OpenCV图像算法实现图像切分图像合并示例

目录
  • 将一张图片切分成多个小图片并将小图片合并为原图
    • 图像切分
    • 图像合并
  • 验证
    • 友情提示

将一张图片切分成多个小图片并将小图片合并为原图

最近用到一个功能,需要将一张原图切分成多个小图像,然后对小图像进行处理,处理之后再将其整合成一张大图像。达到对原图进行处理的目的,这样做的好处是将一个大任务划分为多个小任务,分别进行处理以节约时间(当然需要多线程进行协助,效果才会更明显)。

下面,就以2个模块进行介绍

图像切分

/*
图像切分(我是按列进行切分的,按照行也是同样的原理。亦或是按块)
核心代码如下:
*/
//用于存储切分后的小图像
vector<Mat> imgs;
//src:待切分原图像 splitCols:切分的每个小图像列数
void imgSplit(Mat src,int splitCols)
{
	//设置分割后图像存储路径
	string outpath = ".\\split\\";
	int col = src.cols, row = src.rows;
	//切分后图像数量
	int sum = 0;
	//被整除
	if ((col%num == 0))
	{
		sum = col / num;
		//迭代器ceil_img存储子图像
		//vector<Mat> ceil_img;
		//迭代器name存储子图像的名字,从0到m*n-1
		vector<int> name;
		for (int i = 0; i < sum; i++)
		{
			name.push_back(i);
		}
		Mat image_cut, roi_img, tim_img;
		//存储完整图像
		for (int i = 0; i < sum; i++)
		{
			Rect rect(i*num, 0, num, row);
			image_cut = Mat(src, rect);
			roi_img = image_cut.clone();
			imgs.push_back(roi_img);
		}
		//写入到指定文件夹
		for (int i = 0; i < sum; i++)
		{
			imwrite(outpath + to_string(long long((name[i]))) + ".jpg", imgs[i]);
		}
	}
	else //不能整除
	{
		sum = col / num + 1;
		//迭代器ceil_img存储子图像
		//vector<Mat> ceil_img;
		//迭代器name存储子图像的名字,从0到m*n-1
		vector<int> name;
		for (int i = 0; i < sum; i++)
		{
			name.push_back(i);
		}
		Mat image_cut, roi_img, tim_img;
		//存储完整图像
		for (int i = 0; i < sum - 1; i++)
		{
			Rect rect(i*num, 0, num, row);
			image_cut = Mat(src, rect);
			roi_img = image_cut.clone();
			imgs.push_back(roi_img);
		}
		//留余图像(因为有时候原图像总列数不能被整除,但又不能有损原图)
		Rect rect((sum - 1)*num, 0, col%num, row);
		image_cut = Mat(src, rect);
		roi_img = image_cut.clone();
		imgs.push_back(roi_img);
		//写入到指定文件夹
		for (int i = 0; i < sum; i++)
		{
			imwrite(outpath + to_string(long long((name[i]))) + ".jpg", imgs[i]);
		}
	}
}

图像合并

/*
图像合并
只要学会合并两幅图像,那么多幅图像合并就不在话下了
*/
//按列合并两幅图像
Mat mergeCols(Mat src1, Mat src2)
{
	int totalCols = src1.cols + src2.cols;
	Mat dst(src1.rows, totalCols, src1.type());
	Mat submat = dst.colRange(0, src1.cols);
	src1.copyTo(submat);
	submat = dst.colRange(src1.cols, totalCols);
	src2.copyTo(submat);
	return dst;
}
//多幅图像合并
void imgMerge()
{
	int imgSum = imgs.size();
	Mat dst = imgs[0];
	for (int i = 1; i < imgSum; i++)
	{
		dst = mergeCols(dst, imgs[i]);
	}
}

验证

执行下面代码可以验证(当然,你要根据自己的需求进行个别修改,比如切分后图像保存路径这些细节)

void split_mergeRun()
{
	Mat src = imread("img.jpg");
	imgSplit(src, 100);
	imgMerge();
}

友情提示

万变不离其宗,上述我分了两个模块分别为图像切分、合并。你也可以结合其它资料或者自己对代码进行理解,达到自己的最终目的,如果以上描述有什么有待改进之处,希望能够留言指正,更多关于OpenCV切分合并图像算法的资料请关注我们其它相关文章!

