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
BFT白芙堂5 分钟前
睿尔曼系列机器人——以创新驱动未来,重塑智能协作新生态(上)
人工智能·机器学习·机器人·协作机器人·复合机器人·睿尔曼机器人
aneasystone本尊11 分钟前
使用 MCP 让 Claude Code 集成外部工具
人工智能
静心问道21 分钟前
SEW:无监督预训练在语音识别中的性能-效率权衡
人工智能·语音识别
xwz小王子27 分钟前
从LLM到WM:大语言模型如何进化成具身世界模型?
人工智能·语言模型·自然语言处理
我爱一条柴ya28 分钟前
【AI大模型】深入理解 Transformer 架构:自然语言处理的革命引擎
人工智能·ai·ai作画·ai编程·ai写作
静心问道29 分钟前
FLAN-T5:规模化指令微调的语言模型
人工智能·语言模型·自然语言处理
李师兄说大模型29 分钟前
KDD 2025 | 地理定位中的群体智能:一个多智能体大型视觉语言模型协同框架
人工智能·深度学习·机器学习·语言模型·自然语言处理·大模型·deepseek
静心问道30 分钟前
SqueezeBERT:计算机视觉能为自然语言处理在高效神经网络方面带来哪些启示?
人工智能·计算机视觉·自然语言处理
Sherlock Ma31 分钟前
百度开源文心一言4.5:论文解读和使用入门
人工智能·百度·自然语言处理·开源·大模型·文心一言·多模态
weisian15135 分钟前
人工智能-基础篇-18-什么是RAG(检索增强生成:知识库+向量化技术+大语言模型LLM整合的技术框架)
人工智能·语言模型·自然语言处理