基于python和Opencv将多张图片结合为一张图片的办法

基于python和Opencv将多张图片结合为一张图片的办法

这两天写结课论文,需要做一个好看一点的图,要把多张图片结合为同一张图片,本来想用ps,但是懒,干脆用代码解决算了。网上没搜到,完了就自己写一个算了,相当简单的一个东西,就是不停的for就完事了,发个博客仅此做个记录,没准以后还得接着用。

需要用到的python包

  • opencv
  • glob
  • numpy

代码本体

def open_image(path1):
    img_path = glob.glob(path1)
    return np.array([cv2.imread(true_path,0) for true_path in img_path])

def combine_images(datasets,newraw,newcol):
    raw,col = datasets[0].shape
    newimage = np.zeros((newraw*raw,newcol*col))
    for i in range(0,newraw):
        for j in range(0,newcol):
            for ii in range(0,raw):
                for jj in range(0,col):
                    newimage[i*raw+ii][j*col+jj] = output[i*newcol+j][ii][jj]

    return newimage

用法如下

inputpath = '写你自己图片路径,我的图片是在一个文件架下面的,写到最后记得加上\\*,举个例子就是.\\images\\output\\*'
output = open_image(inputpath)

ohhh = combine_images(output,4,6)  # 这个4,6的意思就是,我的图片通过那个打开的函数之后,变成了一个大的ndarray里面有24张图片,我想让他们以,行4列6,的形式组合起来。
cv2.imwrite(同样写你自己的路径,ohhh)

好了记录完成,接着干活
防火防盗防诈骗

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
PythonOpenCV结合使用YOLO(You Only Look Once)可以实现目标检测和物体识别的功能。YOLO是一种基于深度学习的目标检测算法,它可以实时地在图像或视频检测和定位多个对象。 要在Python使用YOLO,首先需要安装OpenCV和YOLO的相关库。可以使用pip命令来安装它们: ``` pip install opencv-python pip install opencv-contrib-python ``` 接下来,需要下载YOLO的权重文件和配置文件。YOLO有几个不同版本,可以根据需求选择不同的模型。一般来说,比较常用的是YOLOv3或YOLOv4。 下载YOLOv3的权重文件和配置文件: ``` wget https://pjreddie.com/media/files/yolov3.weights wget https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg wget https://github.com/pjreddie/darknet/blob/master/data/coco.names ``` 下载YOLOv4的权重文件和配置文件: ``` wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights wget https://github.com/AlexeyAB/darknet/blob/master/cfg/yolov4.cfg wget https://github.com/AlexeyAB/darknet/blob/master/data/coco.names ``` 下载完毕后,可以使用下面的代码加载模型并进行目标检测: ```python import cv2 # 加载模型 net = cv2.dnn.readNet("yolov3.weights", "yolov3.cfg") # 加载类别标签 classes = [] with open("coco.names", "r") as f: classes = [line.strip() for line in f.readlines()] # 加载图像 image = cv2.imread("image.jpg") # 进行目标检测 blob = cv2.dnn.blobFromImage(image, 1/255, (416, 416), swapRB=True, crop=False) net.setInput(blob) outs = net.forward(net.getUnconnectedOutLayersNames()) # 解析检测结果 for out in outs: for detection in out: scores = detection[5:] classId = np.argmax(scores) confidence = scores[classId] if confidence > 0.5: centerX = int(detection[0] * width) centerY = int(detection[1] * height) w = int(detection[2] * width) h = int(detection[3] * height) x = int(centerX - w / 2) y = int(centerY - h / 2) cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) cv2.putText(image, classes[classId], (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 显示结果 cv2.imshow("Image", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码会加载YOLO模型和类别标签,然后读取一张图像,进行目标检测,并在图像绘制检测结果的边界框和类别标签。最后,显示图像并等待按键退出。 请注意,上述代码只提供了一个基本的示例,实际应用可能需要根据具体需求进行更多的调整和优化。

“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 2
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