opencv学习:基础用法和图像添加边界框设置

2024-09-03 00:52

本文主要是介绍opencv学习:基础用法和图像添加边界框设置,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1.opencv基础用法

1.从文件加载图像

a=cv2.imread("1.jpg")
b=cv2.imread("2.jpg")

2.从文件读取视频

video=cv2.VideoCapture("1.mp4")

3.读摄像头

cv2.VideoCapture(0)

4.保存图片

cv2.imwrite(r"1_gray.jpg",b)

5.展示图片

cv2.imshow("shuiju",a)

6.释放视频文件资源

video.release()

7.关闭所有OpenCV创建的窗口

cv2.destroyAllWindows()

8.获取部分图片

b=a[100:300,100:300]

9.图片通道

a1=a[:,:,0]#蓝色通道(B通道)
a2=a[:,:,1]#绿色通道(G通道)
a3=a[:,:,2]#红色通道(R通道)#等价于b,g,r=cv2.split(a)
cv2.imshow("a1",a1)

10.图片蓝色通道

a_new=a.copy()
a_new[:,:,1]=0
a_new[:,:,2]=0
cv2.imshow("a_new",a_new)

11.合并颜色

b,g,r=cv2.split(a)
img=cv2.merge((b,g,r))
cv2.imshow("img",img)

12.更改一片区域内的图片

a=cv2.imread("1.jpg")
a[100:200,200:300]=np.random.randint(0,256,(100,100,3))
cv2.imshow("a1",a)
a[0:100,100:200]=a[100:200,200:300]
cv2.imshow("a2",a)

13.更改图片的尺寸

a_new=cv2.resize(a,(200,400))#宽,高
a_new1=cv2.resize(a,dsize=None,fx=1.2,fy=0.8)#宽,高
cv2.imshow("a_new",a_new)
cv2.imshow("a_new1",a_new1)

14.图像运算

a=cv2.resize(a,(400,400))
d=cv2.resize(b,(400,400))
e=cv2.add(a,d)

15.设置权重

f=cv2.addWeighted(a,0.8,d,0.2,10)

2.图像添加边界框

  1. 常量边界(cv2.BORDER_CONSTANT

    • 这种类型的边界会用一个常量值填充边界区域。在这段代码中,边界被设置为绿色((0,255,0)),即RGB值中G通道为255,R和B通道为0。
    • constant 变量存储了添加了绿色边界的图像。
    • top,bottom,left,right=50,50,50,50
      #添加边界框,设置像素值
      constant=cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_CONSTANT,value=(0,255,0))
  2. 反射边界(cv2.BORDER_REFLECT

    • 这种边界类型会将图像的边缘像素进行镜像反射。例如,如果图像的左边界是1, 2, 3,那么反射后的边界将是3, 2, 1 | 1, 2, 3。
    • reflect 变量存储了使用反射边界处理后的图像。
    • #镜面反射,类似123|321
      reflect=cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_REFLECT)
  3. 对称反射边界(cv2.BORDER_REFLECT101cv2.BORDER_REFLECT

    • 这种边界类型与 cv2.BORDER_REFLECT 类似,但它在反射时会删除交叉点,使得边界看起来更自然。
    • reflect1 变量存储了使用对称反射边界处理后的图像。
    • #镜面反射,交叉处删除,类似12345|4321
      reflect1=cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_REFLECT101)
  4. 复制边界(cv2.BORDER_REPLICATE

    • 这种边界类型会复制边缘像素来填充边界区域。这意味着边界的像素将直接取自图像的最边缘像素。
    • replicate 变量存储了使用复制边界处理后的图像。
    • #使用边界的像素值代替
      replicate=cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_REPLICATE)
  5. 环绕边界(cv2.BORDER_WRAP

    • 这种边界类型会将图像的边界像素环绕到另一边,类似于“无缝连接”的效果。
    • wrap 变量存储了使用环绕边界处理后的图像。
    • #上下左右互换
      wrap=cv2.copyMakeBorder(a,top,bottom,left,right,borderType=cv2.BORDER_WRAP)

这篇关于opencv学习:基础用法和图像添加边界框设置的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1131557

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

Android实现任意版本设置默认的锁屏壁纸和桌面壁纸(两张壁纸可不一致)

客户有些需求需要设置默认壁纸和锁屏壁纸  在默认情况下 这两个壁纸是相同的  如果需要默认的锁屏壁纸和桌面壁纸不一样 需要额外修改 Android13实现 替换默认桌面壁纸: 将图片文件替换frameworks/base/core/res/res/drawable-nodpi/default_wallpaper.*  (注意不能是bmp格式) 替换默认锁屏壁纸: 将图片资源放入vendo

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学