python+opencv之邊緣填充
一、邊緣填充
相信很多喜歡玩電腦的小伙伴，遇到過這種情況：有時候換電腦壁紙的時候，原本一張很好看完整的圖片，換成電腦壁紙就是一個不完整或者由很多重復的圖片組成的壁紙。其實這里就有填充的出現。
邊緣填充：因為對於圖像的卷積操作，最邊緣的像素一般無法處理，所以卷積核中心到不了最邊緣像素。這就需要先將圖像的邊界填充，再根據不同的填充算法進行卷積操作，得到的新圖像就是填充后的圖像。
二、邊緣填充函數原型
函數原型：cv2.copyMakeBorder(src,top, bottom, left, right ,borderType,value)
src：需要填充的圖像
top：圖像上面填充邊界的長度
bottom：圖像上下面填充邊界的長度
left：圖像左面填充邊界的長度
right ：圖像右面填充邊界的長度
borderType：邊界的類型
BORDER_REPLICATE：復制法，即復制最邊緣的像素。例如：aaaa|abcdefg|ggggg
BORDER_REFLECT：反射法,即以最邊緣的像素為對稱軸。例如：fedcba|abcdefg|gfedec
BORDER_REFLECT_101：反射法,也是最邊緣的像素為對稱軸，但與BORDER_REFLECT有區別。例如：fedcb|abcdefg|fedec
BORDER_WRAP：外包裝法，即以圖像的左邊界與右邊界相連，上下邊界相連。例如：cdefgh|abcdefgh|abcdefg
BORDER_CONSTANT：常量法。
如果這里還有不明白的地方，我們可以跟着下面的代碼和效果圖對比，理解每個方法的作用。
value：填充的邊界顏色，通常用於常量法填充中。
三、實現代碼及解釋
1、讀取圖像及顯示圖像代碼
1 #所需要的庫 2 import cv2 as cv 3 import matplotlib.pyplot as plt 4 import numpy as np 5 6 #讀取圖片cv2.imread("圖片路徑") 7 img=cv.imread('lufei.jpg') 8 9 #顯示圖像函數 10 def cv_show(name,img): 11 cv.imshow(name,img) 12 cv.waitKey(0) 13 cv.destroyAllWindows()
關於圖像的讀取、顯示等基本操作，具體查看老貓上一篇博客。
2、核心代碼
1 #各個邊界需要填充的值 2 top_size,bottom_size,left_size,right_size=(50,50,50,50) 3 #復制法 4 replicate=cv.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,borderType=cv.BORDER_REPLICATE) 5 #反射法 6 reflect=cv.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv.BORDER_REFLECT) 7 reflect101=cv.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv.BORDER_REFLECT_101) 8 #外包裝法 9 wrap=cv.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv.BORDER_WRAP) 10 #常量法，常數值填充 11 constant=cv.copyMakeBorder(img,top_size,bottom_size,left_size,right_size,cv.BORDER_CONSTANT,value=(0,255,0))
1 img1=img.copy() 2 #在各個圖像上添加相應的文本 3 cv.putText(img1,"original",(0,50),cv.FONT_HERSHEY_COMPLEX,2,(0,250,0),4,8) 4 cv.putText(replicate,"replicate",(0,50),cv.FONT_HERSHEY_COMPLEX,2,(0,250,0),4,8) 5 cv.putText(reflect,"reflect",(0,50),cv.FONT_HERSHEY_COMPLEX,2,(0,250,0),4,8) 6 cv.putText(reflect101,"reflect101",(0,50),cv.FONT_HERSHEY_COMPLEX,2,(0,250,0),4,8) 7 cv.putText(wrap,"wrap",(0,50),cv.FONT_HERSHEY_COMPLEX,2,(0,250,0),4,8) 8 cv.putText(constant,"constant",(0,50),cv.FONT_HERSHEY_COMPLEX,2,(0,250,0),4,8) 9 10 #顯示圖像 11 cv_show("original",img1) 12 cv_show("replicate",replicate) 13 cv_show("reflect",reflect) 14 cv_show("reflect101",reflect101) 15 cv_show("wrap",wrap) 16 cv_show("constant",constant)
3、效果圖對比
為了對比填充前后的圖像，博主這里上傳的截圖，沒有進行等比縮放，全是原始大小。
根據效果圖可以很明顯的看出，原圖和填充后的圖的大小是不一樣的。
4、細節經驗分享
（1）老貓在編寫關於圖像邊緣填充的代碼過程中，是使用每一個窗口對應一個圖像的方法顯示圖像，這樣編寫的代碼，就無法很快地直接對比出各個圖像之間的區別。
為了能快速對比出各個方法得出的圖像的區別，可以使用np.vstack()或者np.hstack()對比，將圖像放在同一個窗口。
1 rec=np.hstack((replicate,reflect)) 2 cv_show("replicate_reflect",rec)
注意：
問題A：使用np.vstack()或者np.hstack()函數時，圖像的大小必須一致，不然會報錯。
解決A：若不知道兩張圖像的大小，可以使用shape來查看。
例如：
問題B.使用np.vstack()或者np.hstack()函數時，可能會出現圖像顯示不完全情況。
解決B：這是因為窗口的大小是根據屏幕的大小來定的，若窗口的長度或者高度超過電腦屏幕的大小，這會以電腦的長度或者高度來顯示。
例如：
（2）可以用畫布顯示所有圖像進行對比
代碼：
1 plt.subplot(231),plt.imshow(img,"gray"),plt.title("original") 2 plt.subplot(232),plt.imshow(replicate,"gray"),plt.title("replicate") 3 plt.subplot(233),plt.imshow(reflect,"gray"),plt.title("reflect") 4 plt.subplot(234),plt.imshow(reflect101,"gray"),plt.title("reflect101") 5 plt.subplot(235),plt.imshow(wrap,"gray"),plt.title("wrap") 6 plt.subplot(236),plt.imshow(constant,"gray"),plt.title("constant") 7 plt.show()
效果圖：
