day26 学习笔记

发布于:2025-04-19 ⋅ 阅读:(67) ⋅ 点赞:(0)


前言


  • 通过今天的学习,我掌握了OpenCV中有关边缘填充,透视变换以及颜色加法的相关概念和操作

一、边缘填充

  • 当我们对图像进行仿射变换后往往会发现图像的边缘被黑色填充,这时我们可以通过边缘填充的方式进行解决

1.边界复制

  • 通过对图像边界处的像素值进行复制得以填充空缺的边缘
    在这里插入图片描述

2.边界反射

  • 根据原图边缘的像素值进行反射
    在这里插入图片描述
  • 还有一种名为“边界反射101”的方法,区别是该方法不会对边缘的像素点进行反射
    在这里插入图片描述

3.边界常数

  • 通过指定参数对边界进行填充,默认为0
    在这里插入图片描述

4.边界包裹

  • 直接复制图像以进行填充
    在这里插入图片描述

5.代码示例

  • 这里以旋转变换为例,运行代码以观察效果的差异
img = cv.imread('cat.png')
h,w = img.shape[:2]
center = (w//2,h//2)
M = cv.getRotationMatrix2D(center,45,0.5)
img1 = cv.warpAffine(img,M,(w,h),borderMode=cv.BORDER_REPLICATE) #边界复制
img2 = cv.warpAffine(img,M,(w,h),borderMode=cv.BORDER_REFLECT) #边界反射
img3 = cv.warpAffine(img,M,(w,h),borderMode=cv.BORDER_REFLECT_101) #边界反射101
img4 = cv.warpAffine(img,M,(w,h),borderMode=cv.BORDER_CONSTANT,borderValue=(255,100,100)) #边界常数
img5 = cv.warpAffine(img,M,(w,h),borderMode=cv.BORDER_WARP) #边界包裹

二、透视变换

  • 透视变换是把一个图像投影到一个新的视平面的过程
  • 透视变换区别于仿射变换,透视投影是指将三维空间中的物体投影到二维平面上的过程而仿射变换时平面中的线性变换
  • 简单理解,透视变换就是改变观察图像的视角
  • 与仿射变换类似的是,透视变换同样需要得到对应的变换矩阵才能进一步得到图像数组
    在这里插入图片描述
  • M=getPerspectiveTransform(src,dst)
  • src:原图中需要进行变换的四个点的坐标
  • dst:变换后新的四个点的坐标
img = cv.imread(r'D:\AI\笔记课件\2图像预处理.assets\03-jy.png')
h,w = img.shape[:2]
src = np.float32([[352,266],[563,275],[342,521],[564,520]])
dst = np.float32([[0,0],[w,0],[0,h],[w,h]])
src_int = src.astype(np.int32)
M = cv.getPerspectiveTransform(src,dst)
img1 = cv.warpPerspective(img,M,(w,h))
img_copy = img.copy()
cv.line(img_copy,tuple(src_int[0]), tuple(src_int[1]),(0,255,0), 2, cv.LINE_AA)
cv.line(img_copy,tuple(src_int[1]), tuple(src_int[3]),(0,255,0), 2, cv.LINE_AA)
cv.line(img_copy,tuple(src_int[3]), tuple(src_int[2]),(0,255,0), 2, cv.LINE_AA)
cv.line(img_copy,tuple(src_int[2]), tuple(src_int[0]),(0,255,0), 2, cv.LINE_AA)
cv.imshow('img',img_copy)
cv.imshow('img1',img1)
cv.waitKey(0)
cv.destroyAllWindows()

tips:由于line函数接收int类型的参数,故需要进行类型转换

三、颜色加法

  • 在OpenCV中,可以将两个形状相同的图像进行相加,得到新的图像,新图像呈现出混合或者透明的感觉
  • 使用add函数或者Numpy中的加法,二者的区别是,前者采用饱和运算,而后者采用模运算
  • 通常情况下,使用模运算可以使得混合的图像更加自然
img1 = cv.imread('img\cat1.png')
img2 = cv.imread('03-jy.png')
x = np.uint8([[250]])
y =np.uint8([[10]])
# print(cv.add(x,y)) # 饱和运算
# print(x+y) # 模运算
img_add = cv.add(img1,img2)
img_numpy = img1 - img2
cv.imshow('add',img_add)
cv.imshow('numpy',img_numpy)
cv.waitKey(0)
cv.destroyAllWindows()
  • 可以指定权重,即利用颜色加权加法进行操作
  • cv2.addWeighted(src1,alpha,src2,deta,gamma)
  • alpha,beta:指图像权重
  • gamma:亮度调整值,如果为正则会变亮

THE END


网站公告

今日签到

点亮在社区的每一天
去签到