主要应用
去除叠加性噪声生成图像叠加效果import cv2 as cvimg1 = cv.imread("1.jpg")img2 = cv.imread("2.jpg")print(img1.shape,img2.shape)img1=cv.resize(img1,(img2.shape[1],img2.shape[0]))image=cv.adDWeighted(img1,0.6,img2,0.4,0.0,)cv.imshow('img1',image)cv.waitKey(0)cv.destroyAllwindows()
减法运算“主要运用”
显示两幅图像的差异,检测同一场景两幅图像之间的变化,如:视频中镜头边界的检测去除不需要的叠加性图案图像分割:如分割运动的车辆,减法去掉静止部分,剩余的是运动元素和噪声import cv2 as cvimg1=cv.imread('5.png')img2=cv.imread('6.png')#img1=cv.imread('linuxlogo.jpg')#img2=cv.imread('windowslogo.jpg')dst=cv.add(img1,img2)dst1=cv.subtract(img1,img2)cv.imshow('dst',dst1)cv.imshow('dst1',dst)cv.waitKey(0)cv.destroyAllwindows()
主要应用
图像的局部显示,如:用二值蒙板图像与原图像做乘法
import cv2 as cvimg1=cv.imread('5.png')img2=cv.imread('6.png')dst=img1*img2cv.imshow('181360152',dst)cv.waitKey(0)cv.destroyAllwindows()
逻辑运算非运算主要运用:图像求反,g(x,y)=255-f(x,y)与运算主要用于:两个图像相交子集,提取感兴趣子图像,g(x,y)=f(x,y)^h(x,y)import cv2 as cvimg1=cv.imread('linuxlogo.jpg')img2=cv.imread('windowslogo.jpg')and_img=cv.bitwise_and(img1,img2)or_img=cv.bitwise_or(img1,img2)not_img=cv.bitwise_not(img1)xor_img=cv.bitwise_xor(img1,img2)cv.imshow('181360152',and_img)cv.imshow('181360152zhang',or_img)cv.imshow('181360152yang',not_img)cv.imshow('181360152-',xor_img)cv.waitKey(0)cv.destroyAllwindows()
缩放import cv2import mathimport numpy as npclass img: def __init__(self,image,rows,cols,center=[0,0]): self.src=image #原始图像 self.rows=rows #原始图像的行 self.cols=cols #原始图像的列 self.center=center #旋转中心,默认是[0,0] def Move(self,delta_x,delta_y): #平移 #delta_x>0左移,delta_x<0右移 #delta_y>0上移,delta_y<0下移 self.transform=np.array([[1,0,delta_x],[0,1,delta_y],[0,0,1]]) def Zoom(self,factor): #缩放 #factor>1表示缩小;factor<1表示放大 self.transform=np.array([[factor,0,0],[0,factor,0],[0,0,1]]) def Horizontal(self): #水平镜像 self.transform=np.array([[1,0,0],[0,-1,self.cols-1],[0,0,1]]) def Vertically(self): #垂直镜像 self.transform=np.array([[-1,0,self.rows-1],[0,1,0],[0,0,1]]) def Rotate(self,beta): #旋转 #beta>0表示逆时针旋转;beta<0表示顺时针旋转 self.transform=np.array([[math.cos(beta),-math.sin(beta),0], [math.sin(beta), math.cos(beta),0], [ 0, 0, 1]]) def Process(self): self.dst=np.zeros((self.rows,self.cols),dtype=np.uint8) for i in range(self.rows): for j in range(self.cols): src_pos=np.array([i-self.center[0],j-self.center[1],1]) [x,y,z]=np.dot(self.transform,src_pos) x=int(x)+self.center[0] y=int(y)+self.center[1] if x>=self.rows or y>=self.cols or x<0 or y<0: self.dst[i][j]=255 else: self.dst[i][j]=self.src[x][y]if __name__=='__main__': src=cv2.imread('123.jpg',0) rows = src.shape[0] cols = src.shape[1] cv2.imshow('src', src) img=img(src,rows,cols,[248,231]) img.Zoom(0.5) #缩放 img.Process() cv2.imshow('dst', img.dst) cv2.waitKey(0)
