写在前面
以下代码均为网上摘抄,本人完整代码如有需要,私!
hw1
hw1:
1.图像调整大小
先改变图像内存大小,例如:
要从 X:4 * 4 —— Y:7 * 7
计算两点之间的坐标变换关系:
aX + b = Y ,求得a = 4/7,b = -3/14
插值方法:
1)最邻近元法
即将距离待求象素最近的邻象素灰度赋给待求象素。
2)三角插值法
Q = V1A1 + V2A2 + V3*A3
3)双线插值法
循环遍历像素并映射回旧坐标
使用最近邻插值来填充图像
2、卷积图像过滤
CSDN上找到一个动图解释:
网上的代码(c++)
//******************高斯卷积核生成函数*************************
void GetGaussianKernel(double **gaus, const int size,const double sigma)
{
const double PI=4.0*atan(1.0); //圆周率π赋值
int center=size/2;
double sum=0;
for(int i=0;i<size;i++)
{
for(int j=0;j<size;j++)
{
gaus[i][j]=(1/(2*PI*sigma*sigma))*exp(-((i-center)*(i-center)+(j-center)*(j-center))/(2*sigma*sigma));
sum+=gaus[i][j];
}
}
for(int i=0;i<size;i++)
{
for(int j=0;j<size;j++)
{
gaus[i][j]/=sum;
cout<<gaus[i][j]<<" ";
}
cout<<endl<<endl;
}
return ;
}
3、混合图像(高斯卷积)
高斯滤波器是一个低通滤波器
用原图减去高斯滤波后的图像就可以得到高通滤波后的图像
4、Sobel过滤器
原理:先制作过滤器,再归一化处理
网友的代码:
#竖直方向[1 2 1 水平方向[1 0 -1
# 0 0 0 2 0 -2
# -1 -2 -1 1 0 -1]
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,1),np.uint8)
for i in range(0,height-2):
for j in range(0,width-2):
gy = gray[i,j]+2*gray[i,j+1]+gray[i,j+2]-(gray[i+2,j]+gray[i+2,j+1]+gray[i+2,j+2])
gx = gray[i,j]+2*gray[i+1,j]+gray[i+2,j]-(gray[i,j+2]+gray[i+1,j+2]+gray[i+2,j+2])
grad = math.sqrt(gx*gx+gy*gy) #求梯度大小
if grad>=100:
dst[i,j] = 255
else:
dst[i,j] = 0
Mat sobel(Mat src,Mat dst)
{
int y, x;
int w = src.cols;
int h = src.rows;
int gx = 0, gy = 0;
for (y = 1; y < h - 1; y++)
{
for (x = 1; x < w - 1; x++)
{
gx=src.at<uchar>(y-1,x+1)+src.at<uchar>(y,x+1)*2+src.at<uchar>(y+1,x+1)-src.at<uchar>(y-1,x-1)-src.at<uchar>(y,x-1)*2-src.at<uchar>(y+1,x-1);
gy=src.at<uchar>(y-1,x-1)+src.at<uchar>(y-1,x)*2+src.at<uchar>(y-1,x+1)-src.at<uchar>(y+1,x-1)-src.at<uchar>(y+1,x)*2-src.at<uchar>(y+1,x+1);
dst.at<uchar>(y,x)= abs(gx)+abs(gy) ;
}
}
}