大学生个人网站怎么做,wordpress前台发文,网络营销与直播电商专业专升本,wordpress post结构根据上一篇我们可知__图像的属性
链接#xff1a;《我在Vscode学OpenCV 处理图像》 属性— API 形状 img.shape 图像大小 img.size 数据类型 img.dtype shape#xff1a;如果是彩色图像#xff0c;则返回包含行数、列数、通道数的数组#xff1b;如果是二值图像或者灰度…根据上一篇我们可知__图像的属性
链接《我在Vscode学OpenCV 处理图像》 属性— API 形状 img.shape 图像大小 img.size 数据类型 img.dtype shape如果是彩色图像则返回包含行数、列数、通道数的数组如果是二值图像或者灰度图像则仅返回行数和列数。通过该属性的返回值是否包含通道数可以判断一幅图像是灰度图像或二值图像还是彩色图像。
size返回图像的像素数目。其值为“行×列×通道数”灰度图像或者二值图像的通道数为 1。
# 用shape属性
# shape[0]是宽度
# shape[1]是高度
# shape[2]是通道数深度
newimg.size
newimg.shape # (1280, 1706, 3)
# print(1280*1706*3) dtype返回图像的数据类型 文章目录 根据上一篇我们可知__图像的属性三、 图像上的运算3.1 NumPy的运算3.1.1 先声明一个比较不好的行为1没有限制unitxx为需要设定的或者其他的2在OpenCV中当输出结果的值较大时会使用科学计数法或指数形式进行表示。 3.1.2 NumPy的 运算 3.2 cv2.add()函数3.3 运算1上述代码解释2避免错误不超过最大的计算能力不除以0无效值 3.3 综合说明加法3.4 目前遇见函数再熟悉1fig, axes plt.subplots(nrows1, ncols5, figsize(10, 8), dpi100)*避免 (2)# 用shape属性解释 3sizedyte 三、 图像上的运算
3.1 NumPy的运算
需要两个图像相同大小 你可以使用OpenCV的cv.add0函数把两幅图像相加,或者可以简单地通过numpy操作添加两个图像,如res img1 img2。两个图像应该具有相同的大小和类型或者第二个图像可以是标量值(即可以是一个数值)。
注意OpenCV加法和Numpy加法之间存在差异。OpenCV的加法是饱和操作而Numpy添加是模运算。
xnp.uint8([250])
ynp.uint8([10])
print(cv.add(x,y))# [[255]]
#原因 25010260 255
print(xy)# [4]
#原因 25010260%25643.1.1 先声明一个比较不好的行为
1没有限制unitxx为需要设定的或者其他的
import numpy as np
import cv2 as cv
a1,123,123
b2333print(cv.add(a, b))
print(np.add(a, b))在Python中逗号,用于分隔多个数值但它不会像小数点.一样表示小数。所以在你的例子中a被解释为一个整数1以及两个整数123和123。而b仍然是一个整数2333。 当你使用np.add(a, b)时Numpy会将a和b作为两个独立的元素进行相加运算。在这种情况下由于a实际上表示的是3个元素所以Numpy会将b重复3次然后进行逐个元素相加的运算。 所以结果是array([[2334, 2356, 2356]])每个元素分别是1233312323331232333。请注意这与你之前提供的期望结果array([[2334.],[2456.],[2456.123]])不同。如果你想得到相同的结果应该将a定义为一个包含一个元素的列表或数组即a[1, 123, 123.123]。 2在OpenCV中当输出结果的值较大时会使用科学计数法或指数形式进行表示。
这是为了在输出时节省空间并使结果更易读。例如对于一个很大的数字2334OpenCV可能会以2.334e03的形式进行表示其中e03表示10的3次方即1000。这种表示方法可以更简洁地表示大数字并且更容易读取和理解。
3.1.2 NumPy的 ’ 运算 NumPy的加法是模运算即当像素值溢出时会对结果进行取模操作。 mod()是取模运算“mod(ab, 256)”表示计算“ab 的和除以 256 取余数”
需要注意这是由数组的类型 dtypenp.uint8 所规定的。
3.2 cv2.add()函数
使用函数 cv2.add()对像素值 a 和像素值 b 进行求和运算时会得到像素值对应图像的饱和值最大值。
形式 1计算结果cv2.add(图像 1,图像 2)两个参数都是图像此时参与运算的图像大小和类型必须保持一致。 形式 2计算结果cv2.add(数值,图像)第 1 个参数是数值第 2 个参数是图像此时 将超过图像饱和值的数值处理为饱和值最大值。 形式 3计算结果cv2.add(图像,数值)第 1 个参数是图像第 2 个参数是数值此时 将超过图像饱和值的数值处理为饱和值最大值。
3.3 运算
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt# 1 读取图像
img1 cv.imread(./Pic/test_img.jpg)
img2 cv.imread(./Pic/test_img.jpg)# 2 加法操作
img3 cv.add(img1,img2) # cv中的加法
img4 img1img2 # 直接相加# 3 图像显示
fig,axesplt.subplots(nrows1,ncols5,figsize(10,8),dpi100)
axes[0].imshow(img3[:,:,::-1])
axes[0].set_title(cv中的加法)
axes[1].imshow(img4[:,:,::-1])
axes[1].set_title(直接相加)
axes[2].imshow(img1-img2)
axes[3].imshow(img1*img2)
axes[4].imshow(img1/img2)
plt.show()1上述代码解释
没问题以下是代码中每个参数和函数的解释python
