图像处理零填充

2019-08-01 15:54:50 nanhuaibeian 阅读数 226
  • Keras版本的Mask R-CNN

    学习和掌握使用Mask R-CNN图像实例分割来训练自己的数据集 学习VIA图像实例分割标注工具 掌握单类物体的图像实例分割方法 掌握多类物体的图像实例分割方法

    306人学习 白勇
    免费试看

对领域中像素的计算为线性运算时,此运算称为线性空间滤波(也称为空间卷积);否则称此运算为非线性空间滤波。

这里所说的线性操作包括邻域中的每个像素乘以相应的系数,将结果求和,从而得到点(x,y)处的响应。若邻域的大小为 mxn ,则需要 mn 个系数,这些系数被称为滤波器。

在这里插入图片描述
如图,整个过程由在图像 f 中逐点移动滤波模板 w 的中心组成。在每个点 (x,y) 处,滤波器在该点的响应是由滤波模板限定的相应邻域像素与滤波器系数乘积结果的累加和。

如下图,将图像 f 看作一个一维函数,假设 f 的原点定为其最左边的点。为执行两个函数的相关,移动 w 使其最右边的点与 f 的原点重合。

注意到这两个函数之间有一些店没有重叠。处理这种问题最通用的方法就是对 f 填充足够且必要的 0 点,以保证在 w 通过 f 的全过程中,总会有相对应的点
ALT

2016-08-11 21:36:49 qq_20823641 阅读数 15186
  • Keras版本的Mask R-CNN

    学习和掌握使用Mask R-CNN图像实例分割来训练自己的数据集 学习VIA图像实例分割标注工具 掌握单类物体的图像实例分割方法 掌握多类物体的图像实例分割方法

    306人学习 白勇
    免费试看


         可以说从这篇文章开始,就结束了图像识别的入门基础,来到了第二阶段的学习。在平时处理二值图像的时候,除了要进行形态学的一些操作,还有有上一节讲到的轮廓连通区域的面积周长标记等,还有一个最常见的就是孔洞的填充,opencv这里成为漫水填充,其实也可以叫种子填充,或者区域生长,基本的原理是一样的,但是应用的时候需要注意一下,种子填充用递归的办法,回溯算法,漫水填充使用堆栈,提高效率,同时还提供了一种方式是扫描行。经常用来填充孔洞,现在来具体看看。


漫水填充:也就是用一定颜色填充联通区域,通过设置可连通像素的上下限以及连通方式来达到不同的填充效果;漫水填充经常被用来标记或分离图像的一部分以便对其进行进一步处理或分析,也可以用来从输入图像获取掩码区域,掩码会加速处理过程,或只处理掩码指定的像素点,操作的结果总是某个连续的区域。简单的说,就是选中点seedPoint,然后选取出它周围和它色彩差异不大的点,并将它们的值改为newVal。如果被选取的点,遇到mask掩码,则放弃对该方向的

种子填充算法,种子填充算法是从多边形区域内部的一点开始,由此出发找到区域内的所有像素。种子填充算法采用的边界定义是区域边界上所有像素具有某个特定的颜色值,区域内部所有像素均不取这一特定颜色,而边界外的像素则可具有与边界相同的颜色值。

具体算法步骤:

  • 标记种子(x,y)的像素点 ;
  • 检测该点的颜色,若他与边界色和填充色均不同,就用填充色填   充该点,否则不填充 ;
  • 检测相邻位置,继续 2。这个过程延续到已经检测区域边界范围内的所有像素为止。
  • 当然在搜索的时候有两种检测相邻像素:四向连通和八向连通。四向连通即从区域上一点出发,通过四个方向上、下、左、右来检索。而八向连通加上了左上、左下、右上、右下四个方向。这种算法的有点是算法简单,易于实现,也可以填充带有内孔的平面区域。但是此算法需要更大的存储空间以实现栈结构,同一个像素多次入栈和出栈,效率低,运算量大。

扫描线种子填充算法:该算法属于种子填充算法,它是以扫描线上的区段为单位操作。所谓区段,就是一条扫描线上相连着的若干内部象素的集合。扫描线种子填充算法思想:首先填充当前扫描线上的位于给定区域的一区段,然后确定于这一区段相邻的上下两条线上位于该区域内是否存在需要填充的新区段,如果存在,则依次把他们保存起来,反复这个过程,直到所保存的各区段都填充完毕。

