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
老贾专利烩7 分钟前
智能健康项链专利拆解:ECG 与 TBI 双模态监测的硬件架构与信号融合
人工智能·科技·健康医疗
无奈何杨9 分钟前
MCP Server工具参数设计与AI约束指南
人工智能
青梅主码9 分钟前
中国在世界人工智能大会上发布《人工智能全球治理行动计划》:中美 AI 竞争白热化,贸易紧张局势下的全球治理新篇章
人工智能
张较瘦_1 小时前
[论文阅读] 人工智能 + 软件工程 | CASCADE:用LLM+编译器技术破解JavaScript混淆难题
javascript·论文阅读·人工智能
德育处主任1 小时前
『OpenCV-Python』配合 Matplotlib 显示图像
后端·python·opencv
呆头鹅AI工作室1 小时前
[2025CVPR-图象分类方向]CATANet:用于轻量级图像超分辨率的高效内容感知标记聚合
图像处理·人工智能·深度学习·目标检测·机器学习·计算机视觉·分类
向左转, 向右走ˉ1 小时前
为什么分类任务偏爱交叉熵?MSE 为何折戟?
人工智能·深度学习·算法·机器学习·分类·数据挖掘
抓个马尾女孩1 小时前
什么是熵、交叉熵、相对熵(KL散度)
人工智能·机器学习
张较瘦_2 小时前
[论文阅读] 人工智能 | 机器学习工作流的“救星”:数据虚拟化服务如何解决数据管理难题?
论文阅读·人工智能·机器学习
蓝卓工业操作系统3 小时前
天铭科技×蓝卓 | “1+2+N”打造AI驱动的汽车零部件行业智能工厂
人工智能·科技·汽车