当前位置: 首页 > news >正文

OpenCV(03)插值方法,边缘填充,透视变换,水印制作,噪点消除

插值方法&边缘填充

new_img=cv.warpAffine(img,M,(w,h),flags,borderMode)

插值方法

  • 最近邻插值:flags = CV2.INTER_NEAREST
  • 双线性插值:flags = CV2.INTER_LINEAR
  • 像素区域插值:flags = cv2.INTER_AREA
  • 双三次插值:flags = cv2.INTER_CUBIC
  • Lanczos4插值:flags = cv2.INTER_LANCZOS4

边缘填充

  • 边界复制:borderMode = BORDER_REPLICATE
  • 边界反射:borderMode = BORDER_REFLECT
  • 边界反射101:borderMode = BORDER_REFLECT_101
  • 边界常数:borderMode = BORDER_CONSTANT
  • 边界包裹:borderMode = BORDER_WRAP
import cv2 as cv#读图
cat = cv.imread('E:\hqyj\code\opencv\images\\cat1.png')
cat = cv.resize(cat,(600,600))
w = cat.shape[1]
h = cat.shape[0]#旋转
#获取旋转矩阵
M = cv.getRotationMatrix2D((w//2,h//2),45,0.5)#使用仿射变换函数
dst = cv.warpAffine(cat,M,(w,h))
cv.imshow('dst',dst)#最近邻插值 + 边界复制
dst1 = cv.warpAffine(cat,M,(w,h),cv.INTER_NEAREST,borderMode=cv.BORDER_REPLICATE)
cv.imshow('dst1',dst1)#双线性插值 单线性插值 插两次:水平,垂直 边界反射
dst2 = cv.warpAffine(cat,M,(w,h),cv.INTER_LINEAR,borderMode=cv.BORDER_REFLECT)
cv.imshow('dst2',dst2)#像素区域插值 缩小:均值滤波 放大:整数 最近邻 不是整数 双线性 4点 2x2 边界反射101
dst3 = cv.warpAffine(cat,M,(w,h),cv.INTER_AREA,borderMode=cv.BORDER_REFLECT101)
cv.imshow('dst3',dst3)#双三次插值 16个点 4x4 边界常数
dst4 = cv.warpAffine(cat,M,(w,h),cv.INTER_CUBIC,borderMode=cv.BORDER_CONSTANT,borderValue=(255,0,0))
cv.imshow('dst4',dst4)#Lanczos4插值 64个点 8x8 边界重复
dst5 = cv.warpAffine(cat,M,(w,h),cv.INTER_LANCZOS4,borderMode=cv.BORDER_WRAP)
cv.imshow('dst5',dst5)cv.waitKey(0)
cv.destroyAllWindows()

边缘填充图解

  • 边界复制:在这里插入图片描述
  • 边界反射:在这里插入图片描述
  • 边界反射101:在这里插入图片描述
  • 边界常数:在这里插入图片描述
  • 边界包裹:在这里插入图片描述

图像矫正(透视变换)

  • 透视变换矩阵:M=getPerspectiveTransform(src,dst)
    src:原图像上需要进行透视变化的四个点的坐标,这四个点用于定义一个原图中的四边形区域。

    dst:透视变换后,src的四个点在新目标图像的四个新坐标。

  • cv2.warpPerspective(src, M, dsize, flags, borderMode)

import cv2 as cv
import numpy as np#读图
card = cv.imread('E:\hqyj\code\opencv\images\\3.png')
shape = card.shape
#获取透视变换矩阵
#获取原图上的4个点:左上,右上,左下,右下
pt1 = np.float32([[178,100],[287,134],[124,267],[473,308]])
pt2 = np.float32([[0,0],[shape[1],0],[0,shape[0]],[shape[1],shape[0]]])
M = cv.getPerspectiveTransform(pt1,pt2)
#透视变换
dst = cv.warpPerspective(card,M,(shape[1],shape[0]),cv.INTER_LINEAR,borderMode=cv.INTER_NEAREST)
cv.imshow('card',card)
cv.imshow('dst',dst)
cv.waitKey(0)
cv.destroyAllWindows()

水印制作

图像掩膜

import cv2 as cv
import numpy as np#读图
demo = cv.imread('E:\hqyj\code\opencv\images\\demo.png')
demo = cv.resize(demo,(640,640))
#转为hsv颜色空间
hsv = cv.cvtColor(demo,cv.COLOR_BGR2HSV)
#定义颜色范围
low = np.array([0,43,46])
high = np.array([10,255,255])
#创建一个掩膜 cv.inRange(img,low,high) 传hsv颜色空间下的图像
mask = cv.inRange(hsv,low,high)
#颜色提取 cv.bitwise_and(img,img,mask=mask) 传的是原图
dst = cv.bitwise_and(demo,demo,mask=mask)
cv.imshow('demo',demo)
cv.imshow('mask',mask)
cv.imshow('dst',dst)
print(demo.shape)
print(mask.shape)
cv.waitKey(0)
cv.destroyAllWindows()

颜色替换

import cv2 as cv
import numpy as np#读图
demo = cv.imread('E:\hqyj\code\opencv\images\\demo.png')
demo = cv.resize(demo,(640,640))
#转为hsv颜色空间
hsv = cv.cvtColor(demo,cv.COLOR_BGR2HSV)
#定义颜色范围
low = np.array([0,43,46])
high = np.array([10,255,255])
#创建一个掩膜 cv.inRange(img,low,high) 传hsv颜色空间下的图像
mask = cv.inRange(hsv,low,high)
#颜色替换
arr = mask==255
demo[arr] = [0,255,0]
#demo[mask==255] = [0,255,0]
cv.imshow('demo',demo)
cv.waitKey(0)
cv.destroyAllWindows()