<span style="font-size:18px;">FloodFill函数
  C++: int floodFill(InputOutputArray image, InputOutputArray mask, 
                Point seedPoint, Scalar newVal, Rect* rect=0, Scalar loDiff=Scalar(), Scalar upDiff=Scalar(), int flags=4 );
  InputOutputArray:输入和输出图像。
  mask:            输入的掩码图像。
  seedPoint:      算法开始处理的开始位置。 
  newVal:         图像中所有被算法选中的点,都用这个数值来填充。
    rect:            最小包围矩阵。
  loDiff:         最大的低亮度之间的差异。
    upDiff:         最大的高亮度之间的差异。
  flag:           选择算法连接方式。
</span>

根据上面的函数先看一个基础的应用

<span style="font-size:18px;">#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;

Mat g_srcImage, g_dstImage, g_grayImage, g_maskImage;
int g_nFillMode = 1;
int g_nLowDifference = 20, g_nUpDifference = 20;
int g_nConnectivity = 4;
int g_bIsColor = true;
bool g_bUseMask = false;
int g_nNewMaskVal = 255;
static void onMouse( int event, int x, int y, int, void* )
{

	if( event != EVENT_LBUTTONDOWN )
		return;
	Point seed = Point(x,y);
	int LowDifference = g_nFillMode == 0 ? 0 : g_nLowDifference;
	int UpDifference = g_nFillMode == 0 ? 0 : g_nUpDifference;
	int flags = g_nConnectivity + (g_nNewMaskVal << 8) +(g_nFillMode == 1 ? FLOODFILL_FIXED_RANGE : 0);
	int b = (unsigned)theRNG() & 255;
	int g = (unsigned)theRNG() & 255;
	int r = (unsigned)theRNG() & 255;
	Rect ccomp;
	Scalar newVal = g_bIsColor ? Scalar(b, g, r) : Scalar(r*0.299 + g*0.587 + b*0.114);
	Mat dst = g_bIsColor ? g_dstImage : g_grayImage;//目标图的赋值
	int area;
	if( g_bUseMask )
	{
		threshold(g_maskImage, g_maskImage, 1, 128, THRESH_BINARY);
		area = floodFill(dst, g_maskImage, seed, newVal, &ccomp, Scalar(LowDifference, LowDifference, LowDifference),
			Scalar(UpDifference, UpDifference, UpDifference), flags);
		imshow( "mask", g_maskImage );
	}
	else
	{
		area = floodFill(dst, seed, newVal, &ccomp, Scalar(LowDifference, LowDifference, LowDifference),
			Scalar(UpDifference, UpDifference, UpDifference), flags);
	}

	imshow("效果图", dst);
	cout << area << " 个像素被重绘\n";
}

int main( int argc, char** argv )
{

	g_srcImage = imread("lena.jpg", 1);

	if( !g_srcImage.data ) { printf("读取图片image0错误~! \n"); return false; } 

	g_srcImage.copyTo(g_dstImage);
	cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);
	g_maskImage.create(g_srcImage.rows+2, g_srcImage.cols+2, CV_8UC1);
	namedWindow( "效果图",WINDOW_AUTOSIZE );
	createTrackbar( "负差最大值", "效果图", &g_nLowDifference, 255, 0 );
	createTrackbar( "正差最大值" ,"效果图", &g_nUpDifference, 255, 0 );
	setMouseCallback( "效果图", onMouse, 0 );
	while(1)
	{
		//先显示效果图
		imshow("效果图", g_bIsColor ? g_dstImage : g_grayImage);

		//获取键盘按键
		int c = waitKey(0);
		//判断ESC是否按下,若按下便退出
		if( (c & 255) == 27 )
		{
			cout << "程序退出...........\n";
			break;
		}

