python进行图像处理rows, cols = Img.shape，copyMakeBorder（）、merge（）、dft（）、log（）和normalize（）

最新推荐文章于 2025-05-24 00:00:21 发布
最新推荐文章于 2025-05-24 00:00:21 发布
阅读量6.7k 收藏 19
点赞数 3
CC 4.0 BY-SA版权
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/xn_n_ing/article/details/103098258
这篇博客是学习OpenCV的笔记，重点介绍了如何使用Python实现图像处理的几个关键函数，包括：copyMakeBorder用于添加图像边框，merge用于通道合并，dft进行离散傅里叶变换，log计算数组元素的自然对数，以及normalize进行图像数据的归一化操作。

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

这是学习opencv官网上例子的笔记跳转官网示例（用python实现）关于函数的用法，例如：copyMakeBorder（），merge（）、dft（）、getoptimeditsize（）、log（）和normalize（）。
在这里插入图片描述
1.解释rows, cols = Img.shape
这行代码的意思是把图片像素的行数，列数返回给rows，cols
2。getOptimalDFTSize函数
m = cv.getOptimalDFTSize( rows ） n = cv.getOptimalDFTSize( cols )
getOptimalDFTSize（）函数返回给定向量尺寸的傅里叶最优尺寸大小，这里返回的时rows和cols
3.copyMakeBorder（）函数
cv.copyMakeBorder(InputArray src, OutputArray dst, int top, int bottom,int left, int right, int borderType, const Scalar& value=Scalar() )
InputArray src：输入图像
OutputArray dst：输出的图像，与输入图像相同类型
int top, int bottom, int left, int right：在原来边界的基础上每个方向添加的像素个数，就是改变边框的粗细
int borderType：表示边界的类型
const Scalar& value=Scalar()：表示如果上一个边界的类型值是 BORDE

