opencv通道拆分与合并:split和merge

目录

pytorch拼接通道

图片添加通道: 

tile行列同时扩展: 

repeat函数:按照维度进行复制拼接

opencv通道拆分与合并:split和merge


pytorch拼接通道

import torch
x1 = torch.randn(2,2, 3)
x2 = torch.randn(2, 3)

data=torch.cat((x1,x2.unsqueeze(0)),0)

print(data.size())

图片添加通道: 

import cv2
import numpy as np

rgb=cv2.imread(r"D:\nv.jpg")
rgba = np.dstack((rgb, np.zeros(rgb.shape[:-1])))

cv2.imshow("asdf",rgb)
cv2.waitKey()

tile行列同时扩展: 

import numpy as np

x = np.array([[1,2],[3,4]])

data = np.tile(x, (2,2))

print(data)

repeat函数:按照维度进行复制拼接

a = np.arange(3)
a
array([0, 1, 2])
np.repeat(a, 2)
array([0, 0, 1, 1, 2, 2])>>> a = [[0,1], [2,3], [4,5]]>>> y = np.repeat(a, 2)>>> yarray([0, 0, 1, 1, 2, 2, 3, 3, 4, 4, 5, 5])>>> x = np.tile(a, (2,1))>>> xarray([[0, 1],       [2, 3],       [4, 5],       [0, 1],       [2, 3],       [4, 5]])>>> a = np.array([[1,2],[3,4]])>>> aarray([[1, 2],       [3, 4]])>>> np.repeat(a, 2, 1)array([[1, 1, 2, 2],       [3, 3, 4, 4]])>>> np.repeat(a, 2, 0)array([[1, 2],       [1, 2],       [3, 4],       [3, 4]])

opencv通道拆分与合并:split和merge

原文:http://blog.youkuaiyun.com/omuyejingfeng1/article/details/25685141
 

#include<opencv2/opencv.hpp>  
#include<iostream>  
#include<cassert>  
#include<vector>  
using namespace cv;  
using namespace std;  
int main()  
{  
    Mat srcImage=imread("e:/huangshan.jpg");  
    Mat imageBlue,imageGreen,imageRed;  
    Mat mergeImage;  
    //定义一个Mat向量容器保存拆分后的数据  
    vector<Mat> channels;  
  
    //判断文件加载是否正确  
    assert(srcImage.data!=NULL);  
    namedWindow("image",CV_WINDOW_AUTOSIZE);  
    namedWindow("mergeImage",CV_WINDOW_AUTOSIZE);  
      
    //通道的拆分  
    split(srcImage,channels);  
      
    //提取蓝色通道的数据  
    imageBlue = channels.at(0);  
  
    //提取绿色通道的数据  
    imageGreen = channels.at(1);  
  
    //提取红色通道的数据  
    imageRed = channels.at(2);  
    imshow("image",imageBlue);  
  
    //对拆分的通道数据合并  
    merge(channels,mergeImage);  
    imshow("mergeImage",mergeImage);  
    waitKey();  
    system("pause");  
    return 0;  
}  

#include<opencv2/opencv.hpp>  
#include<iostream>  
#include<cassert>  
#include<vector>  
using namespace cv;  
using namespace std;  
int main()  
{  
    Mat srcImage=imread("e:/jiansheng.jpg");  
    Mat logoImage = imread("e:/timu.jpg",0);  
    Mat imageBlue,imageGreen,imageRed;  
    Mat mergeImage;  
    //定义一个Mat向量容器保存拆分后的数据  
    vector<Mat> channels;  
  
    //判断文件加载是否正确  
    assert(srcImage.data!=NULL && logoImage.data!=NULL);  
    //namedWindow("image",CV_WINDOW_AUTOSIZE);  
    namedWindow("mergeImage",CV_WINDOW_AUTOSIZE);  
      
    //通道的拆分  
    split(srcImage,channels);  
      
    //提取蓝色通道的数据  
    imageBlue = channels.at(1);  
    addWeighted(imageBlue(Rect(0,0,logoImage.cols,logoImage.rows)),0.5,logoImage,0.5,0.,imageBlue(Rect(0,0,logoImage.cols,logoImage.rows)));  
  
  
    //对拆分的通道数据合并  
    merge(channels,mergeImage);  
    imshow("mergeImage",mergeImage);  
    waitKey();  
    system("pause");  
    return 0;  
}  

#include<opencv2/opencv.hpp>  
#include<iostream>  
#include<vector>  
using namespace std;  
using namespace cv;  
int main()  
{  
    Mat img = imread("f:/huang.jpg");  
    namedWindow("image",WINDOW_AUTOSIZE);  
    imshow("image",img);  
    Mat gray;  
    cvtColor(img,gray,CV_RGB2GRAY);  
    namedWindow("gray",WINDOW_AUTOSIZE);  
    imshow("gray",gray);  
    Mat mimg = imread("f:/mei.jpeg");  
    namedWindow("mei",WINDOW_AUTOSIZE);  
    resize(mimg,mimg,Size(img.cols,img.rows));  
    addWeighted(mimg,0.2,img,0.9,0.,mimg);  
    imshow("mei",mimg);  
    vector<Mat> channels;  
    split(img,channels);  
    vector<Mat>::iterator it = channels.begin();  
    char str[][20]={"blue","green","red"};  
    int i=0;  
    for(;it!=channels.end();++it,++i)  
    {  
       
       namedWindow(str[i],WINDOW_AUTOSIZE);  
       imshow(str[i],*it);  
    }  
    waitKey();  
    return 0;  
} 

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值