013 OpenCV copyMakeBorder(padding)

目录

一、环境

二、原理

三、完整代码


一、环境

本文使用环境为:

  • Windows10
  • Python 3.9.17
  • opencv-python 4.8.0.74

二、原理

cv.copyMakeBorder是OpenCV库中的一个函数,用于在图像周围添加边框(padding)。这个函数可以用于图像的预处理、增强等任务。它的基本语法如下:

cpp 复制代码
dst = cv.copyMakeBorder(src, top, bottom, left, right, borderType, value)
  • src:输入图像,可以是彩色或灰度图像。
  • topbottomleftright:分别表示上、下、左、右方向上的边框宽度。如果设置为负数,则表示自动计算边框宽度。
  • borderType:边框类型,可以是上述提到的任意一种类型。
  • value:边框的颜色值。对于彩色图像,需要提供一个包含三个元素的元组(例如:(0, 0, 0)表示黑色);对于灰度图像,需要提供一个单一的数值(例如:0表示黑色)。

其中,cv.copyMakeBorder支持以下几种边框类型:

  1. cv.BORDER_CONSTANT:常数填充,即用一个固定的值填充边框。
  2. cv.BORDER_REFLECT:反射填充,即用图像边界的像素值进行填充。
  3. cv.BORDER_REFLECT_101:反射填充,与cv.BORDER_REFLECT类似,但使用不同的边界像素值。
  4. cv.BORDER_WRAP:循环填充,即用图像边界的像素值进行填充,形成一个环状的效果。
  5. cv.BORDER_REPLICATE:复制填充,即用图像边界的像素值进行填充。
  6. cv.BORDER_DEFAULT:默认填充,即用0填充边框。

三、完整代码

注:执行下面代码,图像显示后:

  • 按下r是原图,
  • 按下c是边界padding后的效果图,
  • 按下esc退出
python 复制代码
import sys
from random import randint
import cv2 as cv
def main(argv):
    borderType = cv.BORDER_CONSTANT
    window_name = "copyMakeBorder Demo"
    src = cv.imread(cv.samples.findFile('data/lena.jpg'), cv.IMREAD_COLOR)
    ## [create_window]
    cv.namedWindow(window_name, cv.WINDOW_AUTOSIZE)
    top = int(0.05 * src.shape[0])  # shape[0] = rows
    bottom = top
    left = int(0.05 * src.shape[1])  # shape[1] = cols
    right = left
    while 1:
        # 待填充的随机颜色
        value = [randint(0, 255), randint(0, 255), randint(0, 255)]
        dst = cv.copyMakeBorder(src, top, bottom, left, right, borderType, None, value)
        cv.imshow(window_name, dst)
        c = cv.waitKey(500)
        if c == 27:
            break
        elif c == 99: # 99 = ord('c')
            borderType = cv.BORDER_CONSTANT
        elif c == 114: # 114 = ord('r')
            borderType = cv.BORDER_REPLICATE
    return 0
if __name__ == "__main__":
    main(sys.argv[1:])
相关推荐
SmartBrain19 小时前
DeerFlow 实践:华为IPD流程的评审智能体设计
人工智能·语言模型·架构
l1t20 小时前
利用DeepSeek实现服务器客户端模式的DuckDB原型
服务器·c语言·数据库·人工智能·postgresql·协议·duckdb
寒月霜华21 小时前
机器学习-数据标注
人工智能·机器学习
paid槮1 天前
机器视觉之图像处理篇
图像处理·opencv·计算机视觉
九章云极AladdinEdu1 天前
超参数自动化调优指南:Optuna vs. Ray Tune 对比评测
运维·人工智能·深度学习·ai·自动化·gpu算力
人工智能训练师1 天前
Ubuntu22.04如何安装新版本的Node.js和npm
linux·运维·前端·人工智能·ubuntu·npm·node.js
cxr8281 天前
SPARC方法论在Claude Code基于规则驱动开发中的应用
人工智能·驱动开发·claude·智能体
研梦非凡1 天前
ICCV 2025|从粗到细:用于高效3D高斯溅射的可学习离散小波变换
人工智能·深度学习·学习·3d
幂简集成1 天前
Realtime API 语音代理端到端接入全流程教程(含 Demo,延迟 280ms)
人工智能·个人开发
龙腾-虎跃1 天前
FreeSWITCH FunASR语音识别模块
人工智能·语音识别·xcode