(0)

相关推荐

  • OpenCV图像分割中的分水岭算法原理与应用详解

    图像分割是按照一定的原则,将一幅图像分为若干个互不相交的小局域的过程,它是图像处理中最为基础的研究领域之一.目前有很多图像分割方法,其中分水岭算法是一种基于区域的图像分割算法,分水岭算法因实现方便,已经在医疗图像,模式识别等领域得到了广泛的应用. 1.传统分水岭算法基本原理 分水岭比较经典的计算方法是L.Vincent于1991年在PAMI上提出的[1].传统的分水岭分割方法,是一种基于拓扑理论的数学形态学的分割方法,其基本思想是把图像看作是测地学上的拓扑地貌,图像中每一像素的灰度值表示该点的海

  • OpenCV学习之图像的分割与修复详解

    目录 背景 一.分水岭法 二.GrabCut法 三.MeanShift法 四.MOG前景背景分离法 五.拓展方法 六.图像修复 总结 背景 图像分割本质就是将前景目标从背景中分离出来.在当前的实际项目中,应用传统分割的并不多,大多是采用深度学习的方法以达到更好的效果:当然,了解传统的方法对于分割的整体认知具有很大帮助,本篇将介绍些传统分割的一些算法: 一.分水岭法 原理图如下: 利用二值图像的梯度关系,设置一定边界,给定不同颜色实现分割: 实现步骤: 标记背景 —— 标记前景 —— 标记未知区域

  • 基于OpenCV实现图像分割

    本文实例为大家分享了基于OpenCV实现图像分割的具体代码,供大家参考,具体内容如下 1.图像阈值化 源代码: #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include <iostream> using namespace std; using namespace cv; int thresholds=50; int model=2; Ma

  • OpenCV 图像拼接和图像融合的实现

    目录 基于SURF的图像拼接 1.特征点提取和匹配 2.图像配准 3. 图像拷贝 4.图像融合(去裂缝处理) 基于ORB的图像拼接 opencv自带的拼接算法stitch 1.opencv stitch选择的特征检测方式 2.opencv stitch获取匹配点的方式 图像拼接在实际的应用场景很广,比如无人机航拍,遥感图像等等,图像拼接是进一步做图像理解基础步骤,拼接效果的好坏直接影响接下来的工作,所以一个好的图像拼接算法非常重要. 再举一个身边的例子吧,你用你的手机对某一场景拍照,但是你没有办

  • Opencv实现用于图像分割分水岭算法

    目标 • 使用分水岭算法基于掩模的图像分割 • 学习函数: cv2.watershed() 原理   任何一幅灰度图像都可以被看成拓扑平面,灰度值高的区域可以被看成是山峰,灰度值低的区域可以被看成是山谷.我们向每一个山谷中灌不同颜色的水,随着水的位的升高,不同山谷的水就会相遇汇合,为了防止不同山谷的水汇合,我们需要在水汇合的地方构建起堤坝.不停的灌水,不停的构建堤坝直到所有的山峰都被水淹没.我们构建好的堤坝就是对图像的分割.这就是分水岭算法的背后哲理.   但是这种方法通常都会得到过度分割的结果

  • OpenCV图像算法实现图像切分图像合并示例

    目录 将一张图片切分成多个小图片并将小图片合并为原图 图像切分 图像合并 验证 友情提示 将一张图片切分成多个小图片并将小图片合并为原图 最近用到一个功能,需要将一张原图切分成多个小图像,然后对小图像进行处理,处理之后再将其整合成一张大图像.达到对原图进行处理的目的,这样做的好处是将一个大任务划分为多个小任务,分别进行处理以节约时间(当然需要多线程进行协助,效果才会更明显). 下面,就以2个模块进行介绍 图像切分 /* 图像切分(我是按列进行切分的,按照行也是同样的原理.亦或是按块) 核心代码如

  • opencv 图像轮廓的实现示例

    图像轮廓 Contours:轮廓 轮廓是将没有连着一起的边缘连着一起. 边缘检测检测出边缘,边缘有些未连接在一起. 注意问题 1.对象为二值图像,首先进行阈值分割或者边缘检测. 2.查找轮廓需要更改原始图像,通常使用原始图像的一份进行拷贝. 3.在opencv里,是从黑色背景里找白色.因此对象必须是白色,背景为黑色. 方法 cv2.findContours() cv2.drawContours() 通过cv2.findContours() 查找轮廓在哪里,再通过 cv2.drawContours