最低0.47元/天 解锁文章

200万优质内容无限畅学
python中cols和rows，x与y，以及width和height的关系
知识搬运者
04-24 764
列cols：X (width)行列与坐标系对应关系。
img.shape[:2]的意思
LoriaLi的博客
05-09 9923
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/weixin_43154228/article/details/86703432 img.shape[:2] 取彩色图片的长、宽。 如果img.shape[:3] 则取彩色图片的长、宽、通道。 关于img.shape[0]、[1]、[2] img.shape[0]：图像的垂直尺寸（高度） img.shape[1]：图像的水平尺寸（宽度） img..
python图像标准化
weixin_41529093的博客
07-25 1408
仅作为记录，大佬请跳过。 不知道有什么用。。 所有程序 （jupyter notebook） import numpy as np def normalize(image): mean = np.mean(image) var = np.mean(np.square(image-mean)) image = (image - mean)/np.sqrt(var) return image from PIL import Image img = Image.open(
OpenCV：解释rows,cols,channels=img2.shape,roi = img1[0:rows, 0:cols ]这行代码
Lebron的博客
09-13 1万+
这行代码的意思是把图片2像素的行数，列数以及通道数返回给rows，cols，channels。 然后将图片1从第0行到rows行，第0列到cols列的区域设定为roi（即感兴趣区域）...
图像的几何变换
coder_Alger 的博客
07-10 509
几何变换 学习目标 掌握图像的缩放，平移，旋转等 了解数字图像的仿射变换和透射变换 1 图像缩放 缩放是对图像的大小进行调整，即使图像放大或缩小。 API cv2.resize(src,dsize,fx=0,fy=0,interpolation=cv2.INTER_LINEAR) 参数： src : 输入图像 dsize: 绝对尺寸，直接指定调整后图像的大小 fx,fy: 相对尺寸，将dsize设置为None，然后将fx和fy设置为比例因子
// 扩展图像到最佳DFT尺寸 int optimalRows = getOptimalDFTSize(img.rows); int optimalCols = getOptimalDFTSize(img.cols); Mat padded; copyMakeBorder(img, padded, 0, optimalRows - img.rows, 0, optimalCols - img.cols, BORDER_CONSTANT, Scalar::all(0)); // 准备DFT输入（两个通道：实部和虚部） Mat planes[] = {Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F)}; Mat complexImg; merge(planes, 2, complexImg); // 执行傅里叶变换 dft(complexImg, complexImg); // 将低频移到频谱中心 int cx = complexImg.cols / 2; int cy = complexImg.rows / 2; Mat q0(complexImg, Rect(0, 0, cx, cy)); // 左上象限 Mat q1(complexImg, Rect(cx, 0, cx, cy)); // 右上象限 Mat q2(complexImg, Rect(0, cy, cx, cy)); // 左下象限 Mat q3(complexImg, Rect(cx, cy, cx, cy)); // 右下象限 // 交换象限（左上与右下交换） Mat tmp; q0.copyTo(tmp); q3.copyTo(q0); tmp.copyTo(q3); // 交换象限（右上与左下交换） q1.copyTo(tmp); q2.copyTo(q1); tmp.copyTo(q2); // 创建高斯低通滤波器 Mat mask = Mat::zeros(complexImg.size(), CV_32F); float D0 = 60; // 截止频率（控制滤波强度） for (int i = 0; i < mask.rows; i++) { for (int j = 0; j < mask.cols; j++) { float d = sqrt(pow(i - cy, 2) + pow(j - cx, 2)); mask.at<float>(i, j) = exp(-(d * d) / (2 * D0 * D0)); } } // 应用频域滤波器 split(complexImg, planes); multiply(planes[0], mask, planes[0]); multiply(planes[1], mask, planes[1]); merge(planes, 2, complexImg); // 逆交换象限（恢复原始排列） Mat q0_new = complexImg(Rect(0, 0, cx, cy)); Mat q3_new = complexImg(Rect(cx, cy, cx, cy)); q0.copyTo(tmp); q3_new.copyTo(q0_new); tmp.copyTo(q3_new); Mat q1_new = complexImg(Rect(cx, 0, cx, cy)); Mat q2_new = complexImg(Rect(0, cy, cx, cy)); q1.copyTo(tmp); q2_new.copyTo(q1_new); tmp.copyTo(q2_new); // 逆傅里叶变换 idft(complexImg, complexImg, DFT_SCALE | DFT_REAL_OUTPUT); // 裁剪和归一化处理结果，，，对于不知道傅里叶原理细节的人，如何理解这段代码并一步
03-25
img_pad = cv2.copyMakeBorder(img, 0, nrows-rows, 0, ncols-cols, cv2.BORDER_CONSTANT, value=0) ``` 通过补零（`copyMakeBorder`）避免图像切割[^4]。 --- #### 二、傅里叶变换与频谱中心化 1. **DFT计算**...
FFTW图像处理之频域滤波和频域分析
最新发布
深之JohnChen的专栏
05-24 451
重用FFTW计划(plan)避免重复创建开销。对于大图像，考虑使用多线程FFTW。：应用汉宁窗等可以减少频谱泄漏。：在显示频谱前，可以使用。对于实数输入图像，使用。
opencv学习（十五）之图像傅里叶变换dft
热门推荐
烟雨博客
12-03 7万+
