opencv實現(xiàn)圖像平移效果
本文實例為大家分享了opencv實現(xiàn)圖像平移效果的具體代碼,供大家參考,具體內(nèi)容如下
圖像平移:
按照指定方向和距離,移動到相應(yīng)位置
格式:cv.warpAffine(img,M,dsize)
參數(shù):
實現(xiàn)代碼:
import numpy as np import cv2 as cv import matplotlib.pyplot as plt # 中文顯示配置 plt.rcParams['font.sans-serif']=['SimHei'] # 用來正常顯示中文標(biāo)簽 plt.rcParams['axes.unicode_minus']=False # 用來正常顯示負(fù)號 # 載入圖片 img0 = cv.imread("img/img1.jpeg") # 圖像平移 rows, cols = img0.shape[:2] # 簡單理解:x方向移動100個單位,y方向移動50個單位 M = np.float32([[1,0,100],[0,1,50]]) # 輸出圖像大小 dst = cv.warpAffine(img0,M,(cols*3,rows*3)) # 圖像顯示 fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10,8),dpi=100) axes[0].imshow(img0[:,:,::-1]) axes[0].set_title("原圖") axes[1].imshow(dst[:,:,::-1]) axes[1].set_title("平移后圖片") plt.show()
運(yùn)行結(jié)果:
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Python基于回溯法子集樹模板解決數(shù)字組合問題實例
這篇文章主要介紹了Python基于回溯法子集樹模板解決數(shù)字組合問題,簡單描述了數(shù)字組合問題并結(jié)合實例形式分析了Python回溯法子集樹模板解決數(shù)字組合問題的具體步驟與相關(guān)操作技巧,需要的朋友可以參考下2017-09-09一文向您詳細(xì)介紹指令 python -m pip install的用法和功能
通過本文的介紹,我們詳細(xì)了解了python -m pip install命令的用法和功能,從基本用法到安裝特定版本的包、從其他源安裝包、升級和卸載包,再到使用requirements.txt管理依賴,我們逐步深入了解了pip的強(qiáng)大功能,感興趣的朋友跟隨小編一起看看吧2024-07-07pandas中apply和transform方法的性能比較及區(qū)別介紹
這篇文章主要介紹了pandas中apply和transform方法的性能比較,在文中給大家講解了apply() 與transform()的相同點與不同點,需要的朋友可以參考下2018-10-10pytorch基礎(chǔ)之損失函數(shù)與反向傳播詳解
損失函數(shù)(Loss?Function)用于衡量神經(jīng)網(wǎng)絡(luò)輸出與目標(biāo)值之間的誤差,指導(dǎo)網(wǎng)絡(luò)通過反向傳播優(yōu)化參數(shù),常見的損失函數(shù)包括均方誤差和交叉熵誤差,在訓(xùn)練過程中,通過不斷最小化損失函數(shù)值來調(diào)整網(wǎng)絡(luò)權(quán)重,以期達(dá)到輸出接近目標(biāo)值的效果2024-09-09python內(nèi)置模塊OS?實現(xiàn)SHELL端文件處理器
這篇文章主要介紹了python內(nèi)置模塊OS實現(xiàn)SHELL端文件處理器,文章通過圍繞主題展開詳細(xì)的內(nèi)容介紹,具有一定的參考價值,需要的小伙伴可以參考一下2022-09-09Python中pandas dataframe刪除一行或一列:drop函數(shù)詳解
今天小編就為大家分享一篇Python中pandas dataframe刪除一行或一列:drop函數(shù)詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07