seamless clone

本文主要探讨了无缝克隆的概念,通过分析mixed clone和normal clone两种不同的克隆方式,揭示了它们在应用场景和效果上的差异,为图像处理和图形学领域的技术实践提供了新的思考方向。
摘要由CSDN通过智能技术生成

参考链接

import cv2
import numpy as np

im = cv2.imread('d:/images/wood.jpg')
obj = cv2.imread('d:/images/love.jpg')

mask = 255*np.ones(obj.shape, obj.dtype)

width, height, channels = im.shape
center = (int(height/2), int(width/2))

normal_clone = cv2.seamlessClone(obj, im, mask, center, cv2.NORMAL_CLONE)
mixed_clone = cv2.seamlessClone(obj, im, mask, center, cv2.MIXED_CLONE)

cv2.imwrite("d:/images/opencv-normal-clone-example.jpg", normal_clone)
cv2.imwrite("d:/images/opencv-mixed-clone-example.jpg", mixed_clone)

 

mixed clone

normal clone

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