在学习信号与系统或通信原理等课程里面可能对傅里叶变换有了一定的了解。我们知道傅里叶变换是把一个信号从时域变换到其对应的频域进行分析。如果有小伙伴还对傅里叶变换处于很迷糊的状态，请戳这里，非常通俗易懂。而在图像处理中也有傅里叶分析的概念，我这里给出在其官方指导文件opencv_tutorials中给出的解释。 傅里叶变换可以将一幅图片分解为正弦和余弦两个分量，换而言之，他可以将一幅图像从其空间域（s
python的opencv基本命令_opencv基本命令学习整理
weixin_39804523的博客
12-22 647
一、图片显示1、img = cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE) 或者 img = cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE，0)　　#读取灰度图片2、img = cv2.imread('cat.jpg',cv2.cv2.IMREAD_COLOR)或者img = cv2.imread('cat.jpg'...
Python-OpenCv之图像基本处理-平移，缩放，旋转，翻转，裁剪及仿射变换
zh_jessica的博客
09-12 4万+
基本图像处理 缩放scale 旋转rotate 裁剪crop 填充pad 平移translate 翻转flip 图像的仿射变换Affine transformation基本图像处理1. 缩放scale缩放通过cv2.resize()实现函数说明：cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) -> dst 参数说明： src -
opencv for python图像几何变换
xzc1234__的博客
03-20 729
opencv for python的4种图像几何变换 一、 图像变换简介 **1.变换简介：**首先图像是由一系列数组构成，对图像进行变换就是对数组进行操作，则需要一个变换数组来进行对原数组的操作从而完成对图像的操作，也就是说变换较为重要的就是通过一些途径来生成一个目标变换数组即矩阵。通过cv2.warpAffine()和cv2.warpPerspective()两个函数可完成几乎所有的图像变换。...
python-OpenCV之normalize（归一化 ）函数详解
qq_39430765的博客
08-15 1万+
归一化就是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。 归一化的目的，是使得没有可比性的数据变得具有可比性，同时又保持相比较的两个数据之间的相对关系，如大小关系；或是为了作图，原来很难在一张图上作出来，归一化后就可以很方便的给出图上的相对位置等。 接下来主要讲述python_opencv中的normalize（）函数，其原型为： def normalize(src...
利用Python对Excel数据进行处理
weixin_54500974的博客
07-08 4万+
通过本文，记录分享我利用Python对已存在的excel表格进行数据处理。 1.功能分析 1. 加载文件夹内所有的Excel数据； 2. 生产贡献度分析图表(以柱状图显示表格数据)； 3.提起Excel表格中指定列数据； 4. 定向筛选所需数据； 5. 多表数据统计排行； 6.多表数据合并在文件夹内生成合并后的新excel表格。 2. 系统开发必备 2.1 系统开发环境 本系统的软件开发及运行环境具体如下： 操作系统：Windows7、Windows10； Python版本：Pyt.
4.opencv图像几何变换
MasterCayman的博客
06-30 2234
以上操作将会涉及仿射变换函数： cv2.warpAffine(src, M, dsize, flags, borderMode, borderValue) 参数说明： src：输入图像 M：仿射变换矩阵 dsize：输出图像的大小 flags：插值方式的组合（int类型！） borderMode：边界像素模型（int类型！） borderValue：（重点！）边界填充值；默认情况下为0。 flags：插值方式 cv2.INTER_LINEAR，表示线性插值 cv2.INTER_NE..
Python下opencv使用笔记（三）（图像的几何变换）
常思考->有目标->重实践->善反思
10-31 1498
二维与三维图像的几何变换在计算机图形学上有重要的应用，包括现在的许多图像界面的切换、二维与三维游戏画面控制等等都涉及到图像几何变换，就比如说在三维游戏中，控制角色三维移动的时候，画面是要跟着移动的，那么怎么移动，怎么让上一时刻的画面移动到这一时刻，这都是根据了你的移动量，然后找到三维坐标之间的对应关系，用这一时刻的坐标替换到上一时刻的坐标像素值实现图像的切换。图像的几何变换主要包括：平移、扩大与缩
python中的cols_Python numpy.ma.mask_cols()用法及代码示例
weixin_35492602的博客
01-29 1575
在thisnumpy.ma.mask_cols()函数中，对包含掩码值的2D数组的列进行掩码。该功能是轴等于1的mask_rowcols的快捷方式。用法： numpy.ma.mask_cols(arr, axis = None)参数：arr :[数组，MaskedArray]要屏蔽的数组。axis :[int，可选]沿其执行操作的轴。默认为无。Return :[MaskedArray]输入数组的修...
[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
杨秀璋的专栏
09-02 5万+
本篇文章主要讲解Python调用OpenCV实现图像平滑，包括四个算法：均值滤波、方框滤波、高斯滤波和中值滤波。全文均是基础知识，希望对您有所帮助。知识点如下： 1.图像平滑 2.均值滤波 3.方框滤波 4.高斯滤波 5.中值滤波
(十一)图像几何变换
qq_23123181的博客
02-06 888
1、仿射变换 (1) 缩放：图像大小按照指定的比率放大或者缩小，cv2.resize()， cv.INTER_AREA、cv.INTER_CUBIC、cv.INTER_LINEAR import numpy as np import cv2 as cv img = cv.imread('messi5.jpg') res = cv.resize(img,None,fx=2, fy=2, interpolation = cv.INTER_CUBIC) #OR height, width = img.sha
opencv图像处理维度不匹配错误
weixin_42101177的博客
02-10 1411
opencv图像处理维度不匹配错误 错误一ValueError: too many values to unpack (expected 2) 由于opencv处理图像时，图像是三维张量，所以在获取其长和宽时要这样 rows,cols= image.shape[:2] #而不能是这样rows,cols= image.shape ！！！ #这里取前两个dim ，如果是要将image的所有...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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