		//根据按键的不同,进行各种操作
		switch( (char)c )
		{
			//如果键盘“1”被按下,效果图在在灰度图,彩色图之间互换
		case '1':
			if( g_bIsColor )//若原来为彩色,转为灰度图,并且将掩膜mask所有元素设置为0
			{
				cout << "键盘“1”被按下,切换彩色/灰度模式,当前操作为将【彩色模式】切换为【灰度模式】\n";
				cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);
				g_maskImage = Scalar::all(0);	//将mask所有元素设置为0
				g_bIsColor = false;	//将标识符置为false,表示当前图像不为彩色,而是灰度
			}
			else//若原来为灰度图,便将原来的彩图image0再次拷贝给image,并且将掩膜mask所有元素设置为0
			{
				cout << "键盘“1”被按下,切换彩色/灰度模式,当前操作为将【彩色模式】切换为【灰度模式】\n";
				g_srcImage.copyTo(g_dstImage);
				g_maskImage = Scalar::all(0);
				g_bIsColor = true;//将标识符置为true,表示当前图像模式为彩色
			}
			break;
			//如果键盘按键“2”被按下,显示/隐藏掩膜窗口
		case '2':
			if( g_bUseMask )
			{
				destroyWindow( "mask" );
				g_bUseMask = false;
			}
			else
			{
				namedWindow( "mask", 0 );
				g_maskImage = Scalar::all(0);
				imshow("mask", g_maskImage);
				g_bUseMask = true;
			}
			break;
			//如果键盘按键“3”被按下,恢复原始图像
		case '3':
			cout << "按键“3”被按下,恢复原始图像\n";
			g_srcImage.copyTo(g_dstImage);
			cvtColor(g_dstImage, g_grayImage, COLOR_BGR2GRAY);
			g_maskImage = Scalar::all(0);
			break;
			//如果键盘按键“4”被按下,使用空范围的漫水填充
		case '4':
			cout << "按键“4”被按下,使用空范围的漫水填充\n";
			g_nFillMode = 0;
			break;
			//如果键盘按键“5”被按下,使用渐变、固定范围的漫水填充
		case '5':
			cout << "按键“5”被按下,使用渐变、固定范围的漫水填充\n";
			g_nFillMode = 1;
			break;
			//如果键盘按键“6”被按下,使用渐变、浮动范围的漫水填充
		case '6':
			cout << "按键“6”被按下,使用渐变、浮动范围的漫水填充\n";
			g_nFillMode = 2;
			break;
			//如果键盘按键“7”被按下,操作标志符的低八位使用4位的连接模式
		case '7':
			cout << "按键“7”被按下,操作标志符的低八位使用4位的连接模式\n";
			g_nConnectivity = 4;
			break;
			//如果键盘按键“8”被按下,操作标志符的低八位使用8位的连接模式
		case '8':
			cout << "按键“8”被按下,操作标志符的低八位使用8位的连接模式\n";
			g_nConnectivity = 8;
			break;
		}
	}

	return 0;
}
</span>
                                         

再来看看漫水填充在填充孔洞上的应用

#include<opencv2\core\core.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\imgproc\imgproc.hpp>
using namespace std;
using namespace cv;  
void chao_fillHole(const cv::Mat srcimage, cv::Mat &dstimage)  
{  
    Size m_Size = srcimage.size();  
    Mat temimage = Mat::zeros(m_Size.height + 2, m_Size.width + 2, srcimage.type());   
    srcimage.copyTo(temimage(Range(1, m_Size.height + 1), Range(1, m_Size.width + 1)));  
    floodFill(temimage, Point(0, 0), Scalar(255));  
    Mat cutImg;
    temimage(Range(1, m_Size.height + 1), Range(1, m_Size.width + 1)).copyTo(cutImg);  
    dstimage = srcimage | (~cutImg);  
}  
int main()  
{  
    Mat src=imread("111.png");
	Mat dst;
   chao_fillHole(src, dst)  ;
   imshow("tianchong",dst);
   waitKey(0);
   return 0;

}  
                                                                           

matlab

<span style="font-size:18px;">I=imread('tire.tif');
figure,imshow(I)
BW=imfill(I);
figure,imshow(BW)</span>


图像识别算法交流 QQ群:145076161,欢迎图像识别与图像算法,共同学习与交流


2013-05-11 11:10:22 qianmianyuan 阅读数 2927
  • Keras版本的Mask R-CNN

    学习和掌握使用Mask R-CNN图像实例分割来训练自己的数据集 学习VIA图像实例分割标注工具 掌握单类物体的图像实例分割方法 掌握多类物体的图像实例分割方法

    306人学习 白勇
    免费试看

padarray
功能:填充图像或填充数组。
用法:B = padarray(A,padsize,padval,direction)
      A
为输入图像,B为填充后的图像,

padsize给出了给出了填充的行数和列数,通常用[r c]来表示。

padval表示填充方法。它的具体值和描述如下:
  padval:      'symmetric'表示图像大小通过围绕边界进行镜像反射来扩展;
                          'replicate'
表示图像大小通过复制外边界中的值来扩展;
                          'circular'
图像大小通过将图像看成是一个二维周期函数的一个周期来进行扩展。

