5种边界填充
边界填充需要知道的两个东西
什么算边界
顾名思义：就是图片的最外边
边界的范围是多少
根据你自己的需要而设置
举例
这里我选择 (50,50,50,50)
就是上下左右，这四个方向进行了填充，填充50个像素
如图，上面就是选出所需要填充的范围，这里选择50个像素
这就是一种填充，顾名思义，按离着边界最近的颜色块的颜色进行填充
复制填充
复制边界线的颜色填充
注意是边界线的颜色，也就是一个像素
反射法
顾名思义，这个方法就是对称轴复制法
注意这个反射法反射对称轴，也就是会复制对称轴
反射101法
注意：这个反射101法不会反射对称轴，也就是不会复制对称轴
和反射法的区别就在于，是否复制对称轴
外包装法
外包装，是按图像的离边界的顺序填充的，将边界外的像素视为图像的另一侧
数值填充法
在图片的四周填上指定的颜色
原图
代码
import cv2
def img_show(name, img):
cv2.imshow(name, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
img = cv2.imread('enhanced_color_rgb.jpg')
print('img is shape:', img.shape)
# 定义上下左右各边的像素数
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)
# 创建不同类型的边界
# 使用复制边界类型，将边界的最外侧像素行或列进行复制
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
# 使用反射边界类型，将边界外的像素进行镜像反射（包括边界像素）
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT)
# 使用反射101边界类型，将边界外的像素进行镜像反射（不包括最外侧的边界像素）
reflect_101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT_101)
# 使用环绕边界类型，将边界外的像素视为图像的另一侧
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_WRAP)
# 使用常数边界类型，用指定的常数值填充边界外的像素
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT,
value=0)
"""
BORDER_REPLICATE 复制法 将边界的最外侧像素行或列进行复制 a|abcdef|f
BORDER_REFLECT 反射法 将边界外的像素进行镜像反射（包括边界像素） bcdefa|abcdef|fedcba
BORDER_REFLECT_101 反射101 将边界外的像素进行镜像反射（不包括最外侧的边界像素） bcdef|abcdef|edcba
BORDER_WRAP 外包装 将边界外的像素视为图像的另一侧 abcdef|abcdef|abcdef
BORDER_CONSTANT 数值 用指定的常数值填充边界外的像素 0|abcdef|0
"""
import matplotlib.pyplot as plt
# 使用matplotlib显示原始图像和带有不同边界的图像
plt.figure(figsize=(10, 6))
labels = ['Original', 'Replicate', 'Reflect', 'Reflect 101', 'Wrap', 'Constant']
img_list = [img, replicate, reflect, reflect_101, wrap, constant]
for index in range(6):
ax = plt.subplot(230 + index + 1) # 创建子图
plt.imshow(img_list[index]) # 显示图像
plt.title(labels[index]) # 设置标题
# # 设置 x 轴和 y 轴的刻度间隔为50
# ax.set_xticks(range(0, img_list[index].shape[1], 50))
# ax.set_yticks(range(0, img_list[index].shape[0], 50))
# 调整子图间距，使其显示得更清晰
plt.tight_layout()
# 显示图像
plt.show()
最终效果
原文地址：https://blog.csdn.net/m0_73536593/article/details/142934838
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！