边界填充
边界填充的用途是在原有的图像的基础上,通过图像边缘(上下左右)的像素来扩充以便增大图像
首先需要定义上下左右扩充的大小
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
4种常用方法
复制法:REPLICATE将最边缘的像素复制出来
replicate = cv.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv.BORDER_REPLICATE)
反射法:REFLECT对感兴趣的左右两侧进行复制
fedcba|abcdefgh|hgfedc
reflect = cv.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv.BORDER_REFLECT)
反射法:REFLECT_101以最边缘像素为轴
hgfedcb|abcdefgh|gfedcba
reflect101 = cv.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv.BORDER_REFLECT_101)
外包装法:WRAP边缘像素不断循环
bcefgh|abcdefgh|abcdefg
wrap = cv.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv.BORDER_WRAP)
总代码
import cv2 as cv
import numpy as np
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
img = cv.imread("D:/Coding/flower.jpg")
# cv.namedWindow("input image", cv.WINDOW_FREERATIO)
# cv.imshow("input image", img)
replicate = cv.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv.BORDER_REPLICATE)
reflect = cv.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv.BORDER_REFLECT)
reflect101 = cv.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv.BORDER_REFLECT_101)
wrap = cv.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv.BORDER_WRAP)
cv.namedWindow("replicate image", cv.WINDOW_FREERATIO)
cv.namedWindow("reflect image", cv.WINDOW_FREERATIO)
cv.namedWindow("reflect101 image", cv.WINDOW_FREERATIO)
cv.namedWindow("Wrap image", cv.WINDOW_FREERATIO)
cv.imshow("replicate image", replicate)
cv.imshow("reflect image", reflect)
cv.imshow("reflect101 image", reflect101)
cv.imshow("Wrap image", wrap)
cv.waitKey(0)
cv.destroyAllWindows()
图像像素计算
首先明确像素的值域:[0,255]
像素加
由于将图片使用imread读入的时候是存在numpy矩阵当中的,如果直接对imread读入的数据进行+C(常数),则是对每个像素点都加了这个常数C
两张图片相加
使用Numpy数组直接相加:image_a+image_b,加出来的前两维坐标的值如果大于255则会自动对255取余
使用add函数相加:超过255则会置为255
cv.add(iamge_a,image_b)
改变大小
使用Resize函数
cv.resize(图像,(宽度,高度))
cv.resize(图像,(0,0),fx=x,fy=y)
#其中x,y为倍数
图像融合
使用AddWeight函数
cv.addWeight(图像1,权重,图像2,权重,融合后增加亮度程度)
我更倾向于把权重理解为不透明度,融合后的亮度程度理解为是否增加亮度或减少亮度