 

direction表示填充的方向。它的具体值和描述如下:
   direction 
:   'pre'表示在每一维的第一个元素前填充;
                        'post'
表示在每一维的最后一个元素后填充;
                        'both'
表示在每一维的第一个元素前和最后一个元素后填充,此项为默认值。


若参量中不包括direction,则默认值为'both'

若参量中不包含padval,则默认用零来填充。

若参量中不包括任何参数,则默认填充为零且方向为'both'。在计算结束时,图像会被修剪成原始大小。

2019-10-31 00:35:41 deliberate_cha 阅读数 158
  • Keras版本的Mask R-CNN

    学习和掌握使用Mask R-CNN图像实例分割来训练自己的数据集 学习VIA图像实例分割标注工具 掌握单类物体的图像实例分割方法 掌握多类物体的图像实例分割方法

    306人学习 白勇
    免费试看

漫水填充的定义及基本思想

相信大家都玩过计算机中画图工具里的油漆桶,鼠标一点,一片相同颜色的区域就会被油漆桶中颜色覆盖,这便是漫水填充实现的。漫水填充的定义是用特定的颜色填充联通区域,通过设置可以连通像素正负差的上下限,或者改变连通的方式,以达到不同的填充效果的方法。漫水填充经常被用来标记或者分离图像的一部分,以便于对下一部分进行处理或分析,也可以用来输入图像获取掩码区域,掩码会加速处理过程,或只处理掩码指定的像素点,操作的结果总是某个连续的区域。
通俗来讲,漫水填充就是输入种子点,自动选择与种子点相连通的区域,接着将该区域替换成指定的颜色或者灰度,这是一个非常有用的功能。

floodFill()函数

在OpenCV的imgproc组件中,提供了2种漫水填充函数floodFill(),其API接口及定义如下:

第一种无mask版本:

int floodFill( InputOutputArray image,
                          Point seedPoint, Scalar newVal, CV_OUT Rect* rect=0,
                          Scalar loDiff=Scalar(), Scalar upDiff=Scalar(),
                          int flags=4 );
  • 第一个参数:输入与输出的Mat类变量image,表示输入要进行漫水填充的图像,并且图像漫水填充后再以该变量输出。
  • 第二个参数:Point类的seedPoint,表示种子点,即以该点为中心开始计算连通区域。简单来说,就是油漆桶所点的位置(像素点)
  • 第三个参数:Scalar类的newVal,表示通过种子点确认的目标连通区域将要填充的颜色值或者灰度值。
  • 第四个参数:Rect*类型的rect,有默认值0,一个可选的参数,用于设置floodFill函数将要重绘区域的最小边界矩形区域。
  • 第五个参数:Scalar类型的loDiff,有默认值Scalar(),表示当前观察像素值与其部件邻域像素值或者待加入该部件的种子像素之间的亮度或颜色之负差的最大值。
  • 第六个参数:Scalar类型的upDiff,有默认值Scalar(),表示当前观察像素值与其部件邻域像素值或者待加入该部件的种子像素之间的亮度或颜色之正差的最大值。
  • 第七个参数:nt类型的flags,操作表示符,此参数包含三个部分,比较复杂

低八位(0-7位)用于控制算法的连通性,可取4(4为默认值)或者8.如果为4,表示填充算法只考虑当前像素水平方向和垂直方向的相邻点;如果为8,除了上述相邻点之外,还包含对角线方向的相邻点。

高八位(16-23位)可以为0或者如下两种选项标识符的结合

  1. FLOODFILL_FIXED_RANGE:如果设置这个标识符,就会考虑当前像素与种子像素之间的差,否则就考虑当前像素与其相邻像素的差。也就是说,这个范围是浮动的。
  2. FLOODFILL_MASK_ONLY,如果设置这个标志符,函数不会去填充改变原始图像(也就是忽略第三个参数newVal),而是去填充掩膜图像(mask)。这个标识符支队第二个版本的floodFill有用,因为第一版的参数内没有mask。

中间8位,上面关于高八位FLOODFILL_MASK_ONLY标识符中已经说了,选择输入符合要求的掩码。Floodfill的flags参数的中间八位的值就是用于指定填充图像的值的。但如果flags中间8位是0,则掩码会用1来填充。
而所有flags可以用or操作符连接起来,即‘ | ’。例如,如果想用8邻域填充,并填充固定像素值范围,填充掩码而不是填充原图像,以及设置填充值为38,那么输入的参数如下:

flags = 8+(38<<8)+ FLOODFILL_MASK_ONLY;