import numpy as np
import cv2 as cv
import matplotlib.pyplot as pltimport numpy as np导入NumPy库并将其别名设置为np。NumPy提供了高效的数值运算支持。 import cv2 as cv导入OpenCV库并将其别名设置为cv。OpenCV是一种常用的计算机视觉库提供各种图像处理功能。 import matplotlib.pyplot as plt从Matplotlib库中导入pyplot模块并将其别名设置为plt。Matplotlib是一个用于在Python中可视化数据的绘图库。
img1 cv.imread(./Pic/test_img.jpg)
img2 cv.imread(./Pic/test_img.jpg)cv.imread(./Pic/test_img.jpg)使用OpenCV的imread()函数从./Pic/目录中读取名为test_img.jpg的图像文件。图像数据存储在变量img1和img2中。
img3 cv.add(img1, img2) # cv中的加法
img4 img1 img2 # 直接相加cv.add(img1, img2)使用OpenCV的add()函数对img1和img2进行逐元素相加操作。该函数将两幅图像对应位置的像素值相加并返回结果图像存储在变量img3中。 img1 img2使用NumPy的加法运算符对img1和img2进行逐元素相加操作。它直接相加两幅图像对应位置的像素值没有限制或约束并将结果存储在变量img4中。
fig, axes plt.subplots(nrows1, ncols5, figsize(10, 8), dpi100)
axes[0].imshow(img3[:, :, ::-1])
axes[0].set_title(cv中的加法)
axes[1].imshow(img4[:, :, ::-1])
axes[1].set_title(直接相加)
axes[2].imshow(img1 - img2)
axes[3].imshow(img1 * img2)
axes[4].imshow(img1 / img2)
plt.show()plt.subplots(nrows1, ncols5, figsize(10, 8), dpi100)创建一个包含多个子图的图形对象。它创建了一个拥有1行5列的子图网格指定了大小为(10, 8)英寸和分辨率为100点每英寸dpi。生成的图形对象和子图对象分别存储在变量fig和axes中。 axes[0].imshow(img3[:, :, ::-1])在第一个子图axes[0]中显示图像img3。img3[:, :, ::-1]用于将OpenCV的BGR颜色格式转换为RGB格式以便与Matplotlib的imshow()函数显示。 axes[0].set_title(cv中的加法)将第一个子图的标题设置为cv中的加法。 类似地后续的代码行使用不同的图像操作如减法img1 - img2、乘法img1 * img2和除法img1 / img2显示并设置其他子图的标题。 plt.show()显示包含所有子图的图形对象。
2避免错误不超过最大的计算能力不除以0无效值 这个错误是由于在代码中进行图像除法操作时出现了无效值invalid value导致的。具体而言被除数img2中存在某些像素值为零从而导致了除以零的情况。
要解决这个问题你可以添加一些额外的处理来处理除以零的情况例如将零值像素替换为一个非零值或者跳过除以零的计算。
# 处理除以零的情况
with np.errstate(divideignore, invalidignore):img_divide np.true_divide(img1, img2)img_divide[~np.isfinite(img_divide)] 0 # 将无限或无效值替换为零
axes[4].imshow(img_divide)plt.show()np.errstate()上下文管理器来忽略除法操作中的无效值警告并使用np.true_divide()进行图像的除法操作。然后通过使用np.isfinite()函数找到无限或无效值并将它们替换为零。
这样修改后应该能够避免除以零的错误并正常显示图像。
3.3 综合说明加法
import numpy as np
import cv2 as cv
import matplotlib.pyplot as pltimg1np.random.randint(0,256,size[3,3],dtypenp.uint8)
img2np.random.randint(0,256,size[3,3],dtypenp.uint8)
print()
print(img1\n ,img1)
print(img2\n,img2)print(img1img2\n,img1img2)print(\ncv2.add)
print(cv.add(img1,img2)\n,cv.add(img1,img2))print(cv.add(1,img2)\n,cv.add(1,img2))三次运行的对比
当使用加号运算符进行图像像素值相加时如果和大于255图像最大像素值则会对结果进行取模处理。这可能导致本应更亮的像素变暗因为对于超出255的像素取模后的值会重新从较小的范围开始。
而使用cv2.add()函数计算图像像素值的和时将和大于255的值截断为饱和值255。这种饱和操作使得图像像素值增大整体上图像会变得更亮。
选择使用哪种方法取决于具体的需求和预期效果。如果希望保留图像的动态范围可以使用加号运算符如果想要增强图像的亮度可以使用cv2.add()函数。
3.4 目前遇见函数再熟悉
1fig, axes plt.subplots(nrows1, ncols5, figsize(10, 8), dpi100)*
该函数的作用是创建一个包含多个子图的图像并返回一个包含子图的figure对象和一个包含每个子图的axes对象的numpy数组。
参数的作用如下
nrows指定子图的行数。ncols指定子图的列数。figsize指定figure的宽度和高度。dpi指定图像的分辨率。
