当前位置：首页 > news >正文

seo怎么去优化网站国外网站排名前十

news 2025/8/12 17:02:12

seo怎么去优化网站,国外网站排名前十,网站开发需求分析怎么写,东莞网站建设目录图片修改（打码、组合、缩放） 图像运算边缘填充阈值处理上一篇文章： OpenCV计算机视觉 01 图像与视频的读取操作&颜色通道图片修改（打码、组合、缩放） # 图片打码 import numpy as np a cv2.imre…

图片修改（打码、组合、缩放）

图像运算

边缘填充

阈值处理

上一篇文章： OpenCV计算机视觉 01 图像与视频的读取操作&颜色通道

图片修改（打码、组合、缩放）

# 图片打码
import numpy as np
a = cv2.imread(r'opencv.png')
a[100:200,200:300] = np.random.randint(0,256,(100,100,3))#矩阵赋值必须是相同大小
cv2.imshow('masaike',a)
cv2.waitKey(1000000)
cv2.destroyAllWindows()

# 图片组合
import numpy as np
a = cv2.imread('opencv.png')
b = cv2.imread('python.png')
b[200:350,200:350] = a[150:300,150:300]#注意：矩阵的大小必须要统一。
cv2.imshow('b',b)
cv2.imshow('a',a)
cv2.waitKey(100000)
cv2.destroyAllWindows()

#图片缩放
a = cv2.imread('opencv.png')
# a_new = cv2.resize(a,(200,600))   # 宽、高
a_new = cv2.resize(a,dsize=None,fx=0.5,fy=0.5)
# print(a.shape)  # 高、宽 、通道数
cv2.imshow('original',a)
cv2.imshow('result',a_small)
cv2.waitKey(100000)
cv2.destroyAllWindows()

图像运算

图像加法运算
对于+号运算，当对图像a，图像b进行加法求和时，遵循以下规则：
当某位置像素相加得到的数值小于255时，该位置数值为两图像该位置像素相加之和,当某位置像素相加得到的数值大于255时，该位置数值将截断结果并将其减去256。例如：相加后是260，实际是260-256= 4

a = cv2.imread('python.png')
b = cv2.imread('opencv.png')
c = a+10    #图片，
cv2.imshow('yuan',a)
cv2.imshow('tupian',c)
cv2.waitKey(100000)

c = a[50:450,50:400]+b[50:450,50:400]
cv2.imshow('result_a+b',c)
cv2.waitKey(100000)

对于cv2.add()运算，当对图像a，图像b进行加法求和时，遵循以下规则：
当某位置像素相加得到的数值小于255时，该位置数值为两图像该位置像素相加之和
当某位置像素相加得到的数值大于255时，该位置数值为255

a = cv2.imread('timg98.jpg')
b = cv2.imread('zl.png')
b = cv2.resize(b,(400,400))
a = cv2.resize(a,(400,400))
c = cv2.add(a,b)   #也可以使用使用
cv2.imshow('result_a+b',c)
cv2.waitKey(100000)
cv2.destroyAllWindows()

图像加权运算， 就是在计算两幅图像的像素值之和时，将每幅图像的权重考虑进来，可以用公式表示为

dst=src1×α+src×β+γ
a = cv2.imread('timg98.jpg')
b = cv2.imread('zl.png')
b = cv2.resize(b,(400,400))
a = cv2.resize(a,(400,400))
#
c =cv2.addWeighted(a,0.2,b,0.8,10)   # 10:图像的亮度值（常数），将添加到加权和上
cv2.imshow('addWeighted',c)
cv2.waitKey(100000)
cv2.destroyAllWindows()