  • 使用OpenCV实现人脸图像卡通化的示例代码

    引言 通过前面的文章我们已经了解到OpenCV 是一个用于计算机视觉和机器学习的开源 python 库.它主要针对实时计算机视觉和图像处理.它用于对图像执行不同的操作,这些操作使用不同的技术对图像进行转换.在本文中,我们将实现使用OpenCV将人脸图像卡通化. 让我们从导入必需的库开始! import cv2 import numpy as np 第一次变换(卡通化) 在这个转换中,我们将找到图像的边缘,并使用双边滤波器和位操作符制作一个卡通化的图像. # Reading the Image i

  • Python OpenCV 图像平移的实现示例

    每次学习新东西的时候,橡皮擦都是去海量检索,然后找到适合自己理解的部分. 再将其拼凑成一个小的系统,争取对该内容有初步理解. 今天这 1 个小时,核心要学习的是图像的平移,在电脑上随便打开一张图片,实现移动都非常简单,但是在代码中,出现了一些新的概念. 检索 OpenCV 图像平移相关资料时,碰到的第一个新概念是就是 仿射变换. 每次看到这样子的数学名字,必然心中一凉,做为一个数学小白,又要瑟瑟发抖了. 百度一下,看看百科中是如何介绍的. 看过上图中的一些相关简介之后,对于这个概念也并没有太深刻

  • OpenCV 图像金字塔的实现示例

    目录 1.高斯金字塔 2.拉普拉斯金字塔 本文主要介绍了OpenCV 图像金字塔,具有一定的参考价值,感兴趣的可以了解一下 高斯金字塔reduce void cv::pyrDown() expand void cv::pyrUp() 1.高斯金字塔 图像金字塔是对一张输入图像先模糊再下采样为原来的高.宽的1/2,不断重复模糊与下采样的过程就得到了不同分辨率的输出图像,叠加在一起就形成了图像金字塔. 高斯金字塔便是先进行高斯模糊,再进行reduce和expand操作.高斯金字塔中的较高级别(低分辨

  • C#使用opencv截取旋转矩形区域图像的实现示例

    前言:最近在工程中需要用到截取RotatedRect中的图形,保存为Mat做后续处理.发现opencv文档中没有这个api,最开始想到的方案是将整张图片进行相应的旋转,然后再从中截取正矩形,但是我们要获取的是部分区域,将整张图片进行旋转会造成很多的资源浪费.所以需要自行实现一个旋转矩形的方案. 实现方法 原理是利用向量空间变换,如图 通过 Point2f[] points=rotatedRect.Points(); 可获取RotatedRect四个端点的坐标.先选定一个点为输出Mat左上端点,这

  • Python实现图像的垂直投影示例

    Python + OpenCV 直接上代码 import cv2 import numpy as np from matplotlib import pyplot as plt from PIL import Image img=cv2.imread('0002.jpg') #读取图片,装换为可运算的数组 GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #将BGR图转为灰度图 ret,thresh1=cv2.threshold(GrayImage,1

  • OpenCV利用python来实现图像的直方图均衡化

    1.直方图 直方图: (1) 图像中不同像素等级出现的次数 (2) 图像中具有不同等级的像素关于总像素数目的比值. 我们使用cv2.calcHist方法得到直方图 cv2.calcHist(images, channels, mask, histSize, ranges): -img: 图像 -channels: 选取图像的哪个通道 -histSize: 直方图大小 -ranges: 直方图范围 cv2.minMaxLoc: 返回直方图的最大最小值,以及他们的索引 import cv2 impo

  • Java OpenCV利用KNN算法实现图像背景移除

    目录 实现步骤 示例代码 结果图 实现步骤 1 获取视频 2 设置形态学结构 3 创建 Video.createBackgroundSubtractorKNN() 4 提取模型 BS 5 进行形态学变换 6 膨胀 7 二值化 8 展示结果 示例代码 package com.xu.opencv; import java.util.ArrayList; import java.util.List; import java.util.Objects; import java.util.Optional

  • Python实现PS图像明亮度调整效果示例

    本文实例讲述了Python实现PS图像明亮度调整效果.分享给大家供大家参考,具体如下: 这里用 Python 实现 PS 图像调整中的明度调整: 我们知道,一般的非线性RGB亮度调整只是在原有R.G.B值基础上增加和减少一定量来实现的,而PS的明度调整原理还得从前面那个公式上去找.我们将正向明度调整公式: RGB = RGB + (255 - RGB) * value / 255 转换为 RGB = (RGB * (255 - value) + 255 * value) / 255, 如果val

随机推荐