fig是一个变量它接收了函数plt.subplots的返回值即包含子图的figure对象。你可以使用fig变量来对整个图像进行进一步的操作例如保存图像、设置标题等。 axes是用于绘制子图的对象可以在一个figure对象中包含多个axes对象来绘制不同的子图。axes的个数没有特定限制可以根据需要添加任意数量的子图。 将排列方式更改为5行每一行一个子图可以调整 plt.subplots() 函数的 nrows 参数为 5 ncols 参数为 1。
# 创建一个具有5行1列的axes子图网格 fig, axes plt.subplots(nrows5, ncols1)# 在每个子图中绘制不同的内容 axes[0].plot([1, 2, 3], [4, 5, 6]) axes[1].scatter([1, 2, 3], [4, 5, 6]) axes[2].bar([1, 2, 3], [4, 5, 6]) axes[3].hist([1,
2, 3]) axes[4].plot([3, 2, 1], [6, 5, 4])# 调整子图的间距 plt.tight_layout()# 显示图像 plt.show() 在这个示例中我们在每个子图中绘制了不同类型的图表例如折线图、散点图、柱状图和直方图。要访问每个子图可以使用 axes
对象和索引。最后我们使用 plt.tight_layout() 函数来调整子图的间距以便更好地展示各个子图。import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt# 1 读取图像
img1 cv.imread(./Pic/test_img.jpg)
img2 cv.imread(./Pic/test_img.jpg)# 2 加法操作
img3 cv.add(img1,img2) # cv中的加法
img4 img1img2 # 直接相加# 3 图像显示
fig, axes plt.subplots(nrows5, ncols1, figsize(10, 8), dpi100)
axes[0].imshow(img3[:, :, ::-1])
axes[0].set_title(cv中的加法)
axes[1].imshow(img4[:, :, ::-1])
axes[1].set_title(直接相加)
axes[2].imshow(img1 - img2)
axes[3].imshow(img1 * img2)# 处理除以零的情况
with np.errstate(divideignore, invalidignore):img_divide np.true_divide(img1, img2)img_divide[~np.isfinite(img_divide)] 0 # 将无限或无效值替换为零
axes[4].imshow(img_divide)plt.show()避免
个数不匹配
(2)# 用shape属性
# 用shape属性
# shape[0]是宽度
# shape[1]是高度
# shape[2]是通道数深度
newimg.size # print(1280*1706*3) newimg.shape # (1280, 1706, 3)在Python中shape()是一个NumPy数组对象的方法可以用于获取数组的形状信息。因此如果你将图像数据转换为NumPy数组就可以使用shape()函数来获取其形状信息。
示例代码如下
import numpy as np
from PIL import Image# 加载图像
img Image.open(image.jpg)# 将图像转换为NumPy数组
img_array np.array(img)# 获取图像数组的形状信息
img_shape img_array.shape# 打印图像数组的形状信息
print(img_shape)这样你就可以通过shape()函数获得图像数组的形状信息其中img_shape将是一个元组包含图像的宽度、高度和通道数。
解释 \ \ \ x np.array([1, 2, 3, 4]) x.shape(4,) y np.zeros((2, 3, 4)) y.shape(2, 3, 4) y.shape (3, 8) yarray([[ 0., 0., 0., 0., 0., 0., 0., 0.],[ 0., 0., 0., 0., 0., 0., 0., 0.],[ 0., 0., 0., 0., 0., 0., 0., 0.]]) y.shape (3, 6)Traceback (most recent call last):File stdin, line 1, in moduleValueError: total size of new array must be unchanged np.zeros((4,2))[::2].shape (-1,)Traceback (most recent call last):File stdin, line 1, in moduleAttributeError: Incompatible shape for in-place modification. Use.reshape() to make a copy with the desired shape.首先创建一个包含四个元素的一维数组x然后通过x.shape获取其形状结果是(4,)表示这是一个长度为4的一维数组。 接着创建一个由0填充的三维数组y其形状是(2, 3, 4)表示这是一个2x3x4的三维数组。 使用y.shape (3, 8)将y的形状更改为(3, 8)这意味着它现在是一个3x8的三维数组。原始数据保持不变但形状改变了。 接下来尝试将y的形状更改为(3, 6)但这会引发一个ValueError因为新的形状要求数组的总大小必须保持不变。在这种情况下新形状(3, 6)的总大小18与原始形状(3, 8)的总大小24不同所以抛出了异常。 最后一个示例尝试将形状应用于使用切片的数组np.zeros((4, 2))[::2]它会引发AttributeError因为这种情况下的切片不允许原地修改形状。提示建议使用.reshape()方法以便创建一个具有所需形状的副本。 总之shape属性允许你更改NumPy数组的形状但要确保新形状的总大小与原始形状的总大小一致。如果无法在原地修改形状则需要使用.reshape()方法来创建一个新数组。 3size dyte
**
