opencv實(shí)現(xiàn)圖像平移效果
更新時(shí)間：2021年03月19日 15:08:59 作者：熱愛(ài)玄學(xué)的抽象菜菜
這篇文章主要為大家詳細(xì)介紹了opencv實(shí)現(xiàn)圖像平移效果，文中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
本文實(shí)例為大家分享了opencv實(shí)現(xiàn)圖像平移效果的具體代碼，供大家參考，具體內(nèi)容如下
圖像平移：
按照指定方向和距離，移動(dòng)到相應(yīng)位置
格式：cv.warpAffine(img,M,dsize)
參數(shù)：
實(shí)現(xiàn)代碼：
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 中文顯示配置
plt.rcParams['font.sans-serif']=['SimHei'] # 用來(lái)正常顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus']=False # 用來(lái)正常顯示負(fù)號(hào)
# 載入圖片
img0 = cv.imread("img/img1.jpeg")
# 圖像平移
rows, cols = img0.shape[:2]
# 簡(jiǎn)單理解：x方向移動(dòng)100個(gè)單位，y方向移動(dòng)50個(gè)單位
M = np.float32([[1,0,100],[0,1,50]])
# 輸出圖像大小
dst = cv.warpAffine(img0,M,(cols*3,rows*3))
# 圖像顯示
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10,8),dpi=100)
axes[0].imshow(img0[:,:,::-1])
axes[0].set_title("原圖")
axes[1].imshow(dst[:,:,::-1])
axes[1].set_title("平移后圖片")
plt.show()
運(yùn)行結(jié)果：
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了pytest基本用法簡(jiǎn)介，幫助大家更好的利用python進(jìn)行自動(dòng)化測(cè)試，感興趣的朋友可以了解下2021-03-03
Python基于回溯法子集樹(shù)模板解決數(shù)字組合問(wèn)題實(shí)例
這篇文章主要介紹了Python基于回溯法子集樹(shù)模板解決數(shù)字組合問(wèn)題,簡(jiǎn)單描述了數(shù)字組合問(wèn)題并結(jié)合實(shí)例形式分析了Python回溯法子集樹(shù)模板解決數(shù)字組合問(wèn)題的具體步驟與相關(guān)操作技巧,需要的朋友可以參考下2017-09-09
一文向您詳細(xì)介紹指令 python -m pip install的用法和功能
通過(guò)本文的介紹,我們?cè)敿?xì)了解了python -m pip install命令的用法和功能,從基本用法到安裝特定版本的包、從其他源安裝包、升級(jí)和卸載包,再到使用requirements.txt管理依賴,我們逐步深入了解了pip的強(qiáng)大功能,感興趣的朋友跟隨小編一起看看吧2024-07-07
一個(gè)Python最簡(jiǎn)單的接口自動(dòng)化框架
這篇文章主要為大家詳細(xì)介紹了一個(gè)Python最簡(jiǎn)單的接口自動(dòng)化框架，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01
python實(shí)現(xiàn)多線程采集的2個(gè)代碼例子
這篇文章主要介紹了python多線程采集代碼例子,使用了Threading、Queue、MySQLdb等模塊,需要的朋友可以參考下2014-07-07
pandas中apply和transform方法的性能比較及區(qū)別介紹
這篇文章主要介紹了pandas中apply和transform方法的性能比較，在文中給大家講解了apply() 與transform()的相同點(diǎn)與不同點(diǎn),需要的朋友可以參考下2018-10-10
Django 按組控制權(quán)限類(lèi)及定義方法詳解
這篇文章主要為大家介紹了Django 按組控制權(quán)限類(lèi)及定義方法詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-06-06
pytorch基礎(chǔ)之損失函數(shù)與反向傳播詳解
損失函數(shù)(Loss?Function)用于衡量神經(jīng)網(wǎng)絡(luò)輸出與目標(biāo)值之間的誤差,指導(dǎo)網(wǎng)絡(luò)通過(guò)反向傳播優(yōu)化參數(shù),常見(jiàn)的損失函數(shù)包括均方誤差和交叉熵誤差,在訓(xùn)練過(guò)程中,通過(guò)不斷最小化損失函數(shù)值來(lái)調(diào)整網(wǎng)絡(luò)權(quán)重,以期達(dá)到輸出接近目標(biāo)值的效果2024-09-09
python內(nèi)置模塊OS?實(shí)現(xiàn)SHELL端文件處理器
這篇文章主要介紹了python內(nèi)置模塊OS實(shí)現(xiàn)SHELL端文件處理器，文章通過(guò)圍繞主題展開(kāi)詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-09-09
Python中pandas dataframe刪除一行或一列:drop函數(shù)詳解
今天小編就為大家分享一篇Python中pandas dataframe刪除一行或一列:drop函數(shù)詳解，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2018-07-07