广东网站开发,郑州营销网站建设公司,平台公司审计重点,网店怎么开要多少钱目录
一、前言
二、实验目的
三、实验内容
四、实验过程 一、前言
编程语言#xff1a;Python#xff0c;编程软件#xff1a;vscode或pycharm#xff0c;必备的第三方库#xff1a;OpenCV#xff0c;numpy#xff0c;matplotlib#xff0c;os等等。
关于OpenCVPython编程软件vscode或pycharm必备的第三方库OpenCVnumpymatplotlibos等等。
关于OpenCVnumpymatplotlibos等第三方库的下载方式如下
第一步按住【Windows】和【R】调出运行界面输入【cmd】回车打开命令行。
第二步输入以下安装命令可以先升级一下pip指令。
pip升级指令 python -m pip install --upgrade pip opencv库的清华源下载 pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple numpy库的清华源下载 pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib库的清华源下载 pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple os库的清华源下载 pip install os -i https://pypi.tuna.tsinghua.edu.cn/simple 二、实验目的
1.了解不同图像缩放算法
2.基于公用图像处理函式库完成图片、视频缩小及放大
3.根据图像缩放算法自行撰写代码完成图像及视频数据的缩小及放大
4.比较及分析公用函式库及自行撰写函式的效能。
三、实验内容
1.任选彩色图片、视频进行缩小及放大
1使用OpenCV函数
2不使用OpenCV函数
Nearest-Neighbor interpolationBi-linear interpolation
2.在彩色图、视频上任意选取区域執行不同的放大方式结果如下图
1使用OpenCV函数
2不使用OpenCV函数
Nearest-Neighbor interpolationBi-linear interpolation
四、实验过程
1基于OpenCV的图像和视频缩放
图像代码如下
import cv2
import matplotlib.pyplot as plt# 读取原始图像
img_origin cv2.imread(rD:\Image\img1.jpg)
# 获取图像的高度和宽度
height, width img_origin.shape[:2]
# 放大图像
img_amplify cv2.resize(img_origin, None, fx 1.25, fy 1.0, interpolation cv2.INTER_AREA)
# 缩小图像
img_reduce cv2.resize(img_origin, None, fx 0.75, fy 1.0, interpolation cv2.INTER_AREA)# 创建一个大小为(10, 10)的图形
plt.figure(figsize(10, 10))
# 在第1行第1列的位置创建子图设置坐标轴可见设置标题为origin
plt.subplot(1, 3, 1), plt.axis(on), plt.title(origin)
# 显示原始图像
plt.imshow(cv2.cvtColor(img_origin, cv2.COLOR_BGR2RGB))# 在第1行第2列的位置创建子图设置坐标轴可见设置标题为amplify: fx 1.25, fy 1.0
plt.subplot(1, 3, 2), plt.axis(on), plt.title(amplify: fx 1.25, fy 1.0)
# 显示放大后的图像
plt.imshow(cv2.cvtColor(img_amplify, cv2.COLOR_BGR2RGB))# 在第1行第3列的位置创建子图设置坐标轴可见设置标题为reduce: fx 0.75, fy 1.0
plt.subplot(1, 3, 3), plt.axis(on), plt.title(reduce: fx 0.75, fy 1.0)
# 显示缩小后的图像
plt.imshow(cv2.cvtColor(img_reduce, cv2.COLOR_BGR2RGB))# 调整子图布局
plt.tight_layout()
# 显示图形
plt.show()
# 保存图像
retval cv2.imwrite(rD:\Image\image_lab2\img_amplify.jpg, img_amplify)
retval cv2.imwrite(rD:\Image\image_lab2\img_reduce.jpg, img_reduce)
代码运行结果 视频代码如下
import cv2
import oscap cv2.VideoCapture(rD:\Image\video1.mp4)
currentframe 0# 循环读取视频帧并保存为图片
while (True):ret, frame cap.read()if ret:name str(currentframe)cv2.imwrite(rD:\Image\image_lab2\video_img\%s.jpg%name, frame)currentframe 1else:break# 释放视频对象
cap.release()video_path rD:\Image\image_lab2\video_img
# 获取视频文件夹中的所有文件
img_files os.listdir(video_path)
# 统计图片文件数量
img_count len(img_files)
# 设定视频编解码器
fourcc cv2.VideoWriter_fourcc(*mp4v)
# 设定图片大小放大后的目标尺寸
img_size_amplify (1280, 1280)
# 设定图片大小缩小后的目标尺寸
img_size_reduce (720, 720)
# 视频保存路径放大版本
video_save_amplify rD:\Image\image_lab2\video_amplify.mp4
