img.shape img.size

最新推荐文章于 2022-07-25 11:29:29 发布
最新推荐文章于 2022-07-25 11:29:29 发布
阅读量6.2k 收藏 1
点赞数
分类专栏： Python OpenCV图像处理

import cv2
import numpy as np
img=cv2.imread('messi5.jpg')
print img.shape
px=img[100,100]
print px
blue=img[100,100,0]
print blue
## [57 63 68]
## 57
print img[100,100]
img[100,100]=[255,255,255]
print img[100,100]
## [255 255 255]
print img.shape
print img.size


Hustudent20080101
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
vehicle-speed-check-master.zip
06-05
一个监测车辆跟踪的例子 import cv2 import numpy as np import math import matplotlib.pyplot as plt class Hog_descriptor(): def __init__(self, img, cell_size=16, bin_size=8): self.img = img self.img = np.sqrt(img / float(np.max(img))) self.img = self.img * 255 self.cell_size = cell_size self.bin_size = bin_size self.angle_unit = 360 / self.bin_size assert type(self.bin_size) == int, "bin_size should be integer," assert type(self.cell_size) == int, "cell_size should be integer," assert type(self.angle_unit) == int, "bin_size should be divisible by 360" def extract(self): height, width = self.img.shape gradient_magnitude, gradient_angle = self.global_gradient() gradient_magnitude = abs(gradient_magnitude) cell_gradient_vector = np.zeros((height / self.cell_size, width / self.cell_size, self.bin_size)) for i in range(cell_gradient_vector.shape[0]): for j in range(cell_gradient_vector.shape[1]): cell_magnitude = gradient_magnitude[i * self.cell_size:(i + 1) * self.cell_size, j * self.cell_size:(j + 1) * self.cell_size] cell_angle = gradient_angle[i * self.cell_size:(i + 1) * self.cell_size, j * self.cell_size:(j + 1) * self.cell_size] cell_gradient_vector[i][j] = self.cell_gradient(cell_magnitude, cell_angle) hog_image = self.render_gradient(np.zeros([height, width]), cell_gradient_vector) hog_vector = [] for i in range(cell_gradient_vector.shape[0] - 1): for j in range(cell_gradient_vector.shape[1] - 1): block_vector = [] block_vector.extend(cell_gradient_vector[i][j]) block_vector.extend(cell_gradient_vector[i][j + 1]) block_vector.extend(cell_gradient_vector[i + 1][j]) block_vector.extend(cell_gradient_vector[i + 1][j + 1]) mag = lambda vector: math.sqrt(sum(i ** 2 for i in vector)) magnitude = mag(block_vector) if magnitude != 0: normalize = lambda block_vector, magnitude: [element / magnitude for element in block_vector] block_vector = normalize(block_vector, magnitude) hog_vector.append(block_vector) return hog_vector, hog_image def global_gradient(self): gradient_values_x = cv2.Sobel(self.img, cv2.CV_64F, 1, 0, ksize=5) gradient_values_y = cv2.Sobel(self.img, cv2.CV_64F, 0, 1, ksize=5) gradient_magnitude = cv2.addWeighted(gradient_values_x, 0.5, gradient_values_y, 0.5, 0) gradient_angle = cv2.phase(gradient_values_x, gradient_values_y, angleInDegrees=True) return gradient_magnitude, gradient_angle def cell_gradient(self, cell_magnitude, cell_angle): orientation_centers = [0] * self.bin_size for i in range(cell_magnitude.shape[0]): for j in range(cell_magnitude.shape[1]): gradient_strength = cell_magnitude[i][j] gradient_angle = cell_angle[i][j] min_angle, max_angle, mod = self.get_closest_bins(gradient_angle) orientation_centers[min_angle] += (gradient_strength * (1 - (mod / self.angle_unit))) orientation_centers[max_angle] += (gradient_strength * (mod / self.angle_unit)) return orientation_centers def get_closest_bins(self, gradient_angle): idx = int(gradient_angle / self.angle_unit) mod = gradient_angle % self.angle_unit if idx == self.bin_size: return idx - 1, (idx) % self.bin_size, mod return idx, (idx + 1) % self.bin_size, mod def render_gradient(self, image, cell_gradient): cell_width = self.cell_size / 2 max_mag = np.array(cell_gradient).max() for x in range(cell_gradient.shape[0]): for y in range(cell_gradient.shape[1]): cell_grad = cell_gradient[x][y] cell_grad /= max_mag angle = 0 angle_gap = self.angle_unit for magnitude in cell_grad: angle_radian = math.radians(angle) x1 = int(x * self.cell_size + magnitude * cell_width * math.cos(angle_radian)) y1 = int(y * self.cell_size + magnitude * cell_width * math.sin(angle_radian)) x2 = int(x * self.cell_size - magnitude * cell_width * math.cos(angle_radian)) y2 = int(y * self.cell_size - magnitude * cell_width * math.sin(angle_radian)) cv2.line(image, (y1, x1), (y2, x2), int(255 * math.sqrt(magnitude))) angle += angle_gap return image img = cv2.imread('G://1.bmp', cv2.IMREAD_GRAYSCALE) hog = Hog_descriptor(img, cell_size=8, bin_size=8) vector, image = hog.extract() plt.imshow(image, cmap=plt.cm.gray) plt.show()
Opencv-python的图像简单颜色处理
qq_44863646的博客
04-10 5255
获取并修改图像中的像素点 我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像，它返回一个蓝，绿，红值的数组。对于灰度图像，仅返回相应的强度值。使用相同的方法对像素值进行修改。 import numpy as np import cv2 as cv img = cv.imread('messi5.jpg') # 获取某个像素点的值 px = img[100,100] # 仅获取蓝色通道的强度值 blue = img[100,100,0] # 修改某个位置的像素值 img[100,100] = [2
Python各类图像库的图片读写方式总结
weixin_34195546的博客
01-12 840
最近在研究深度学习视觉相关的东西，经常需要写python代码搭建深度学习模型。比如写CNN模型相关代码时，我们需要借助python图像库来读取图像并进行一系列的图像处理工作。我最常用的图像库当然是opencv，很强大很好用，但是opencv也有一些坑，不注意的话也会搞出大麻烦。近期我也在看一些别人写的代码，因为个人习惯不一样，他们在做深度学习时用于图片读取的图像库各不相同，从opencv到PIL再...
im.shape[:2]的意思
qq_41496108的博客
11-10 3835
img.shape[:2] 取彩色图片的长、宽。 如果img.shape[:3] 则取彩色图片的长、宽、通道。 关于img.shape[0]、[1]、[2] img.shape[0]：图像的垂直尺寸（高度或长度） img.shape[1]：图像的水平尺寸（宽度） img.shape[2]：图像的通道数 在矩阵中，[0]就表示行数，[1]则表示列数。 ...
scipy.misc.imread()被弃用，应该用imageio.imwrite()来替代
热门推荐
春卷同学的博客
01-10 2万+
scipy.misc：scipy.misc.imread from scipy import misc import matplotlib.pyplot as plt im = misc.imread('1.jpg') print(im.dtype) print(im.size) print(im.shape) misc.imsave('misc1.png',im) plt.imshow(...
.shape 和 .size的区别
nyist_yangguang的博客
04-05 1138
将python 类比 c/c++ .shape 是求行值和列值 .size 是求长度
shape 和 size() 区别
blueblood7的专栏
07-25 1865
shape 比 size() 通用性更好
img.shape
weixin_51015047的博客
02-04 8099
img.shape[:2] 取彩色图片的长、宽。 如果img.shape[:3] 则取彩色图片的长、宽、通道。 关于img.shape[0]、[1]、[2] img.shape[0]：图像的垂直尺寸（高度） img.shape[1]：图像的水平尺寸（宽度） img.shape[2]：图像的通道数 在矩阵中，[0]就表示行数，[1]则表示列数。 ...
获取图像的尺寸大小(size/shape)
zhicai_liu的博客
08-07 5168
两种不同的方式 python 处理图像一般用pillow和opencv两种方式,两种方式返回的图像尺寸宽和高顺序略有不同 OpenCV OpenCV返回的是H,W,C img = cv2.imread('./temp.jpg') h,w,c = img.shape Pillow pillow返回的是W,H img = Image.open('./temp.jpg') w,h = img.size 参考: Get image size (width, height) with Pytho
opencv相关学习笔记（一）
m0_61624005的博客
01-04 3339
1.数据读取及变换——图片 （1）数据读取：cv.imread() ·有三种读取方式：彩色模式（参数为1或cv2.IMREAD_COLOR） 灰度模式（参数为0或cv2.IMREAD_GRAYSCALE） 包括alpha通道的加载图像模式（-1或cv2.IMREAD_UNCHANGED） 注意：opencv的读取格式是BGR （2）图像显示：cv2.inshow() import cv2 img = cv2.imread("D:/meishaonv.jpg") #读取图像，注意图像的路径..
python cv2.resize函数high和width注意事项说明
01-21
img.shape 返回的是三维数组(high, width, 3)，当我们需要对图像进行缩放时需要用到cv2.resize()函数： #缩放到原来的二分之一 img= cv.resize(img, (int(width / 2), int(high / 2))) 此时需要传入的形状又是...
课程设计项目-基于Softmax的多波段遥感影像分类python源码+项目说明.zip
10-26
iteration=train_data.shape[0]//batch_size ``` ## 5.结果评价 >由于训练数据进行了数据增强，因此合理的直接采用全部原始数据进行验证。 >最终计算得出的精度为***92.768%*** ### 损失曲线和混淆矩阵 <img src="....
Numpy实现卷积神经网络(CNN)的示例
12-16
import numpy as np import sys def conv_(img, conv_... for r in np.uint16(np.arange(filter_size/2.0, img.shape[0]-filter_size/2.0+1)): for c in np.uint16(np.arange(filter_size/2.0, img.shape[1]-filter_s
2024-2030全球与中国盐氯化系统市场现状及未来发展趋势.docx
04-24
2024-2030全球与中国盐氯化系统市场现状及未来发展趋势
基于深度学习的积灰检测识别-图像分类源码+数据集.zip
最新发布
04-24
详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；详情请查看资源内容中使用说明；
沈阳药科大学-答辩通用PPT模板我给母校送模板作品.pptx
04-24
PPT模板，答辩PPT模板，毕业答辩，学术汇报，母校模板，我给母校送模板作品，周会汇报，开题答辩，教育主题模板下载。PPT素材下载。
微信备忘录小程序源码 作业设计demo 计算机专业作业
04-24
微信备忘录小程序源码 作业设计demo 微信备忘录小程序是一种便捷的个人记事应用，它允许用户在微信内快速记录和查看备忘录。以下是对微信备忘录小程序的简要介绍： --- **微信备忘录小程序** 微信备忘录小程序为用户提供了一个简单、直观的记事平台。用户可以通过这个小程序记录日常事务、重要提醒和个人笔记，非常适合忙碌的现代生活节奏。 主要特点包括： 1. **快速记录**：用户可以迅速添加文本、列表或语音备忘录。 2. **定时提醒**：为每个备忘录设置提醒时间，确保不会错过任何重要事项。 3. **个性化分类**：支持自定义分类，便于管理和查找备忘录。 4. **界面友好**：清晰的界面设计，操作简便，无需复杂的学习过程。 5. **数据同步**：通过微信账号登录，实现备忘录的云端同步，方便在不同设备间切换使用。 此外，小程序还具备以下优势： - **隐私保护**：备忘录内容仅对用户本人可见，保障个人隐私。 - **无广告干扰**：提供一个无广告的清爽记事环境。 - **离线存储**：即使在无网络环境下，也能正常使用，记录的内容会在联网后自动同步。 微信备忘录小程序是日
中国海洋大学-汇报答辩专用PPT模板我给母校送模板作品.pptx
04-24
PPT模板，答辩PPT模板，毕业答辩，学术汇报，母校模板，我给母校送模板作品，周会汇报，开题答辩，教育主题模板下载。PPT素材下载。
解释一下这段代码，并每一句给出注释：def resize_img(img, max_image_size): if max_image_size == -1: return img, 1.0 # no resize scale = max_image_size / max(img.shape[0], img.shape[1]) w = int(img.shape[1] * scale) h = int(img.shape[0] * scale) img = cv2.resize(img, (w, h)) return img, scale
06-14
这段代码是一个用于调整图像大小的函数，下面是每行代码的注释： ```python def resize_img(img, max_image_size): # 定义函数，输入为图像和最大图像尺寸 if max_image_size == -1: # 如果最大图像尺寸为-1 return img, 1.0 # 则返回原图和缩放比例为1 scale = max_image_size / max(img.shape[0], img.shape[1]) # 计算缩放比例，使图像的较长边缩放到最大图像尺寸大小 w = int(img.shape[1] * scale) # 计算缩放后的图像宽度 h = int(img.shape[0] * scale) # 计算缩放后的图像高度 img = cv2.resize(img, (w, h)) # 调整图像大小 return img, scale # 返回调整后的图像和缩放比例 ``` 其中，`cv2.resize`是OpenCV库中用于调整图像大小的函数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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