機器學習進階-圖像基本操作-數值計算 1.cv2.add(將圖片進行加和) 2.cv2.resize(圖片的維度變換) 3.cv2.addWeighted(將圖片按照公式進行重疊操作)


1.cv2.add(dog_img, cat_img)  # 進行圖片的加和

參數說明: cv2.add將兩個圖片進行加和,大於255的使用255計數

2.cv2.resize(img, (500, 414))  # 根絕給定的維度進行變化   cv2.resize(img, (0, 0), fx=3, fy=1)  使得圖像x軸變化為原來的三倍,y軸不變

參數說明:img表示需要變化的圖片, (500, 414)表示變化的維度,長為414, 寬為500, fx=3, fy=1, 表示對圖像的x軸進行變化

3.cv2.addWeighted(dog_img, 0.6, cat_img, 0.4, 0) 表示將兩個圖片進行重疊操作

參數說明:重疊后的像素表示: dog_img*0.6 + cat_img*0.4 + 0 ,0表示重疊的偏置項

 

代碼:

1. 將一幅圖片進行加10操作

2. 使用加號,將兩個維度相同的圖片進行加和操作

3. cv2.add() 將兩個圖片進行加和,大於255的用255表示

4.使用cv2.resize(img, (500, 414))對圖片的維度進行變形,使用cv2.addWeighted()對兩個圖片進行重疊操作

5.使用cv2.resize(img, (0, 0), fx=3, fy=1) 對圖片的x軸進行擴大操作

6.對cv2.addWeighted進行翻寫操作

import cv2


cat_img = cv2.imread('cat.jpg')
dog_img = cv2.imread('dog.jpg')

# 1.對三個通道像素點進行加10操作
cat2_img = cat_img + 10

print(cat_img[0:5, :, 1])

print(cat2_img[0:5, :, 1])
cv2.imshow('cat', cat2_img)
cv2.waitKey(0)

# 2.將兩張圖片進行相加操作, 如果大於255,就使用256進行約分
print((cat2_img + cat_img)[0:5, :, 0])

# 3.使用cv2.add對兩個照片進行加和, 如果加和值大於255,就使用255表示
print(cv2.add(cat2_img, cat_img)[0:5, :, 0])
import matplotlib.pyplot as plt
# 4. cv2.resize將圖片進行變形, cv2.addWeighted將兩個圖片進行重疊, 參數說明dog_img * 0.6 + cat_img *0.4 + 0
print(cat_img.shape)
dog_img = cv2.resize(dog_img, (500, 414))
img = cv2.addWeighted(dog_img, 0.6, cat_img, 0.4, 0)
plt.imshow(img)
plt.show()

import matplotlib.pyplot as plt
# 5. cv2.resize(img, (0, 0), ), 將x軸擴大3倍
plt.subplot(211)
plt.imshow(cv2.resize(cat_img, (0, 0), fx=3, fy=1))

# 將y軸擴大3倍
plt.subplot(212)
plt.imshow(cv2.resize(cat_img, (0, 0), fx=1, fy=3))
plt.show()

 

# cv2.addWeighted翻寫
img = np.round(np.multiply(dog_img, 0.6) + np.multiply(cat_img, 0.4))
img = img.astype(int)
print('2', img)
plt.imshow(img)
plt.show()


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



猜您在找 機器學習進階-光流估計 1.cv2.goodFeaturesToTrack(找出光流估計所需要的角點) 2.cv2.calcOpticalFlowPyrLK(獲得光流檢測后的角點位置) 3.cv2.add(進行像素點的加和) opencv學習之路(4):圖像的疊加,add、addweighted、‘+’ 機器學習進階-目標跟蹤-KCF目標跟蹤方法 1.cv2.multiTracker_create(構造選框集合) 2. cv2.TrackerKCF_create(獲得KCF追蹤器) 3. cv2.resize(變化圖像大小) 4.cv2.selectROI(在圖像上框出選框) 機器學習進階-圖像形態學變化-禮帽與黑帽 1.cv2.TOPHAT(禮帽-原始圖片-開運算后圖片) 2.cv2.BLACKHAT(黑帽 閉運算-原始圖片) 機器學習進階-直方圖與傅里葉變化-直方圖均衡化 1.cv2.equalizeHist(進行直方圖均衡化) 2. cv2.createCLAHA(用於生成自適應均衡化圖像) python3使用cv2對圖像進行基本操作 機器學習進階-背景建模-(幀差法與混合高斯模型) 1.cv2.VideoCapture(進行視頻讀取) 2.cv2.getStructureElement(構造形態學的卷積) 3.cv2.createBackgroundSubtractorMOG2(構造高斯混合模型) 4.cv2.morpholyEx(對圖像進行形態學的變化) 機器學習進階-圖像金字塔與輪廓檢測-輪廓檢測 1.cv2.cvtColor(圖像顏色轉換) 2.cv2.findContours(找出圖像的輪廓) 3.cv2.drawContours(畫出圖像輪廓) 4.cv2.contourArea(輪廓面積) 5.cv2.arcLength(輪廓周長) 6.cv2.aprroxPloyDP(獲得輪廓近似) 7.cv2.boudingrect(外接圓).. 8.進行圖片的裁剪,同時使用resize將圖片的維度進行變化 機器學習入門-數值特征-進行多項式變化(將特征投影到高維度上) 1.PolynomialFeatures(將數據變化為多項式特征)
 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM