python-opencv中的cv.CreateImage函数的参数问题

cv.CreateImage( CvSize size, int depth, int channels )

cvCreateImage:

  cv.CreateImage( CvSize size, int depth, int channels );
  参数说明:
import cv2.cv as cv

im = cv.LoadImage('messi5.jpg')#get the img

thum = cv.CreateImage((im.width/2, im.height/2), 8, 3)
cv.Resize(im, thum)
cv.SaveImage('thum.jpg',thum)

  size 图像宽、高.
  depth 图像元素的位深度,可以是下面的其中之一:
  IPL_DEPTH_8U - 无符号8位整型
  IPL_DEPTH_8S - 有符号8位整型
  IPL_DEPTH_16U - 无符号16位整型
  IPL_DEPTH_16S - 有符号16位整型
  IPL_DEPTH_32S - 有符号32位整型
  IPL_DEPTH_32F -  单精度浮点数
  IPL_DEPTH_64F -  双精度浮点数
  channels:
  每个元素(像素)通道号.可以是 1, 2, 3 或 4.通道是交叉存取的,例如通常的彩色图像数据排列是:b0 g0 r0 b1 g1 r1 ... 虽然通常 IPL 图象格式可以存贮非交叉存取的图像,并且一些OpenCV 也能处理他, 但是 这个函数只能创建交叉存取图像 .
  函数 cvCreateImage 创建头并分配数据,这个函数是下列的缩写型式:
  header = cvCreateImageHeader(size,depth,channels);

  cvCreateData(header);

注:

CvSize
矩形框大小,以像素为精度


  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
全景影像拼接是一个非常有趣的应用程序,可以使用 Python 和 OpenCV 库来实现。下面是一个简单的步骤: 1. 读取图像:使用 OpenCVcv2.imread() 函数读取所有图像。 2. 特征提取:使用 SIFT 或 SURF 算法提取图像的关键点和描述符。 3. 特征匹配:对于每对相邻的图像,使用描述符匹配算法(如 FLANN 或 BFMatcher)来找到它们之间的最佳匹配点。 4. 图像配准:根据匹配点计算图像之间的转换矩阵,然后使用 OpenCVcv2.warpPerspective() 函数将图像变形为共面。 5. 图像拼接:将所有变形图像叠加在一起形成全景图像。 下面是一个简单的 Python 示例代码: ```python import cv2 import numpy as np # 读取图像 img1 = cv2.imread('image1.jpg') img2 = cv2.imread('image2.jpg') # 特征提取 sift = cv2.xfeatures2d.SIFT_create() kp1, des1 = sift.detectAndCompute(img1, None) kp2, des2 = sift.detectAndCompute(img2, None) # 特征匹配 bf = cv2.BFMatcher() matches = bf.knnMatch(des1, des2, k=2) # 图像配准 good_matches = [] for m, n in matches: if m.distance < 0.75 * n.distance: good_matches.append(m) src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) img1_aligned = cv2.warpPerspective(img1, M, (img1.shape[1], img1.shape[0])) # 图像拼接 result = np.zeros((img1_aligned.shape[0], img1_aligned.shape[1] + img2.shape[1], 3), dtype=np.uint8) result[:img2.shape[0], :img2.shape[1]] = img2 result[:, img2.shape[1]:] = img1_aligned cv2.imshow('result', result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 注意:这只是一个简单的示例代码,实际应用可能需要更复杂的特征提取和匹配算法来获得更准确的结果。

“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 5
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