python opencv 圖像邊框(填充)添加及圖像混合的實(shí)現(xiàn)方法(末尾實(shí)現(xiàn)類似幻燈片漸變的效果)
圖像邊框的實(shí)現(xiàn)
圖像邊框設(shè)計(jì)的主要函數(shù)
cv.copyMakeBorder()——實(shí)現(xiàn)邊框填充
主要參數(shù)如下:
- 參數(shù)一:源圖像——如:讀取的img
- 參數(shù)二——參數(shù)五分別是:上下左右邊的寬度——單位:像素
- 參數(shù)六:邊框類型:
- cv.BORDER_CONSTANT——cv.BORDER_REPLICATE——cv.BORDER_REFLECT——cv.BORDER_WRAP——cv.BORDER_REFLECT_101——cv.BORDER_TRANSPARENT——cv.BORDER_REFLECT101——cv.BORDER_DEFAULT——cv.BORDER_ISOLATED
- 參數(shù)七——只在邊框類型選擇borderType == BORDER_CONSTANT,才設(shè)置,意為邊框值
邊框類型的說(shuō)明:
- BORDER_CONSTANT:意為添加指定顏色的邊框——由value值確定:為list
- 其它參數(shù):(可根據(jù)需要調(diào)制,不過(guò)一般前兩個(gè)用的多一些)
代碼實(shí)例
import cv2 as cv
import numpy as np
if __name__ == "__main__":
img = cv.imread('./imag_in_save/open_class.png')
cv.namedWindow('imag', cv.WINDOW_NORMAL)
cv.resizeWindow('imag', 500, 500)
img = cv.copyMakeBorder(img, 20, 20, 20, 20, cv.BORDER_CONSTANT, value=[2, 83, 13]) # 添加邊框
cv.imshow('imag', img)
cv.waitKey(0)
cv.destroyAllWindows()
效果

圖像混合的實(shí)現(xiàn)
圖像混合實(shí)現(xiàn)的主要函數(shù)
cv.addWeighted()——實(shí)現(xiàn)圖像的混合
它的工作原理采用的是一個(gè)簡(jiǎn)單權(quán)重公式:g(x)=(1−α)f0(x)+αf1(x)
- 第一個(gè)參數(shù)為一張圖象,緊跟著第二個(gè)參數(shù)為第一張圖片的權(quán)重(0~1)也就是公式里的(1 - α)
- 第三個(gè)參數(shù)為另一張需要混合的圖片,同樣的,第四個(gè)參數(shù)為這張圖片的權(quán)重,也就是公式里的(α)
- 至于第五個(gè)參數(shù):每個(gè)對(duì)應(yīng)標(biāo)量的和值——可以設(shè)置混合的高光
- 其它兩個(gè)參數(shù):(最后的一個(gè)參數(shù)單獨(dú)用的不是很多,在一些其他處理中用的比較多)
- dst 輸出數(shù)組,其大小和通道數(shù)與輸入數(shù)組相同(我們一般通過(guò)直接返回得到~)
- dtype 輸出數(shù)組的可選深度;當(dāng)兩個(gè)輸入數(shù)組的深度相同時(shí),可以將dtype設(shè)置為-1,這等效于src1.depth()
代碼實(shí)例
import cv2 as cv
import numpy as np
if __name__ == "__main__":
img1 = cv.imread(r'./2.png', 1) # 讀取彩色圖片
img2 = cv.imread(r'./3.png', 1)
cv.namedWindow('imag', cv.WINDOW_NORMAL) # 窗體
img1 = img1[0: 200, 0: 400] # 截取圖像的指定部分——因?yàn)閳D像混合需要等大的圖像
img2 = img2[0: 200, 0: 400]
img = cv.addWeighted(img1, 0.7, img2, 0.3, 0) # 混合圖片——根據(jù)權(quán)重
while True:
cv.imshow('imag', img) # 顯示當(dāng)前序列號(hào)圖片
k = cv.waitKey(0) & 0xFF
if k == 27:
break
cv.destroyAllWindows()
效果

