import cv2
import numpy as np
img = cv2.imread("F:\\mytupian\\xihuduanqiao.jpg") # 低反光
cv2.imshow('image', img)
# =============================================================================
# 图像分块
# =============================================================================
dst = np.zeros(img.shape, img.dtype)
ratio = 2 #图像边长缩小比率是2,也就是一张图片被分割成四份
height, width = img.shape[:2]
pheight = int(height / ratio)
pwidth = int(width / ratio)
pHeightInterval = int(pheight)
pWidthInterval = int(pwidth)
cnt = 1
for i in range(ratio):
for j in range(ratio):
y = int(pHeightInterval * i)
x = int(pWidthInterval * j)
patch = img[y:y + pheight, x:x + pwidth]
cv2.imshow('%d' % cnt + '.jpg', patch)
cnt = cnt + 1
# patch=cv2.equalizeHist(patch) #直方图均衡
# ret,patch=cv2.threshold(patch,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
dst[y:y + pheight, x:x + pwidth] = patch
cv2.imshow('final image', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
Python和OpenCV图像分块之图像边长缩小比率是2
金蝶软件小李2024-06-17 21:54
相关推荐
innutritious16 分钟前
车辆重识别(2020NIPS去噪扩散概率模型)论文阅读2024/9/27橙子小哥的代码世界1 小时前
【深度学习】05-RNN循环神经网络-02- RNN循环神经网络的发展历史与演化趋势/LSTM/GRU/Transformer985小水博一枚呀2 小时前
【深度学习基础模型】神经图灵机(Neural Turing Machines, NTM)详细理解并附实现代码。SEU-WYL3 小时前
基于深度学习的任务序列中的快速适应OCR_wintone4213 小时前
中安未来 OCR—— 开启高效驾驶证识别新时代matlabgoodboy4 小时前
“图像识别技术:重塑生活与工作的未来”最近好楠啊4 小时前
Pytorch实现RNN实验OCR_wintone4214 小时前
中安未来 OCR—— 开启文字识别新时代学步_技术4 小时前
自动驾驶系列—全面解析自动驾驶线控制动技术:智能驾驶的关键执行器IFTICing4 小时前
【文献阅读】Attention Bottlenecks for Multimodal Fusion