平移import cv2import mathimport numpy as npclass img: def __init__(self,image,rows,cols,center=[0,0]): self.src=image #原始图像 self.rows=rows #原始图像的行 self.cols=cols #原始图像的列 self.center=center #旋转中心,默认是[0,0] def Move(self,delta_x,delta_y): #平移 #delta_x>0左移,delta_x<0右移 #delta_y>0上移,delta_y<0下移 self.transform=np.array([[1,0,delta_x],[0,1,delta_y],[0,0,1]]) def Zoom(self,factor): #缩放 #factor>1表示缩小;factor<1表示放大 self.transform=np.array([[factor,0,0],[0,factor,0],[0,0,1]]) def Horizontal(self): #水平镜像 self.transform=np.array([[1,0,0],[0,-1,self.cols-1],[0,0,1]]) def Vertically(self): #垂直镜像 self.transform=np.array([[-1,0,self.rows-1],[0,1,0],[0,0,1]]) def Rotate(self,beta): #旋转 #beta>0表示逆时针旋转;beta<0表示顺时针旋转 self.transform=np.array([[math.cos(beta),-math.sin(beta),0], [math.sin(beta), math.cos(beta),0], [ 0, 0, 1]]) def Process(self): self.dst=np.zeros((self.rows,self.cols),dtype=np.uint8) for i in range(self.rows): for j in range(self.cols): src_pos=np.array([i-self.center[0],j-self.center[1],1]) [x,y,z]=np.dot(self.transform,src_pos) x=int(x)+self.center[0] y=int(y)+self.center[1] if x>=self.rows or y>=self.cols or x<0 or y<0: self.dst[i][j]=255 else: self.dst[i][j]=self.src[x][y]if __name__=='__main__': src=cv2.imread('123.jpg',0) rows = src.shape[0] cols = src.shape[1] cv2.imshow('src', src) img=img(src,rows,cols,[248,231]) img.Move(-30, -50) # 平移 img.Process() cv2.imshow('dst', img.dst) cv2.waitKey(0)
旋转import cv2import mathimport numpy as npclass img: def __init__(self,image,rows,cols,center=[0,0]): self.src=image #原始图像 self.rows=rows #原始图像的行 self.cols=cols #原始图像的列 self.center=center #旋转中心,默认是[0,0] def Move(self,delta_x,delta_y): #平移 #delta_x>0左移,delta_x<0右移 #delta_y>0上移,delta_y<0下移 self.transform=np.array([[1,0,delta_x],[0,1,delta_y],[0,0,1]]) def Zoom(self,factor): #缩放 #factor>1表示缩小;factor<1表示放大 self.transform=np.array([[factor,0,0],[0,factor,0],[0,0,1]]) def Horizontal(self): #水平镜像 self.transform=np.array([[1,0,0],[0,-1,self.cols-1],[0,0,1]]) def Vertically(self): #垂直镜像 self.transform=np.array([[-1,0,self.rows-1],[0,1,0],[0,0,1]]) def Rotate(self,beta): #旋转 #beta>0表示逆时针旋转;beta<0表示顺时针旋转 self.transform=np.array([[math.cos(beta),-math.sin(beta),0], [math.sin(beta), math.cos(beta),0], [ 0, 0, 1]]) def Process(self): self.dst=np.zeros((self.rows,self.cols),dtype=np.uint8) for i in range(self.rows): for j in range(self.cols): src_pos=np.array([i-self.center[0],j-self.center[1],1]) [x,y,z]=np.dot(self.transform,src_pos) x=int(x)+self.center[0] y=int(y)+self.center[1] if x>=self.rows or y>=self.cols or x<0 or y<0: self.dst[i][j]=255 else: self.dst[i][j]=self.src[x][y]if __name__=='__main__': src=cv2.imread('123.jpg',0) rows = src.shape[0] cols = src.shape[1] cv2.imshow('src', src) img=img(src,rows,cols,[248,231]) img.Rotate(-math.radians(180)) #旋转 img.Process() cv2.imshow('dst', img.dst) cv2.waitKey(0)
后续 如果想了解更多物联网、智能家居项目知识,可以关注我的项目实战专栏。
或者关注公众号。
编写不易,感谢支持。
总结以上是内存溢出为你收集整理的基于python的空域变换全部内容,希望文章能够帮你解决基于python的空域变换所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)