python实现局部图像放大
本文实例为大家分享了python实现局部图像放大的具体代码,供大家参考,具体内容如下
import cv2 as cv import sys if __name__ == '__main__': #读取图像并判断是否读取成功 img = cv.imread('tu.jpg') #需要放大的部分 part = img[300:400,250:350] #双线性插值法 mask = cv.resize(part, (300, 300), fx=0, fy=0, interpolation=cv.INTER_LINEAR) if img is None is None: print('Failed to read picture') sys.exit() #放大后局部图的位置img[210:410,670:870] img[110:410,570:870]=mask #画框并连线 cv.rectangle(img,(250,300),(350,400),(0,255,0),1) cv.rectangle(img,(570,110),(870,410),(0,255,0),1) img = cv.line(img,(350,300),(570,110),(0,255,0)) img = cv.line(img,(350,400),(570,410),(0,255,0)) #展示结果 cv.imshow('img',img) cv.waitKey(0) cv.destroyAllWindows()
原图:
结果:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。
相关推荐
-
python+tkinter编写电脑桌面放大镜程序实例代码
本文讲述的是通过python+tkinter编写一个简单桌面放大镜的代码示例,具体如下. 代码思路:首先全屏截图,然后在鼠标当前位置以小窗口进行二次截图,放大后再显示到鼠标左上角. 主要技术:全屏截图,指定区域截图,绑定鼠标事件,绘制图像. 建议大家照着代码敲一遍,然后运行试试.代码有一点点小瑕疵,试着发现并尝试解决. 总结 以上就是本文关于Python+tkinter编写电脑桌面放大镜程序实例代码的全部内容,希望对大家有所帮助.感兴趣的朋友可以继续参阅本站其他相关专题,如有不足之处,欢迎留言指
-
python opencv画局部放大图实例教程
目录 为什么要画局部放大图? 程序逻辑 程序实例 总结 这项功能的目的是为了方便使用opencv做图像标注工具. 为什么要画局部放大图? 在做图像数据标注时,很难一次就做到精准标注,经常需要微调才能达到比较好的标注效果.如果目标比较小,即使微调也难以做到精准,所以就需要另外一个窗口对标注区域进行局部放大以方便微调. 程序逻辑 本文中标注信息以矩形框作为示例,矩形框是图像标注中最常用到的一种标注信息形态.其他标注信息的设计逻辑雷同. 程序主要逻辑是:鼠标在任意窗口中做的操作都要同步映射到另外一个窗
-
python+opencv实现论文插图局部放大并拼接效果
目录 前言 cv2.rectangle() 函数 cv2.resize() 函数 np.hstack() 和 np.vstack() 函数 实现局部框定放大拼接 总结 前言 在制作论文插图时,有时要求将图片的局部放大来展示细节内容,同时将放大图拼接在原图上以方便观察对比. 当然直接利用电脑自带的画图软件或者别的软件也可以很方便地实现,但是如果碰到多个算法处理一张图片后多张图片进行对比就不太方便了,这里主要贴一下 python 代码的实现. cv2.rectangle() 函数 cv2.recta
-
python实现局部图像放大
本文实例为大家分享了python实现局部图像放大的具体代码,供大家参考,具体内容如下 import cv2 as cv import sys if __name__ == '__main__': #读取图像并判断是否读取成功 img = cv.imread('tu.jpg') #需要放大的部分 part = img[300:400,250:350] #双线性插值法 mask = cv.resize(part, (300, 300), fx=0, fy=0, interpolation=cv.IN
-
Python实现简单图像缩放与旋转
目录 1. 图像缩放 1.2. 使用命令 1.2. 原理介绍 1.3. 方法比较 2. 旋转 2.1. 使用命令 2.2. 实验效果 总结 1. 图像缩放 1.2. 使用命令 import cv2 # 缩放 def resize(img, k, inter): res = cv2.resize(img, None, fx=k, fy=k, interpolation=inter) return res 参数设定(interpolation): 0:最近邻插值 1:双线性插值 2:基于局部像素的重
-
python Opencv计算图像相似度过程解析
这篇文章主要介绍了python Opencv计算图像相似度过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 一.相关概念 一般我们人区分谁是谁,给物品分类,都是通过各种特征去辨别的,比如黑长直.大白腿.樱桃唇.瓜子脸.王麻子脸上有麻子,隔壁老王和儿子很像,但是儿子下巴涨了一颗痣和他妈一模一样,让你确定这是你儿子. 还有其他物品.什么桌子带腿.镜子反光能在里面倒影出东西,各种各样的特征,我们通过学习.归纳,自然而然能够很快识别分类出新物品.
