OpenCV-Python图像感兴趣区域处理
简介有时我们只对一张图像中的部分区域感兴趣,而原图像又比较大,如果带着非感兴趣区域一起处理会占用大量的内存,因次我们希望从原图像中截取部分图像后再进行处理。我们将这个区域称为感兴趣区域(Region Of Interest, ROI),Python中的ROI可以通过NumPy中的索引实现。
示例:
# -*- coding: utf-8 -*-
# Data: 2023/7/2
import cv2
img1 = cv2.imread("./1-1.jpg",cv2.IMREAD_UNCHANGED)
# 提取图片感兴趣区域(提取150行到400行,400列到750列作为感兴趣的区域)
face = img1[150:400,400:750]
# 改变感兴趣区域的像素值
face[0:100,0:100] = (255,0,0)
cv2.imshow("face",face)
cv2.imshow("img",img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行效果:
从上面可以看出,修改了提取的感兴趣区域的值,结果原图值发生了改变,说明发生了数据的浅拷贝。如果要进行深拷贝,可以使用
# -*- coding: utf-8 -*-
# Data: 2023/7/2
import cv2
import numpy as np
img1 = cv2.imread("./1-1.jpg",cv2.IMREAD_UNCHANGED)
# 提取图片感兴趣区域
face = img1[150:400,400:750]
face_copy = face.copy()
# 改变感兴趣区域的像素值
face_copy[0:100,0:100] = (255,0,0)
# 将感兴趣区域放到原图中
img1[0:250,0:350] = face_copy
# 将感兴趣区域放到另一个图片中
img2 = cv2.imread("./1-2.jpg",cv2.IMREAD_UNCHANGED)
img2[0:250,0:350] = face_copy
cv2.imshow("face",face_copy)
cv2.imshow("img",img1)
cv2.imshow("img2",img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行效果如下:

快速生成表格
图像梯度计算的是图像变化的速度。对于图像的边缘部分,其灰度值变化较大,梯度值也较大;相反,对于图像中比较平滑的部分,其灰度值变化较小,相应的梯度值也较小。图像梯度计算需要求导数,但是图像梯度一般通过计算像素值的差来得到梯度的近似值(近似导数值)。本节主要介绍Sobel算子、Scharr算子、Laplacian算子和Canny算子的使用.
nodejs中使用npm和yarn,使用最新阿里云镜像 aliyun mirror,网上很多还是文章用的是下面这个地址~~yarn config set registry https://registry.npm.taobao.org~~
Towxml 是一个让小程序(微信/QQ)可以解析Markdown、HTML的解析库。能够使小程序完美解析Markdown内容。
线性表是最基本、最简单、也是最常用的一种数据结构,一个线性表是n个具有相同特性的数据元素的有限序列。
Electron页面跳转、浏览器打开链接和打开新窗口
在使用Git的过程中,不想每次都输入用户名和密码去拉取代码,所以就需要保存这些信息,那么既然有保存了,就必须有清除功能。
Docker编译镜像出现:fetch http://dl-cdn.alpinelinux.org/alpine/v3.12/main/x86_64/APKINDEX.tar.gz
ERROR: http://dl-cdn.alpinelinux.org/alpine/v3.12/main: temporary error (try again later)
WARNING: Ignoring APKINDEX.2c4ac24e.tar.gz: No such file or directory问题
在Mac电脑中,如何对Git的用户名和密码进行修改呢?起初不懂Mac,所以整了很久,本文将记录如何对这个进行操作,以便后期使用。