图像添加水印

import cv2 as cv#读图
bg = cv.imread('E:\hqyj\code\opencv\images\\bg.png')
logo = cv.imread('E:\hqyj\code\opencv\images\\logohq.png')
h,w = logo.shape[0:2]   #(h,w)
roi = bg[0:h,0:w]
#灰度图处理
grey = cv.cvtColor(logo,cv.COLOR_BGR2GRAY)#二值化
#黑logo白底 与上背景
_,mask1 = cv.threshold(grey,200,255,cv.THRESH_BINARY)
bg1 = cv.bitwise_and(roi,roi,mask=mask1)
cv.imshow('mask1',mask1)
cv.imshow('bg1',bg1)
#白logo黑底 与上logo
_,mask2 = cv.threshold(grey,200,255,cv.THRESH_BINARY_INV)
logo1 = cv.bitwise_and(logo,logo,mask=mask2)
cv.imshow('mask2',mask2)
cv.imshow('logo1',logo1)
#融合
roi[:] = cv.add(bg1,logo1)
cv.imshow('roi',roi)
cv.imshow('bg',bg)cv.waitKey(0)
cv.destroyAllWindows()

在这里插入图片描述

图像消除噪点

  • 均值滤波:cv2.blur(src, ksize, dst, anchor, borderType)
  • 方框滤波:cv2.boxFilter(src, ddepth, ksize, dst, anchor, normalize, borderType)
  • 高斯滤波:cv2.GaussianBlur(src, ksize, sigmaX, dst[, sigmaY, borderType)
  • 中值滤波:cv2.medianBlur(src, ksize, dst)
  • 双边滤波:cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, dst, borderType)
  • 参数解释:src 输入图像
    ksize 卷积核的大小,例如 (5, 5)
    dst 输出图像(可选)
    anchor 锚点位置,默认为核的中心点(可选)
    borderType 边界模式,默认为 cv2.BORDER_DEFAULT(可选)
    ddepth 输出图像的深度,通常使用 -1 表示与输入图像相同深度
    normalize 是否归一化核,默认为 True(可选)
    sigmaX X方向的标准差,如果设置为0,则根据核大小自动计算
    sigmaY Y方向的标准差,如果设置为0,则与 sigmaX 相同(可选)
    d 邻域直径,如果设置为0,则根据 sigmaSpace 自动计算
    sigmaColor 颜色空间的标准差,较大的值会导致更远的颜色混合
    sigmaSpace 坐标空间的标准差,较大的值会导致更远的像素混合
import cv2 as cv#读图
lvbo2 = cv.imread('E:\hqyj\code\opencv\images\\lvbo2.png')
cv.imshow('old',lvbo2)
lvbo3 = cv.imread('E:\hqyj\code\opencv\images\\lvbo3.png')
#均值滤波
dst1 = cv.blur(lvbo2,(3,3))
cv.imshow('dst1',dst1)
#方框滤波
dst2 = cv.boxFilter(lvbo2,-1,(3,3),normalize = False)
cv.imshow('dst2',dst2)
#高斯滤波
dst3 = cv.GaussianBlur(lvbo2,(9,9),1)
cv.imshow('dst3',dst3)
#中值滤波
dst4 = cv.medianBlur(lvbo3,5)
cv.imshow('dst4',dst4)
#双边滤波
dst5 = cv.bilateralFilter(lvbo2,7,75,75)
cv.imshow('dst5',dst5)cv.waitKey(0)
cv.destroyAllWindows()
http://www.lryc.cn/news/598995.html

相关文章:

  • 【计算机网络】第六章:应用层
  • 【OpenCV实现多图像拼接】
  • jax study notes[19]
  • Python:Matplotlib笔记
  • 季逸超:Manus的上下文工程启示
  • JMeter压测黑马点评优惠券秒杀的配置及请求爆红问题的解决(详细图解)
  • 基于20和28 nm FPGAs的实现多通道、低非线性时间到数字转换器
  • Android15或AndroidU广播的发送流程
  • Redis学习:持久化与事务(Transaction)
  • 如何查看docker实例是否挂载目录,以及挂载了哪些目录
  • 浏览器访问[http://www.taobao.com](http://www.taobao.com/),经历了怎样的过程。
  • NOTEPAD!NPCommand函数分析之comdlg32!GetSaveFileNameW--windows记事本源代码分析
  • Python 程序设计讲义(15):Python 的数据运算——位运算
  • 人形机器人_双足行走动力学:Maxwell模型及在拟合肌腱特性中的应用
  • 深入解析Java微服务架构请求流程:Nginx到Nacos的完整旅程
  • 进阶系统策略
  • 人形机器人双足行走动力学:K-V模型其肌腱特性拟合中的应用
  • 模拟退火算法 (Simulated Annealing, SA)简介
  • 【推荐100个unity插件】Animator 的替代品?—— Animancer Pro插件的使用介绍
  • AD一张原理图分成多张原理图
  • 深入思考【九九八十一难】的意义,试用歌曲能否解释
  • python教程系列1--python001
  • 学习设计模式《十九》——享元模式
  • 【硬件-笔试面试题】硬件/电子工程师,笔试面试题-17,(知识点:PCB布线,传输线阻抗影响因素)
  • ParFlow 模型
  • 【自用】JavaSE--阶段测试
  • vite+vue3 工程-SVG图标配置使用指南——vite-plugin-svg-icons 插件
  • Vitest 用法详解及 Coverage Web 工具介绍
  • 工具篇之开发IDEA插件的实战分享
  • Nvidia Isaac Sim机械臂实验