第二种有mask的版本:

int floodFill( InputOutputArray image,InputOutputArray mask,
                          Point seedPoint, Scalar newVal, CV_OUT Rect* rect=0,
                          Scalar loDiff=Scalar(), Scalar upDiff=Scalar(),
                          int flags=4 );

除了第二个参数代表掩膜区域,其他参数定义都与第一个版本相同。
关于mask参数,有如下说明:
mask应该位单通道,8位,长宽都比输入图像image大两个像素点的图像。需要注意的是,漫水填充不会填充mask的非零像素区域。例如,一个边缘检测算子的输出可以用来作为掩膜,以防止填充到边缘。同样的,也可以在多此的函数调用中使用同一个掩膜,以保证填充的区域不会重叠。还有需要注意的是,掩膜mask会比需填充的图像大,所以mask中与输入图像(x,y)像素点对应的点坐标为(x+1,y+1).
下面举例说明最后标志位flags的用法:
第一个版本的没有mask参数的floodFill()函数
设置flags = 4+(255<<8)+ FLOODFILL_FIXED_RANGE.
意思是:

  • 填充算法只考虑当前像素水平方向和垂直方向的相邻点;
  • 掩码区的填充数据为1111_1111(对于第一个版本的floodFill()并没有实质性的的用途,因为没有mask区域)
  • 考虑当前像素与种子像素之间的差,确认需要填充的范围。(通俗来讲,填充范围是固定的)
    源码以及效果图如下:
#include<opencv2\imgproc\imgproc.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<core\core.hpp>
using namespace cv;
using namespace std;

void main()
{
	Mat image = imread("1.jpg");
	imshow("原图", image);
	
	//参数准备
	Rect ccomp;
	int a = 255;
	int flags = 8 + (a << 8) + FLOODFILL_FIXED_RANGE;

	floodFill(image,Point(50, 300), Scalar(155 * 0.299, 255 * 0.587, 55 * 0.114), &ccomp, Scalar(30, 30, 30), Scalar(30, 30, 30), flags);
	
	imshow("效果图", image);
	
	waitKey(0);
}

在这里插入图片描述
可以看到鼬神的鼻子被绿了。哈哈啊。
而当设置flags = 4+(255<<8)+ 0;
如图:在这里插入图片描述
整个图像几乎都绿了,,可见动态范围的漫水填充比固定范围的漫水填充的范围会大很多。
第二版的floodFill()函数,由于存在mask参数,所以flags的设置比较复杂。
源码如下:

#include<opencv2\imgproc\imgproc.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<core\core.hpp>
using namespace cv;
using namespace std;

void main()
{
	Mat image = imread("1.jpg");
	Mat mask;
	imshow("原图", image);
	//参数准备
	mask.create(image.rows + 2, image.cols + 2, CV_8UC1);
	mask = Scalar::all(0);
	Rect ccomp;
	int a = 255;
	int flags = 8 + (a << 8) + FLOODFILL_FIXED_RANGE;


	floodFill(image,mask, Point(50, 300), Scalar(155 * 0.299, 255 * 0.587, 55 * 0.114), &ccomp, Scalar(10, 10, 10), Scalar(10, 10, 10), flags);
	
	imshow("效果图", image);
	imshow("mask", mask);
	waitKey(0);
}

flags = 8 + (255 << 8) + FLOODFILL_FIXED_RANGE; 时,意思是:

  1. 除上下左右相邻的点外,判断填充时,还需考虑两个对角线的像素点。
  2. 对与mask区域(灰度图)填充时,填充的颜色为纯白色(255)。
  3. 动态填充,填充时会将源图像以及mask图像一起填充。
    效果如下:在这里插入图片描述
    鼬神的鼻梁变绿了,右侧的mask图记录了鼬神鼻梁的形状。前面定义时说过,mask区域需要准备,漫水填充不会填充非零像素区域,所以在准备时,将mask全部置为0,即黑色区,所以mask就记录了鼬神鼻子的形状了。

flags = 8 + (255 << 8) + FLOODFILL_MASK_ONLY;
函数不会去填充源图像,只会去填充mask图像。效果图如下:
在这里插入图片描述
很明显,第二章图片没有被填充,而mask图像有点小帅。
flags = 8 + (a << 8) + 0;
图像为固定范围的满水填充,效果图如下:
在这里插入图片描述
和上种效果相同,但是由于没有设置FLOODFILL_MASK_ONLY,所以鼬神的脸被绿了。
第四种情况,我们讨论一下中间8位参数的值。
当 int flags = 8 + (150 << 8) + 0;
效果图如下:
在这里插入图片描述
很明显,鼬神的脸颜色没有变,而记录的mask中填充的颜色编程了灰色,所以flags的中间8位,是用来填充mask图像的灰度值。
以上便是flags参数的基本用法,感谢鼬神友情客串,晚安。

