重映射

重映射函数

dst=cv2.remap(src,map1,map2,interpolation[,borderMode,borderValue])

dst：目标图像。
src：原始图像。
map1：点（x，y）的一个映射或者点（x，y）的x值。
map2：其值与map1的值有关。当map1表示（x，y）的一个映射时，map2为空。当map1表示点（x，y）的x值时，map2表示点（x，y）的y值。
interpolation：插值方式。
borderMode：边界模式。
borderValue：边界值。
注：map1和map2都是浮点数，目标图像可以映射到原始图像中不存在像素值的位置。

复制

1、像素值复制

import cv2 as cv
import numpy as np

image = np.random.randint(0, 256, size=[6, 6], dtype=np.uint8)  # 构建6*6的随机灰度图像数组
h, w = image.shape  # 获得图像的高和宽
# 建立新数组的大小
x = np.zeros((w, h), np.float32)
y = np.zeros((w, h), np.float32)
# 实现新数组的访问赋值操作
for i in range(h):
    for j in range(w):
        x.itemset((i, j), j)  # x存放新数组点(x,y)的x值（宽值）
        y.itemset((i, j), i)  # y存放新数组点(x,y)的y值（高值）
rst = cv.remap(image, x, y, cv.INTER_LINEAR)  # 数组复制
print('image=\n', image)
print('rst=\n', rst)
cv.waitKey()
cv.destroyAllWindows()

运行结果：

2、图像复制

import cv2 as cv
import numpy as np

image=cv.imread("d:/exercise/lusi.jpg")#读取图像
h, w = image.shape[:2]  # 获得图像的高和宽
# 建立新图像的大小
map1 = np.zeros((h,w), np.float32)
map2 = np.zeros((h,w), np.float32)
# 实现新图像的访问遍历操作
for i in range(h):
    for j in range(w):
        map1.itemset((i, j), j)  # map1存放新数组点(x,y)的x值（宽值）
        map2.itemset((i, j), i)  # map2存放新数组点(x,y)的y值（高值）
rst = cv.remap(image, map1, map2, cv.INTER_LINEAR)  # 图像复制
cv.imshow('image',image)
cv.imshow('rst',rst)
cv.waitKey()
cv.destroyAllWindows()

运行结果：

绕x轴翻转

map1的值不变，map2的值变为：总行数-1-当前行号。（-1是因为行号的下标是从0开始的）

1、像素绕x轴翻转

import cv2 as cv
import numpy as np

image = np.random.randint(0, 256, size=[6, 6], dtype=np.uint8)  # 构建6*6的随机灰度图像数组
h, w = image.shape  # 获得图像的高和宽
# 建立新数组的大小
x = np.zeros((w, h), np.float32)
y = np.zeros((w, h), np.float32)
# 实现新数组的访问赋值操作
for i in range(h):
    for j in range(w):
        x.itemset((i, j), j)  # x存放新数组点(x,y)的x值（宽值）
        y.itemset((i, j), h-1-i)  # y存放翻转后的y值（高值）
rst = cv.remap(image, x, y, cv.INTER_LINEAR)  # 数组绕x轴翻转
print('image=\n', image)
print('rst=\n', rst)
cv.waitKey()
cv.destroyAllWindows()

运行结果：

2、图像绕x轴翻转

import cv2 as cv
import numpy as np

image=cv.imread("d:/exercise/lusi.jpg")#读取图像
h, w = image.shape[:2]  # 获得图像的高和宽
# 建立新图像的大小
map1 = np.zeros((h,w), np.float32)
map2 = np.zeros((h,w), np.float32)
# 实现新图像的访问遍历操作
for i in range(h):
    for j in range(w):
        map1.itemset((i, j), j)  # map1存放新数组点(x,y)的x值（宽值）
        map2.itemset((i, j), h-1-i)  # map2存放翻转后的y值（高值）
rst = cv.remap(image, map1, map2, cv.INTER_LINEAR)  # 图像绕x轴翻转
cv.imshow('image',image)
cv.imshow('rst',rst)
cv.waitKey()
cv.destroyAllWindows()

