numpy as np
from PIL import Image,ImageOps
import copy
img = cv2.imread('F:\\2\\images.jpg')
img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
print(img.shape)
img2=copy.deepcopy(img)
constant = cv2.copyMakeBorder(img, 0, 0, 50, 100, cv2.BORDER_CONSTANT, value=0)#top,bottom,left,right

cv2.imshow('pistol', constant)
print(constant.shape)
cv2.waitKey(0)

constant2=Image.fromarray(img2)
print(img2.shape)
constant2=ImageOps.expand(constant2, border=(50,0,100,0), fill=0)##left,top,right,bottom

constant2=np.asarray(constant2)
print(constant2.shape)
print(np.sum(constant2-constant))

(179, 281)
(179, 431)
(179, 281)
(179, 431)
0

在OpenCV中,PyTorch是一个流行的深度学习库,可以用于图像处理计算机视觉任务。如果你想通过卷积操作对图像进行滤波,你可以按照以下步骤进行: 1. **安装必要的库**:首先确保你已经安装了`cv2` (OpenCV) `torch` 或 `torchvision`。 ```bash pip install opencv-python torch torchvision ``` 2. **加载图像**:使用OpenCV的`imread`函数读取图片,并将其转换为适合PyTorch的数据类型。 ```python import cv2 import torch from PIL import Image image = cv2.imread('input_image.jpg') image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) image_tensor = torch.from_numpy(image).permute(2, 0, 1).float() / 255.0 ``` 3. **定义卷积核**:在PyTorch中,你可以创建一个二维张量作为卷积核,用于应用各种滤波效果,比如高斯模糊、边缘检测等。例如,下面是一个简单的高斯模糊核的例子。 ```python kernel_size = 5 blurring_kernel = torch.tensor([[1, 2, 1], [2, 4, 2], [1, 2, 1]] / 16) ``` 4. **卷积运算**:使用`F.conv2d`函数从`torch.nn.functional`模块,将图像卷积核结合起来进行卷积操作。 ```python import torch.nn as nn def apply_filter(image_tensor, kernel): blur = nn.functional.conv2d(image_tensor.unsqueeze(0), kernel, padding=kernel_size // 2) return blur[0] filtered_image = apply_filter(image_tensor, blurring_kernel) ``` 5. **结果显示或保存**:最后,你可以将处理后的图像数据转换回numpy数组并显示出来,或者保存到文件中。 ```python filtered_image = filtered_image.numpy() filtered_image = np.clip(filtered_image * 255, 0, 255).astype(np.uint8) cv2.imshow('Filtered Image', filtered_image) cv2.waitKey(0) cv2.destroyAllWindows() ```
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