小練習(xí)(產(chǎn)生類似幻燈片漸變的效果)
主要思路
- 首先準(zhǔn)備好一系列等大的圖片或者截取一系列相同大小的圖片區(qū)域作為我們的圖像數(shù)據(jù)
- 然后將圖像信息,分別拼接到一個(gè)list列表中
- 然后,實(shí)現(xiàn)一張一張圖片的顯示,在交換的間隙,實(shí)現(xiàn)漸變的效果——也就是圖像混合。
- 然后就可以欣賞了——不過(guò)效果的話,主要看設(shè)置的參數(shù)吧(當(dāng)然因?yàn)闆](méi)有渲染,可能還是有些僵硬)。
代碼示例
我把主要注釋放在代碼中,邊看邊理解應(yīng)該不難~
import cv2 as cv
import numpy as np
if __name__ == "__main__":
img_list = [] # 創(chuàng)建一個(gè)空序列裝準(zhǔn)備顯示的一系列圖片
counts = 0 # 顯示圖片的序號(hào)
cv.namedWindow('imag', cv.WINDOW_NORMAL) # 窗體
cv.resizeWindow('imag', 500, 500)
for i in range(2, 7): # 遍歷圖片,憑借到空數(shù)組中——一共5張
img = cv.imread(f'./imag_in_save/scr/{i}.png') # 用f""實(shí)現(xiàn)參數(shù)傳入
img = img[0: 200, 0: 400] # 截取圖像的指定部分——因?yàn)閳D像混合需要等大的圖像
img_list.append(img) # 實(shí)現(xiàn)圖片添加
while True:
cv.imshow('imag', img_list[counts]) # 顯示當(dāng)前序列號(hào)圖片
k = cv.waitKey(2000) & 0xFF
counts += 1 # 循環(huán)下一張圖片——0,1,2,3,4有效
if counts == 5: # 循環(huán)到最后一張圖片后返回到第一張圖片
counts = 0
for i in range(0, 10):
k_f = cv.addWeighted(img_list[counts - 1], 1 - (i * 0.1), img_list[counts], i * 0.1, 0) # 做類似漸變的圖像合成
# 實(shí)現(xiàn)兩張(當(dāng)前圖片和接下來(lái)顯示的圖片)圖片,不同權(quán)重的混合——由于照片權(quán)重改變來(lái)實(shí)現(xiàn)漸變
cv.imshow('imag', k_f) # 顯示混合的圖片
k = cv.waitKey(120) & 0xFF # 延時(shí)和按鍵讀取
if k == 27: # ESC鍵
break
if k == 27:
break
cv.destroyAllWindows()
效果(圖片可能不是很明顯,如有需要可以自己添置幾張圖片實(shí)現(xiàn)看看)



總結(jié)
到此這篇關(guān)于python opencv 圖像邊框(填充)添加及圖像混合(末尾實(shí)現(xiàn)類似幻燈片漸變的效果)的文章就介紹到這了,更多相關(guān)opencv 圖像邊框填充混合內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
pandas把所有大于0的數(shù)設(shè)置為1的方法
今天小編就為大家分享一篇pandas把所有大于0的數(shù)設(shè)置為1的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
Python實(shí)現(xiàn)人臉識(shí)別的詳細(xì)圖文教程
人臉識(shí)別是人工智能的一個(gè)重要應(yīng)用,下面這篇文章主要給大家介紹了關(guān)于Python實(shí)現(xiàn)人臉識(shí)別的相關(guān)資料,文中通過(guò)圖文介紹的非常詳細(xì),需要的朋友可以參考下2022-08-08
基于Linux的ffmpeg python的關(guān)鍵幀抽取
本文主要介紹了基于Linux的ffmpeg python的關(guān)鍵幀抽取,實(shí)現(xiàn)以按幀或時(shí)間間隔抽取關(guān)鍵幀,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2025-06-06
Qt6中重大改變的QtMultimedia多媒體模塊實(shí)現(xiàn)
本文主要介紹了Qt6中重大改變的QtMultimedia多媒體模塊實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2021-09-09
Python生成器next方法和send方法區(qū)別詳解
這篇文章主要介紹了Python生成器next方法和send方法區(qū)別詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-05-05
python dict 字典 以及 賦值 引用的一些實(shí)例(詳解)
下面小編就為大家?guī)?lái)一篇python dict 字典 以及 賦值 引用的一些實(shí)例(詳解)。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-01-01
瘋狂上漲的Python 開(kāi)發(fā)者應(yīng)從2.x還是3.x著手?
熱度瘋漲的 Python,開(kāi)發(fā)者應(yīng)從 2.x 還是 3.x 著手?這篇文章就為大家分析一下了Python開(kāi)發(fā)者應(yīng)從2.x還是3.x學(xué)起,感興趣的小伙伴們可以參考一下2017-11-11

