Opencv图像处理之图像增加边框

2024-09-27 08:46:12

理论

在本教程中，我们将简要介绍两种为图像定义额外填充（边框）的方法：

BORDER_CONSTANT：用恒定值（即黑色或0）填充图像
BORDER_REPLICATE：原始边缘的行或列复制到额外边框。

代码

程序的运行流程

加载一张图片
让用户选择输入图像中使用哪种填充。有两种选择：

1.常量值边框：为整个边框应用常量值的填充。该值将每0.5秒随机更新一次。

2.复制边框：将从原始图像边缘的像素值复制边框。

当用户按下'ESC'时程序结束

原始代码

 #include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>
using namespace cv;
Mat src, dst;
int top, bottom, left, right;
int borderType;
const char* window_name = "copyMakeBorder Demo";
RNG rng(12345);
int main( int, char** argv )
{
 int c;
 src = imread( argv[1] );
 if( src.empty() )
  {
   printf(" No data entered, please enter the path to an image file \n");
   return -1;
  }
 printf( "\n \t copyMakeBorder Demo: \n" );
 printf( "\t -------------------- \n" );
 printf( " ** Press 'c' to set the border to a random constant value \n");
 printf( " ** Press 'r' to set the border to be replicated \n");
 printf( " ** Press 'ESC' to exit the program \n");
 namedWindow( window_name, WINDOW_AUTOSIZE );
 top = (int) (0.05*src.rows); bottom = (int) (0.05*src.rows);
 left = (int) (0.05*src.cols); right = (int) (0.05*src.cols);
 dst = src;
 imshow( window_name, dst );
 for(;;)
    {
     c = waitKey(500);
     if( (char)c == 27 )
      { break; }
     else if( (char)c == 'c' )
      { borderType = BORDER_CONSTANT; }
     else if( (char)c == 'r' )
      { borderType = BORDER_REPLICATE; }
     Scalar value( rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255) );
     copyMakeBorder( src, dst, top, bottom, left, right, borderType, value );
     imshow( window_name, dst );
    }
 return 0;
}

解释

首先，我们声明我们将要使用的变量：

我们加载源图像src：

我们创建了一个窗口：

现在我们初始化定义边框大小（顶部，底部，左侧和右侧）的参数。我们给它们的值是src大小的5％。

程序开始一个while循环。如果用户按下'c'或'r'，则borderType变量分别取值BORDER_CONSTANT或BORDER_REPLICATE：

在每次迭代中（0.5秒后），更新变量值

我们调用函数cv :: copyMakeBorder来应用相应的填充：

参数介绍：

src：源图像

dst：目标图像

top，bottom，left，right：图像两侧边框的长度（以像素为单位）。我们将它们定义为图像原始大小的5％。

borderType：定义应用的边框类型。对于此示例，它可以是常量或复制。

value：如果borderType为BORDER_CONSTANT，则这是用于填充边框像素的值。

我们在先前创建的图像中显示输出图像

效果

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。

OpenCV实现给图片添加边框功能

目标: 基于OpenCV的函数cv::copyMakeBorder给图像添加边框函数简介: copyMakeBorder( src, dst, top, bottom, left, right, borderType, value ); 参数: src: 原图像 dst: 目标图像 top, bottom, left, right: 每一个边界方向上像素的宽度.在这里使用图像原始大小的 5% . borderType:边框的类型 .当前例子中位纯色或者边界的复制. value: 如果borde
Opencv图像处理之图像增加边框

理论在本教程中,我们将简要介绍两种为图像定义额外填充(边框)的方法: BORDER_CONSTANT:用恒定值(即黑色或0)填充图像 BORDER_REPLICATE:原始边缘的行或列复制到额外边框. 代码程序的运行流程加载一张图片让用户选择输入图像中使用哪种填充. 有两种选择: 1.常量值边框:为整个边框应用常量值的填充. 该值将每0.5秒随机更新一次. 2.复制边框:将从原始图像边缘的像素值复制边框. 当用户按下'ESC'时程序结束原始代码 #include "opencv2/im
Python OpenCV图像处理之图像滤波特效详解