边缘填充

cv2.copyMakeBorder()是OpenCV库中的一个函数，用于给图像添加额外的边界(padding)。
copyMakeBorder(src: UMat, top: int, bottom: int, left: int, right: int, borderType: int, dst: UMat | None = ..., value: cv2.typing.Scalar = ...)
它有以下几个参数：
src:要扩充边界的原始图像。
top, bottom, left, right:相应方向上的边框宽度。
borderType:定义要添加边框的类型，它可以是以下的一种：
cv2.BORDER_CONSTANT:添加的边界框像素值为常数(需要额外再给定一个参数)。
cv2.BORDER_REFLECT:添加的边框像素将是边界元素的镜面反射，类似于gfedcba|abcdefgh|hgfedcba。 (交界处也复制了）
cv2.BORDER_REFLECT_101 或 cv2.BORDER_DEFAULT：和上面类似，但是有一些细微的不同，类似于gfedcb|abcdefgh|gfedcba  (交接处删除了）
cv2.BORDER_REPLICATE：使用最边界的像素值代替，类似于aaaaaa|abcdefgh|hhhhhhh
cv2.BORDER_WRAP：左右两边替换，cdefgh|abcdefgh|abcdefg

import cv2
ys = cv2.imread('yueshan.png')
top,bottom,left,right = 50,50,50,50

constant = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_CONSTANT,value=(0,0,0))
reflect = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REFLECT101)
replicate = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_REPLICATE)
wrap = cv2.copyMakeBorder(ys,top,bottom,left,right,borderType=cv2.BORDER_WRAP)

cv2.imshow('yuantu', ys)
cv2.waitKey(0)
cv2.imshow('CONSTANT', constant)
cv2.waitKey(0)
cv2.imshow('REFLECT', reflect)
cv2.waitKey(0)
cv2.imshow('REFLECT_101', reflect101)
cv2.waitKey(0)
cv2.imshow('REPLICATE', replicate)
cv2.waitKey(0)
cv2.imshow('WRAP', wrap)
cv2.waitKey(0)

阈值处理

阈值处理是指剔除图像内像素值高于一定值或低于一定值的像素点。例如，设定阈值为127.使用的方法为:

retval,dst=cv2.threshold(src,thresh,maxval,type)thresh：100，maxval：200 
retval代表返回的阈值 
dst代表阈值分割结果图像，与原始图像具有相同的大小和类型 
src代表要进行阈值分割的图像，可以是多通道的，8位或32位浮点型数值 
thresh代表要设定的阈值 
maxval代表type参数位THRESH_BINARY或者THRESH_BINARY_INV类型时，需要设定的最大值 
type代表阈值分割的类型，具体内容如下表所示:     
选项                 像素值>thresh      其他情况 
cv2.THRESH_BINARY         maxval           0 
cv2.THRESH_BINARY_INV       0           maxval 
cv2.THRESH_TRUNC          thresh       当前灰度值 
cv2.THRESH_TOZERO         当前灰度值        0 
cv2.THRESH_TOZERO_INV       0          当前灰度值

import cv2
image = cv2.imread('zl.png',cv2.IMREAD_GRAYSCALE) #灰度图，
ret, binary = cv2.threshold(image, 175, 255, cv2.THRESH_BINARY)
ret1, binaryinv = cv2.threshold(image, 175, 255, cv2.THRESH_BINARY_INV)
ret2, trunc = cv2.threshold(image, 175, 255, cv2.THRESH_TRUNC)
ret3, tozero = cv2.threshold(image, 175, 255, cv2.THRESH_TOZERO)
ret4, tozeroinv = cv2.threshold(image, 175, 255, cv2.THRESH_TOZERO_INV)

cv2.imshow('original', image)  #原灰度图
cv2.waitKey(0)
cv2.imshow('binary', binary)  #偏白的变纯白，偏黑的变纯黑
cv2.waitKey(0)
cv2.imshow('binaryinv', binaryinv)  #偏白的变纯黑，偏黑的变纯白
cv2.waitKey(0)
cv2.imshow('trunc', trunc)   #白色变得一样灰蒙蒙，偏黑的不变
cv2.waitKey(0)
cv2.imshow('tozero', tozero)  #偏白色不变，偏黑的就变纯黑
cv2.waitKey(0)
cv2.imshow('tozeroinv', tozeroinv)   #偏白色变纯黑，偏黑的不变
cv2.waitKey(0)