OpenCvSharp从入门到实践-(06)创建图像

目录

1、创建图像

1.1实例1-创建黑色图像

1.2实例2-创建白色图像

1.3实例3-创建随机像素的雪花点图像

2、图像拼接

2.1水平拼接图像

2.2垂直拼接图像

2.3实例4-垂直和水平两种方式拼接两张图像


在OpenCV中,黑白图像其实就是一个二维数组,彩色图像就是一个三位数组。数组中的每个元素就是图像中对应位置的像素值。

1、创建图像

在黑白图像中,像素值为0表示纯黑色,像素值为255表示纯白色

1.1实例1-创建黑色图像

创建一个100行、200列(即宽200、高100)的黑色图像,代码如下:

int width = 200;

int height = 100;

Mat img = Mat.Zeros(height, width, MatType.CV_8UC1);

Cv2.ImShow("img", img);

Cv2.WaitKey();

Cv2.DestroyAllWindows();

效果

方式二,效果同上,代码如下:

int width = 200;

int height = 100;

int[] array = new int[200 * 100];

Mat img = new Mat(height, width, MatType.CV_8UC1, array);

Cv2.ImShow("img", img);

Cv2.WaitKey();

Cv2.DestroyAllWindows();

1.2实例2-创建白色图像

创建白色图像有多种方式:

第一种:利用Mat构造函数直接创建;

第二种:利用Mat.Ones方法创建一个像素值为1的图像,然后将图像中所有像素值乘以255;

第三种:创建一个所有值都为255的数组,利用数组创建图像;

第四种:利用SetTo方法;

第一种代码如下:

int width = 200;

int height = 100;

Mat img = new Mat(new Size(width, height), MatType.CV_8UC1, Scalar.White);

Cv2.ImShow("img", img);

Cv2.WaitKey();

Cv2.DestroyAllWindows();

第二种代码如下:

int width = 200;

int height = 100;

Mat img = Mat.Ones(height, width, MatType.CV_8UC1) * 255;

Cv2.ImShow("img", img);

Cv2.WaitKey();

Cv2.DestroyAllWindows();

第三种代码如下:

int width = 200;

int height = 100;

byte[] array = new byte[width* height]; // 定义了长度为width* height的数组

for (int i = 0; i < array.Length; i++)

{

array[i] = 255; // 将每个元素赋值为255

}

Mat img = new Mat(height, width, MatType.CV_8UC1, array);

Cv2.ImShow("img", img);

Cv2.WaitKey();

Cv2.DestroyAllWindows();

第四种代码如下:

int width = 200;

int height = 100;

Mat img = new Mat(new Size(width, height), MatType.CV_8UC1);

img.SetTo(new Scalar(255, 255, 255)); // 将背景设置为白色

Cv2.ImShow("img", img);

Cv2.WaitKey();

Cv2.DestroyAllWindows();

效果:

1.3实例3-创建随机像素的雪花点图像

代码如下:

int width = 200;

int height = 100;

Mat img = new Mat(height, width, MatType.CV_8UC1);

Random random = new Random();

for (int i = 0; i < height; i++)

{

for (int j = 0; j < width; j++)

{

byte blue = (byte)(random.NextDouble() * 256);

byte green = (byte)(random.NextDouble() * 256);

byte red = (byte)(random.NextDouble() * 256);

Vec3b color = new Vec3b((byte)blue, (byte)green, (byte)red);

img.At<Vec3b>(i, j) = color;

}

}

Cv2.ImShow("img", img);

Cv2.WaitKey();

Cv2.DestroyAllWindows();

效果:

改变一行代码,创建彩色的随机图像,代码如下:

int width = 200;

int height = 100;

Mat img = new Mat(height, width, MatType.CV_8UC3);

Random random = new Random();

for (int i = 0; i < height; i++)

{

for (int j = 0; j < width; j++)

{

byte blue = (byte)(random.NextDouble() * 256);

byte green = (byte)(random.NextDouble() * 256);

byte red = (byte)(random.NextDouble() * 256);

Vec3b color = new Vec3b((byte)blue, (byte)green, (byte)red);

img.At<Vec3b>(i, j) = color;

}

}

Cv2.ImShow("img", img);

Cv2.WaitKey();

Cv2.DestroyAllWindows();

效果:

2、图像拼接

OpenCvSharp中提供Cv2.HConcat、Cv2.VConcat方法实现图像拼接。

2.1水平拼接图像

Cv2.HConcat方法可以对图像进行水平拼接(或者叫横向拼接),其函数如下:

public static void HConcat(IEnumerable<Mat> src, OutputArray dst)

说明:

摘要:

Applies horizontal concatenation to given matrices.

参数:

src:

input array or vector of matrices. all of the matrices must have the same number

of rows and the same depth.

dst:

output array. It has the same number of rows and depth as the src, and the sum

of cols of the src.

2.2垂直拼接图像

Cv2.VConcat可以对图像进行垂直拼接(或者叫纵向拼接),其函数如下:

public static void VConcat(IEnumerable<Mat> src, OutputArray dst)

说明:

摘要:

Applies vertical concatenation to given matrices.

参数:

src:

input array or vector of matrices. all of the matrices must have the same number

of cols and the same depth.

dst:

output array. It has the same number of cols and depth as the src, and the sum

of rows of the src.

2.3实例4-垂直和水平两种方式拼接两张图像

代码如下:

Mat mat = Cv2.ImRead("test01.jpg");

Cv2.ImShow("src", mat);

Mat dst = new Mat();

Cv2.VConcat(new Mat[] { mat, mat }, dst);

Cv2.ImShow("img_v", dst);

Cv2.HConcat(new Mat[] { mat, mat }, dst);

Cv2.ImShow("img_h", dst);

Cv2.WaitKey();

Cv2.DestroyAllWindows();

效果:

相关推荐
小嗷犬4 分钟前
【论文笔记】Visual Alignment Pre-training for Sign Language Translation
论文阅读·人工智能·机器翻译·多模态·手语翻译·手语识别
GPT祖弘15 分钟前
【Agent】Chatbot、Copilot与Agent如何帮助我们的提升效率?
人工智能·copilot
Ainnle16 分钟前
VS Code AI开发之Copilot配置和使用详解
人工智能·copilot
司南OpenCompass16 分钟前
CompassArena新升级:Judge Copilot提升竞技体验,新一代Bradley-Terry模型还原模型真实能力
人工智能·语言模型·大模型·大模型评测·opencompass
zaim117 分钟前
计算机的错误计算(一百九十二)
人工智能·ai·大模型·llm·错误·误差/error·余割/csc
敖行客 Allthinker30 分钟前
让 AMD GPU 在大语言模型推理中崭露头角:机遇与挑战
人工智能·语言模型·自然语言处理
赛逸展张胜41 分钟前
CES Asia是一个关于什么的展会?
大数据·人工智能·科技
XinZong1 小时前
【AIGC】深入解析变分自编码器(VAE):理论、数学原理、实现与应用
人工智能·aigc
Coovally AI模型快速验证1 小时前
YOLO11全解析:从原理到实战,全流程体验下一代目标检测
人工智能·yolo·目标检测·机器学习·计算机视觉·目标跟踪·yolo11