【Python图像处理局部放大】输入图像,选择两处不同的区域进行放大操作,然后将原始图像、处理后的两个区域以及标记合成新图像进行展示

本文主要是介绍【Python图像处理局部放大】输入图像,选择两处不同的区域进行放大操作,然后将原始图像、处理后的两个区域以及标记合成新图像进行展示,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!

NeRF-w 渲染后的图像效果的定性对比,对局部放大以观察细节效果。如下

对单张渲染后的图像,选择指定区域并进行放大操作,然后将原始图像、处理后的两个区域以及标记连线的新图像,如下图

代码

from PIL import Image, ImageDraw# 读取并放大图片的指定区域
def process_image(image_path):# 打开图像img = Image.open(image_path)# 获取图像的宽度和高度width, height = img.size# 确定选中区域1的大小(假设为原始高度的三分之一)size1 = height // 3half_size1 = size1 // 2# 确定选中区域2的大小(假设为原始高度的五分之一)size2 = height // 5half_size2 = size2 // 2# 确定区域1的坐标(右上方)box1 = (max(0, width // 2), max(0, height // 2 - size1), min(width, width // 2 + size1), min(height, height // 2))# 确定区域2的坐标(左下方)box2 = (max(0, width // 2 - size2), max(0, height // 2), min(width, width // 2), min(height, height // 2 + size2))# 复制选定的区域并放大region1 = img.crop(box1)region1 = region1.resize((region1.width * 2, region1.height * 2))region2 = img.crop(box2)region2 = region2.resize((region1.width, region1.height))# 在原始图像上绘制矩形框draw = ImageDraw.Draw(img)draw.rectangle(box1, outline='red', width=3)draw.rectangle(box2, outline='blue', width=3)# 在子图上绘制矩形框draw1 = ImageDraw.Draw(region1)draw2 = ImageDraw.Draw(region2)draw1.rectangle((0, 0, region1.width, region1.height), outline='red', width=3)draw2.rectangle((0, 0, region2.width, region2.height), outline='blue', width=3)# 创建一个新的空白图像,大小为原始图像的宽度,高度为原始图像高度加上最大高度的子图以及一些间隙# new_height = height + max(region1.height, region2.height) + 30  # 加上一些间隙new_height = height + max(region1.height, region2.height)  # 加上一些间隙new_img = Image.new('RGB', (width, new_height))# 计算子图位置offset = 10  # 两个子图之间的间隙new_img.paste(img, (0, 0))new_img.paste(region1, (width // 2, height + offset))new_img.paste(region2, (0, height + offset))# 获取两个矩形框的中心点box1_center = ((box1[0] + box1[2]) // 2, box1[3])  # 取框下中心box2_center = ((box2[0] + box2[2]) // 2, box2[3])  # 取框下中心region1_center = (width // 2 + region1.width // 2, height + offset)  # 取子图上中心region2_center = (region2.width // 2, height + offset )  # 取子图下中心# 在原图区域框的下面和子图框的上面绘制红色和蓝色的连线draw_line = ImageDraw.Draw(new_img)draw_line.line([box1_center, region1_center], fill='red', width=2)draw_line.line([box2_center, region2_center], fill='blue', width=2)return new_img# 读取5张图片并处理
image_paths = ["./test_images/001.png", "./test_images/002.png", "./test_images/003.png", "./test_images/004.png", "./test_images/005.png"]for i, path in enumerate(image_paths):new_image = process_image(path)new_image.save(f"./test_images/new_image_{i + 1}.jpg")  # 保存新的图片

        这段代码是一个Python脚本,用于处理输入的图像文件,选择特定区域并对其进行放大操作,然后将原始图像、处理后的两个区域进行标记后的新图像保存到文件中。以下是代码的总结:

  1. 处理图像功能

    • 打开并读取图像。
    • 确定两个指定区域的位置和大小。
    • 选取指定区域并放大。
    • 在原始图像和子图上绘制矩形框。
  2. 创建新图像

    • 创建一张新的空白图像。
    • 将原始图像和两个处理后的区域放置在新图像中,并绘制连接这些区域的线条。
  3. 处理多张图像

    • 循环处理图像列表中的每张图像。
    • 保存处理后的图像。

总结:

该代码用于处理图像中的特定区域并放大,并在新图像上显示原始图像、处理后的两个区域,以及用颜色标记连接这些区域。

注意:

  • 在处理过程中,子图的位置被计算,然后这些子图被粘贴到新图像中。
  • 连接线的位置是根据处理后的区域和原始图像区域的中心点进行绘制。

对以上代码进行改进,由鼠标选中需要放大的两个图像区域 。

这篇关于【Python图像处理局部放大】输入图像,选择两处不同的区域进行放大操作,然后将原始图像、处理后的两个区域以及标记合成新图像进行展示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/313004

相关文章

如何选择适合孤独症兄妹的学校?

在探索适合孤独症儿童教育的道路上,每一位家长都面临着前所未有的挑战与抉择。当这份责任落在拥有孤独症兄妹的家庭肩上时,选择一所能够同时满足两个孩子特殊需求的学校,更显得尤为关键。本文将探讨如何为这样的家庭做出明智的选择,并介绍星贝育园自闭症儿童寄宿制学校作为一个值得考虑的选项。 理解孤独症儿童的独特性 孤独症,这一复杂的神经发育障碍,影响着儿童的社交互动、沟通能力以及行为模式。对于拥有孤独症兄

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

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

2. c#从不同cs的文件调用函数

1.文件目录如下: 2. Program.cs文件的主函数如下 using System;using System.Collections.Generic;using System.Linq;using System.Threading.Tasks;using System.Windows.Forms;namespace datasAnalysis{internal static

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

【测试】输入正确用户名和密码,点击登录没有响应的可能性原因

目录 一、前端问题 1. 界面交互问题 2. 输入数据校验问题 二、网络问题 1. 网络连接中断 2. 代理设置问题 三、后端问题 1. 服务器故障 2. 数据库问题 3. 权限问题: 四、其他问题 1. 缓存问题 2. 第三方服务问题 3. 配置问题 一、前端问题 1. 界面交互问题 登录按钮的点击事件未正确绑定,导致点击后无法触发登录操作。 页面可能存在

【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