2018-10-30 14:26:03 qwowowowowo 阅读数 3811
  • Keras版本的Mask R-CNN

    学习和掌握使用Mask R-CNN图像实例分割来训练自己的数据集 学习VIA图像实例分割标注工具 掌握单类物体的图像实例分割方法 掌握多类物体的图像实例分割方法

    306人学习 白勇
    免费试看

顺便一说:

从word里面拿出来的,复制到csdn,格式都变了。   

格式、颜色什么的,都得重新弄。

现在才知道那些写博客的多不容易啊

 

普通的填充---为图像扩边(填充)---- cv2.copyMakeBorder()函数
  如果你想在图像周围创建一个边,就像相框一样,你可以使用 cv2.copyMakeBorder()函数。这经常在卷积运算或 0 填充时被用到。

 

参数:


参数1 : src 输入图像

一般是灰度图。


参数2:top, bottom, left, right 对应边界的像素数目

简单来说,就是图像上下左右要扩展的像素数

 


参数3:borderType 要添加哪种类型的边界,类型如下:

 

放一张原图,一个是灰度图的填充,一个是彩色图的填充。

方便对比变化

– cv2.BORDER_DEFAULT ,是默认的边框。 作用是取镜像对称的像素填充。

结合下图理解:

 

 

一般情况下默认方式更加合理,因为边界的像素值更加接近,当然应视场合而定

 


    – cv2.BORDER_CONSTANT 添加有颜色的常数值边界,还需要下一个参数(value)。


    – cv2.BORDER_REFLECT 边界元素的镜像。比如: fedcba|abcde----fgh|hgfedcb


    – cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT跟上面一样,但稍作改动。例如: gfedcb|abcdefgh|gfedcba


    – cv2.BORDER_REPLICATE 重复最后一个元素。  例如: aaaaaa|abcdefgh|hhhhhhh
    – cv2.BORDER_WRAP 不知道怎么说了, 就像这样: cdefgh|abcdefgh|abcdefg
 

 

value 边界颜色,如果边界的类型是 cv2.BORDER_CONSTANT, 则需要这个参数。

 

 

 

灰度图的填充:

怎么填充的??

ORIGINAL—原图像

 [[1 2 3 4]

 [5 6 7 8]]

(2, 4)

********

 

CONSTANT---常数填充方式

cv2.copyMakeBorder(img1,2,2,2,2,cv2.BORDER_CONSTANT,value=0)

上下左右是多少,就填充多少圈0.  上面代码中,上下左右都是2,那么填充2圈0.

 

 

 [[0 0 0 0 0 0 0 0]

 [0 0 0 0 0 0 0 0]

 [0 0 1 2 3 4 0 0]

 [0 0 5 6 7 8 0 0]

 [0 0 0 0 0 0 0 0]

 [0 0 0 0 0 0 0 0]]

(6, 8)

 

********

Default 默认填充方式

cv2.copyMakeBorder(img1,1,1,1,1,cv2.BORDER_DEFAULT)

上下左右是多少,就填充多少圈  取镜像对称的像素填充。

上面代码中,上下左右都是1,那么填充1圈 取镜像对称的像素填充

 

[[6 5 6 7 8 7]

 [2 1 2 3 4 3]

 [6 5 6 7 8 7]

 [2 1 2 3 4 3]]

(4, 6)

********

 

 

彩色图的填充:

三维的暂时不知道

 

 

 

 

实例:

例如1:---填充灰度图

import cv2
import numpy as np
from matplotlib import pyplot as plt
img1=cv2.imread('imgs/xinyi.png', 0)


constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=0)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)

plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(constant,'gray'),plt.title('CONSTANT')
plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(replicate,'gray'),plt.title('REPLICATE')
plt.subplot(236),plt.imshow(wrap,'gray'),plt.title('WRAP')

plt.show()

 

 

 

泛洪填充(彩色图像填充)

暂未总结

 

泛洪填充(二值图像填充)

暂未总结