python 切割和拼接图片

该博客可能围绕Python进行图片切割展开,利用Python相关库和技术对图片进行处理,实现切割操作,在信息技术领域的图像处理方面有一定应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

#-* coding -utf-8 -*
#这个脚本用来切割和拼接图片
#运行程序输入1则为切割图片模式
#输入其他数字则为拼接图片模式
import numpy as np
import os
import cv2
import PIL.Image as Image

#切图
def cut():
    img = cv2.imread('./img/1792/org.tif', cv2.IMREAD_COLOR)
    h = img.shape[0]
    w = img.shape[1]
    print(h)
    print(w)
    cv2.imshow('test',img)
    cv2.waitKey()
    cv2.destroyAllWindows()

    size = 1792

    # 开始切图 cut
    h_step = img.shape[0] // size
    w_step = img.shape[1] // size

    h_rest = -(img.shape[0] - size * h_step)
    w_rest = -(img.shape[1] - size * w_step)################256变64,size

    image_list = []
    predict_list = []
    count = 0
    # 循环切图
    for h in range(h_step):
        for w in range(w_step):
            # 划窗采样
            img_cut = img[h*size:(h+1)*size, w*size:(w+1)*size, :]
            image_list.append(img_cut[:,:,1])
            cv2.imwrite(('./img/cut/' + '%3d_sat.jpg' % count), img_cut)
            count += 1

#拼接
def splice():
    IMAGES_PATH = './img/cut/'  
    IMAGES_FORMAT = '.png'  
    IMAGE_SIZE = 256  
    IMAGE_ROW = 8 
    IMAGE_COLUMN = 8  
    IMAGE_SAVE_PATH = './img/cut/final.png'  

    # 获取图片集地址下的所有图片名称
    filelist = os.listdir(IMAGES_PATH)
    image_names = np.array([file for file in filelist if file.endswith('.png')], dtype=object)

    # 简单的对于参数的设定和实际图片集的大小进行数量判断
    if len(image_names) != IMAGE_ROW * IMAGE_COLUMN:
        raise ValueError("合成图片的参数和要求的数量不能匹配!")

    # 定义图像拼接函数
    def image_compose():
        to_image = Image.new('RGB', (IMAGE_COLUMN * IMAGE_SIZE, IMAGE_ROW * IMAGE_SIZE)) #创建一个新图
        # 循环遍历,把每张图片按顺序粘贴到对应位置上
        for y in range(1, IMAGE_ROW + 1):
            for x in range(1, IMAGE_COLUMN + 1):
                from_image = Image.open(IMAGES_PATH + image_names[IMAGE_COLUMN * (y - 1) + x - 1]).resize(
                    (IMAGE_SIZE, IMAGE_SIZE),Image.ANTIALIAS)
                to_image.paste(from_image, ((x - 1) * IMAGE_SIZE, (y - 1) * IMAGE_SIZE))
        return to_image.save(IMAGE_SAVE_PATH)
    image_compose() #调用函数

model = int(input())
if model == 0:
    cut()
else:
    splice()

### Python 实现音频文件的分割与拼接 #### 使用 `pydub` 进行音频操作 对于音频的操作,如剪辑拼接,`pydub` 是一个非常实用的工具。通过该库能够简便地完成这些任务。 ```python from pydub import AudioSegment # 加载音频文件 audio_1 = AudioSegment.from_file("file1.mp3", format="mp3") audio_2 = AudioSegment.from_file("file2.wav", format="wav") # 剪切前10秒作为片段 clip = audio_1[:10 * 1000] # 将两个音频片段连接在一起 combined_audio = clip + audio_2 # 导出最终结果到新的文件 combined_audio.export("output_combined.ogg", format='ogg') ``` 此代码展示了如何加载不同格式的音频文件并对其进行简单的编辑工作[^1]。 #### 利用 `scipy.io.wavfile` `numpy.concatenate` 当仅限于 `.wav` 文件时,还可以考虑采用更底层的方式——借助 `scipy.io.wavfile` 来读写波形数据,并配合 NumPy 的数组运算能力来实现自定义化的处理逻辑。 ```python import numpy as np from scipy.io import wavfile rate, data_1 = wavfile.read('input_part1.wav') # 读入第一个部分的数据 _, data_2 = wavfile.read('input_part2.wav') # 同样的采样率下继续读第二个部分... data_concatenated = np.concatenate((data_1, data_2)) # 拼接两段音频信号 wavfile.write('output_joined.wav', rate, data_concatenated.astype(np.int16)) ``` 上述例子说明了怎样利用这两个科学计算包有效地管理 WAV 类型的声音素材[^3]。 #### 音频分割注意事项 值得注意的是,在实际应用过程中,直接按时间轴切割可能会引入不连续性问题,即所谓的“边界断裂”。为了避免这种情况发生,通常建议采取加窗技术或其他平滑过渡手段以减少相邻分片间的突变影响[^4]。
评论
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
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