目录 1分类 2邻域滤波 2.1线性滤波 2.2非线性滤波 3频域滤波 3.1低通滤波 3.2高通滤波 1 分类图像滤波按图像域可分为两种类型: 邻域滤波(Spatial Domain Filter),其本质是数字窗口上的数学运算.一般用于图像平滑.图像锐化.特征提取(如纹理测量.边缘检测)等,邻域滤波使用邻域算子——利用给定像素周围像素值以决定此像素最终输出的一种算子频域滤波(Frequency Domain Filter),其本质是对像素频率的修改.一般用于降噪.重采样.图像压缩等. 按
python opencv 图像处理之图像算数运算及修改颜色空间

目录 1.图像加法 1.1Numpy加法 1.2OpenCV加法 2.图像融合 3.改变颜色空间 1.图像加法图像加法有两种方式,一种是通过 Numpy 直接对两个图像进行相加,另一种是通过 OpenCV 的 add() 函数进行相加. 不管使用哪种方法,相加的两个图像必须具有相同的深度和类型,简单理解就是图像的大小和类型必须一致. 1.1Numpy加法 Numpy 的运算方法是: img = img1 + img2 ,然后再对最终的运算结果取模. 当最终的像素值 <= 255 时,则运算结果
C++ opencv图像处理实现图像腐蚀和膨胀示例

目录 1 概念 2 膨胀 3 腐蚀 1 概念 1.1 腐蚀跟膨胀是最基本的形态学运算 1.2 腐蚀跟膨胀是对图像的白色的部分(亮光部分)进行操作 1.3 腐蚀是对亮光部分进行腐蚀拥有比原图更小的亮光部分 1.4 膨胀是对亮光部分进行膨胀拥有比原图更大的亮光部分这里有一个误区假如说在图片上的一个字,很多人都会认为膨胀是将图片上的字进行膨胀放大实则不然可以看到膨胀是将图片上的亮色区域进行放大,字就会变得更小,结构体够大的情况下,字就会看不见了** 可以看到腐蚀是将图片上的亮色区域进行放小,
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
OpenCV图像处理之七种常用图像几何变换

0 程序环境与所学函数本章程序运行需要导入下面三个库,并定义了一个显示图像的函数所学函数 ##放大.缩小 cv.resize(img,dsize,[interpolation]) ##平移变换 M = np.array([[...]], dtype=np.float32) cv.warpAffine(img, M, dsize) ##镜像变换 cv.flip(img, 1) # 垂直镜像 cv.flip(img, 0) # 水平镜像 cv.flit(img, -1) # 水平垂直同时进行 #
Java OpenCV图像处理之自定义图像滤波算子

目录示例代码效果图示例代码 package com.xu.image; import java.io.File; import org.opencv.core.Core; import org.opencv.core.Mat; import org.opencv.core.Point; import org.opencv.highgui.HighGui; import org.opencv.imgcodecs.Imgcodecs; import org.opencv.imgproc.Img
Python OpenCV学习之图像形态学

目录背景一.图像二值化二.自适应阈值三.腐蚀四.卷积核获取五.膨胀六.开运算七.闭运算八.形态学梯度九.顶帽运算十.黑帽运算总结背景形态学处理方法是基于对二进制图像进行处理的,卷积核决定图像处理后的效果:形态学的处理哦本质上相当于对图像做前处理,提取出有用的特征,以便后续的目标识别等任务: 一.图像二值化定义:将图像的每个像素变成两种值,如0和255: 全局二值化的函数原型: threshold(img,thresh,maxVal,type) img:最好是灰度图像
Python图像处理之图像融合与ROI区域绘制详解

目录一.图像融合二.图像ROI区域定位三.图像属性 (1)shape (2)size (3)dtype 四.图像通道分离及合并 (1)split()函数 (2)merge()函数五.图像类型转换六.总结一.图像融合图像融合通常是指多张图像的信息进行融合,从而获得信息更丰富的结果,能够帮助人们观察或计算机处理.图5-1是将两张不清晰的图像融合得到更清晰的效果图. 图像融合是在图像加法的基础上增加了系数和亮度调节量,它与图像的主要区别如下[1-3]: 图像加法:目标图像 = 图像1 +

Opencv图像处理之图像增加边框

相关推荐

随机推荐