运行结果：

绕y轴翻转

map2的值不变，map1的值变为：总列数-1-当前列号。（-1是因为列号的下标是从0开始的）

1、像素绕y轴翻转

import cv2 as cv
import numpy as np

image = np.random.randint(0, 256, size=[6, 6], dtype=np.uint8)  # 构建6*6的随机灰度图像数组
h, w = image.shape  # 获得图像的高和宽
# 建立新数组的大小
x = np.zeros((w, h), np.float32)
y = np.zeros((w, h), np.float32)
# 实现新数组的访问赋值操作
for i in range(h):
    for j in range(w):
        x.itemset((i, j), w-1-j)  # x存放翻转后的x值（宽值）
        y.itemset((i, j), i)  # y存放新数组点(x,y)的y值（高值）
rst = cv.remap(image, x, y, cv.INTER_LINEAR)  # 数组绕y轴翻转
print('image=\n', image)
print('rst=\n', rst)
cv.waitKey()
cv.destroyAllWindows()

运行结果：

2、图像绕y轴翻转

import cv2 as cv
import numpy as np

image=cv.imread("d:/exercise/lusi.jpg")#读取图像
h, w = image.shape[:2]  # 获得图像的高和宽
# 建立新图像的大小
map1 = np.zeros((h,w), np.float32)
map2 = np.zeros((h,w), np.float32)
# 实现新图像的访问遍历操作
for i in range(h):
    for j in range(w):
        map1.itemset((i, j), w-1-j)  # map1存放翻转后的x值（宽值）
        map2.itemset((i, j), i)  # map2存放新数组点(x,y)的y值（高值）
rst = cv.remap(image, map1, map2, cv.INTER_LINEAR)  # 图像绕y轴翻转
cv.imshow('image',image)
cv.imshow('rst',rst)
cv.waitKey()
cv.destroyAllWindows()

运行结果：

绕x轴与y轴翻转

map1的值变为：总列数-1-当前列号。map2的值变为：总行数-1-当前行号。（-1是因为行号，列号的下标是从0开始的）

1、像素绕x轴，y轴翻转

import cv2 as cv
import numpy as np

image = np.random.randint(0, 256, size=[6, 6], dtype=np.uint8)  # 构建6*6的随机灰度图像数组
h, w = image.shape  # 获得图像的高和宽
# 建立新数组的大小
x = np.zeros((w, h), np.float32)
y = np.zeros((w, h), np.float32)
# 实现新数组的访问赋值操作
for i in range(h):
    for j in range(w):
        x.itemset((i, j), w-1-j)  # x存放翻转后的x值（宽值）
        y.itemset((i, j), h-1-i)  # y存放翻转后的y值（高值）
rst = cv.remap(image, x, y, cv.INTER_LINEAR)  # 数组绕x轴，y轴翻转
print('image=\n', image)
print('rst=\n', rst)
cv.waitKey()
cv.destroyAllWindows()

运行结果：

2、图像绕x轴，y轴翻转

import cv2 as cv
import numpy as np

image=cv.imread("d:/exercise/lusi.jpg")#读取图像
h, w = image.shape[:2]  # 获得图像的高和宽
# 建立新图像的大小
map1 = np.zeros((h,w), np.float32)
map2 = np.zeros((h,w), np.float32)
# 实现新图像的访问遍历操作
for i in range(h):
    for j in range(w):
        map1.itemset((i, j), w-1-j)  # map1存放翻转后的x值（宽值）
        map2.itemset((i, j), h-1-i)  # map2存放翻转后的y值（高值）
rst = cv.remap(image, map1, map2, cv.INTER_LINEAR)  # 图像绕x轴，y轴翻转
cv.imshow('image',image)
cv.imshow('rst',rst)
cv.waitKey()
cv.destroyAllWindows()

运行结果：