opencv图像填充

python 复制代码
import time  # 导入time模块,用于处理时间相关的功能
import cv2  # 导入OpenCV模块,用于图像处理
# 创建窗口
cv2.namedWindow('window', cv2.WINDOW_AUTOSIZE)  # 创建一个名为'window'的窗口,窗口大小自动调整,用户不能手动调整大小
cat = cv2.imread("./9.jpg", 1)  # 使用OpenCV的imread函数读取图片,路径为当前目录下的9.jpg,参数1表示读取彩色图像
# 定义上下左右边界的大小
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
# 使用不同的边界类型创建图像边界
replicate = cv2.copyMakeBorder(cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
# BORDER_REPLICATE:复制边缘像素进行填充
BORDER_REFLECT = cv2.copyMakeBorder(cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT)
# BORDER_REFLECT:反射边缘像素进行填充
REFLECT101 = cv2.copyMakeBorder(cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT101)
# BORDER_REFLECT101:类似于BORDER_REFLECT,但是在边缘不会重复像素
WRAP = cv2.copyMakeBorder(cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_WRAP)
# BORDER_WRAP:包裹边缘像素进行填充,类似于纹理的重复
CONSTANT = cv2.copyMakeBorder(cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT, value=0)
# BORDER_CONSTANT:使用常量值进行填充,这里是黑色(0)
# 展示图像
cv2.imshow('window', cat)  # 在名为'window'的窗口中显示原始图像
cv2.imshow('replicate', replicate)  # 显示使用BORDER_REPLICATE填充的图像
cv2.imshow('BORDER_REFLECT', BORDER_REFLECT)  # 显示使用BORDER_REFLECT填充的图像
cv2.imshow('REFLECT101', REFLECT101)  # 显示使用BORDER_REFLECT101填充的图像
cv2.imshow('WRAP', WRAP)  # 显示使用BORDER_WRAP填充的图像
cv2.imshow('CONSTANT', CONSTANT)  # 显示使用BORDER_CONSTANT填充的图像
key = cv2.waitKey(0)  # 等待按键事件,参数0表示无限期等待,直到有按键被按下
# 检查按键是否为'q',如果是则销毁所有窗口
if key & 0xFF == ord('q'):  # 将按键的值与0xFF进行按位与操作,以获取正确的ASCII码值,并与'q'的ASCII码比较
    print("准备销毁窗口")  # 如果按下的是'q'键,则打印消息
    cv2.destroyAllWindows()  # 销毁所有OpenCV创建的窗口

· BORDER_REPLICATE:复制法,也就是复制最边缘像素。

·BORDER_ REFLECT :反射法,对感兴趣的图像中的像素在两边进行复制例如:fedcba|abcdefg|hgfedcb

· BORDER_ REFLECT_101 :反射法,也就是以最边缘像素为轴,对称,gfedcl|abcdefgh|gfedcba

· BORDER_WRAP:外包装法defgh|abcdefg h|abcdelg

· BORDER CONSTANT :常量法,常数值填充。




相关推荐
Baihai_IDP18 分钟前
AI Agents 能自己开发工具自己使用吗?一项智能体自迭代能力研究
人工智能·面试·llm
大模型真好玩1 小时前
大模型工程面试经典(七)—如何评估大模型微调效果?
人工智能·面试·deepseek
黎燃9 小时前
短视频平台内容推荐算法优化:从协同过滤到多模态深度学习
人工智能
飞哥数智坊10 小时前
多次尝试用 CodeBuddy 做小程序,最终我放弃了
人工智能·ai编程
后端小肥肠11 小时前
别再眼馋 10w + 治愈漫画!Coze 工作流 3 分钟出成品,小白可学
人工智能·aigc·coze
唐某人丶14 小时前
教你如何用 JS 实现 Agent 系统(2)—— 开发 ReAct 版本的“深度搜索”
前端·人工智能·aigc
FIT2CLOUD飞致云14 小时前
九月月报丨MaxKB在不同规模医疗机构的应用进展汇报
人工智能·开源
阿里云大数据AI技术14 小时前
【新模型速递】PAI-Model Gallery云上一键部署Qwen3-Next系列模型
人工智能
袁庭新15 小时前
全球首位AI机器人部长,背负反腐重任
人工智能·aigc
机器之心15 小时前
谁说Scaling Law到头了?新研究:每一步的微小提升会带来指数级增长
人工智能·openai