-
opencv python如何实现图像二值化
这篇文章主要介绍了opencv python如何实现图像二值化,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 代码如下 import cv2 as cv import numpy as np import matplotlib.pyplot as plt # 二值图像就是将灰度图转化成黑白图,没有灰,在一个值之前为黑,之后为白 # 有全局和局部两种 # 在使用全局阈值时,我们就是随便给了一个数来做阈值,那我们怎么知道我们选取的这个数的好坏呢?答
-
浅谈python opencv对图像颜色通道进行加减操作溢出
由于opencv读入图片数据类型是uint8类型,直接加减会导致数据溢出现象 (1)用Numpy操作 可以先将图片数据类型转换成int类型进行计算, data=np.array(image,dtype='int') 经过处理后(如:遍历,将大于255的置为255,小于0的置为0) 再将图片还原成uint8类型 data=np.array(image,dtype='uint8') 注意: (1)如果直接相加,那么 当像素值 > 255时,结果为对256取模的结果,例如:(240+66) % 256
-
Python+OpenCV图像处理——图像二值化的实现
简介:图像二值化就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程. 普通图像二值化 代码如下: import cv2 as cv import numpy as np #全局阈值 def threshold_demo(image): gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY) #把输入图像灰度化 #直接阈值化是对输入的单通道矩阵逐像素进行阈值分割. ret, binary = cv.threshold(gray
-
Python中人脸图像特征提取方法(HOG、Dlib、CNN)简述
目录 人脸图像特征提取方法 (一)HOG特征提取 (二)Dlib库 (三)卷积神经网络特征提取(CNN) 人脸图像特征提取方法 (一)HOG特征提取 1.HOG简介 Histogram of Oriented Gridients,缩写为HOG,是目前计算机视觉.模式识别领域很常用的一种描述图像局部纹理的特征.它的主要思想是在一副图像中,局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述.其本质为:梯度的统计信息,而梯度主要存在于边缘的地方. 2.实现方法 首先将图像分成小的连通区域,这
-
Python OpenCV对图像进行模糊处理详解流程
其实我们平时在深度学习中所说的卷积操作,在 opencv 中也可以进行,或者说是类似操作.那么它是什么操作呢?它就是图像的模糊(滤波)处理. 均值滤波 使用 opencv 中的cv2.blur(src, ksize)函数.其参数说明是: src: 原图像 ksize: 模糊核大小 原理:它只取内核区域下所有像素的平均值并替换中心元素.3x3 标准化的盒式过滤器如下所示: 特征:核中区域贡献率相同. 作用:对于椒盐噪声的滤除效果比较好. # -*-coding:utf-8-*- ""&q
-
python计算机视觉opencv图像金字塔轮廓及模板匹配
目录 1.图像金字塔 ①高斯金字塔 ②拉普拉斯金字塔 2.图像轮廓 ①寻找轮廓 ②轮廓特征 ③轮廓绘制 3.模板匹配 ①模板匹配 ②匹配框线绘制 ③多对象匹配 4.直方图统计 ①直方图绘制 ②直方图统计 ③直方图的mask操作 ④直方图均衡化 5.傅里叶变换 1.图像金字塔 ①高斯金字塔 向下采样,数据会越来越少,减少的方式是:将偶数行和列删除 向上采样,数据会越来越多,将图像在每个方向上扩大为原来的两倍,新增的行和列用0来填充.使用先前同样的内核与放大后的图像卷积,获得近似值. 上采样之后,图
-
Python图像处理之图像金字塔详解
目录 一.图像金字塔原理 二.图像向上取样 三.图像向下取样 四.总结 一.图像金字塔原理 上一篇文章讲解的图像采样处理可以降低图像的大小,本文将补充图像金字塔知识,了解专门用于图像向上采样和向下采样的pyrUp()和pyrDown()函数. 图像金字塔是指由一组图像且不同分别率的子图集合,它是图像多尺度表达的一种,以多分辨率来解释图像的结构,主要用于图像的分割或压缩.一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图的图像集合.如图10-1所示,它包括了四层图像,将
随机推荐
- CMD命令详解 目录类命令(md、cd、rd、dir、path、tree、deltree)
- JavaScript中的prototype使用说明
- 使用GIT进行源码管理——GUI客户端小结
- js中 计算两个日期间的工作日的简单实例
- asp.net更新指定记录的方法
- 解析PHP中empty is_null和isset的测试
- PHP发送AT指令实例代码
- 微信 用脚本查看是否被微信好友删除
- go语言获取系统盘符的方法
- C# 对文件与文件夹的操作包括删除、移动与复制
- Javascript农历与公历相互转换的简单实例
- Ajax入门学习教程(一)
- js操作cookie保存浏览记录的方法
- BootStrap文件上传样式超好看【持续更新】
- 打开扩展名为ac.$的AutoCAD的临时文件的方法
- C#实现附件上传和下载功能
- Spring启动后获取所有拥有特定注解的Bean实例代码
- 在vue项目中使用md5加密的方法
- 对python:循环定义多个变量的实例详解
- 深入理解JVM之Java对象的创建、内存布局、访问定位详解