# 视频保存路径缩小版本
video_save_reduce rD:\Image\image_lab2\video_reduce.mp4
# 创建放大版本的视频写入对象
video_writer_amplify cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)
# 创建缩小版本的视频写入对象
video_writer_reduce cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)
print(视频放大及缩小开始)for i in range(0, img_count):# 设定图片文件路径img_path video_path / str(i) .jpg# 读取图片img cv2.imread(img_path, cv2.IMREAD_COLOR)# 若读取失败则跳过本次循环if img is None:continue# 图片放大img_amplify cv2.resize(img, img_size_amplify)# 图片缩小img_reduce cv2.resize(img, img_size_reduce)# 将放大后的图片写入放大版本的视频video_writer_amplify.write(img_amplify)# 将缩小后的图片写入缩小版本的视频video_writer_reduce.write(img_reduce)print(f第{i}张图片合成完成)print(视频放大及缩小完成)
基于最近邻插值和双线性插值的图像和视频缩放
将最近邻插值和双线性插值编写成函数文件命名为【Nearest_Bilinear】代码如下
import numpy as npdef Nearest(img, height, width, channels):# 创建一个与给定高度、宽度和通道数相同的零数组img_nearest np.zeros(shape(height, width, channels), dtypenp.uint8)# 遍历每个像素点for i in range(height):for j in range(width):# 计算在给定高度和宽度下对应的img的行和列row (i / height) * img.shape[0]col (j / width) * img.shape[1]# 取最近的整数行和列row_near round(row)col_near round(col)# 如果行或列到达img的边界则向前取整if row_near img.shape[0] or col_near img.shape[1]:row_near - 1col_near - 1# 将最近的像素赋值给img_nearestimg_nearest[i][j] img[row_near][col_near]# 返回最近映射后的图像return img_nearestdef Bilinear(img, height, width, channels):# 生成一个用于存储bilinear插值结果的零矩阵img_bilinear np.zeros(shape(height, width, channels), dtypenp.uint8)# 对矩阵的每一个元素进行插值计算for i in range(0, height):for j in range(0, width):# 计算当前元素所在的行和列的相对位置row (i / height) * img.shape[0]col (j / width) * img.shape[1]row_int int(row)col_int int(col)# 计算当前元素所在点的权重u row - row_intv col - col_int# 判断当前元素是否越界若是则调整相对位置if row_int img.shape[0] - 1 or col_int img.shape[1] - 1:row_int - 1col_int - 1# 根据权重进行插值计算img_bilinear[i][j] (1 - u) * (1 - v) * img[row_int][col_int] (1 - u) * v * img[row_int][col_int 1] u * (1 - v) * img[row_int 1][col_int] u * v * img[row_int 1][col_int 1]# 返回bilinear插值结果return img_bilinear 后续在实现图像放缩时导入该函数即可图像放缩代码如下
import cv2
import matplotlib.pyplot as plt
from Nearest_Bilinear import *# 读取图像
img cv2.imread(rD:\Image\img1.jpg, cv2.IMREAD_COLOR)
# 获取图像的高度、宽度和通道数
height, width, channels img.shape
print(height, width, channels)# 对图像进行放大操作增加200个像素的高度
img_nearest_amplify Nearest(img, height 200, width, channels)
# 对图像进行缩小操作减少200个像素的高度
img_nearest_reduce Nearest(img, height - 200, width, channels)# 创建一个大小为10x10的图像窗口
plt.figure(figsize(10, 10))
# 在第一个子图中显示原始图像
plt.subplot(1, 3, 1), plt.axis(on), plt.title(origin)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
# 在第二个子图中显示放大后的图像
plt.subplot(1, 3, 2), plt.axis(on), plt.title(Nearest_amplify)
plt.imshow(cv2.cvtColor(img_nearest_amplify, cv2.COLOR_BGR2RGB))
# 在第三个子图中显示缩小后的图像
plt.subplot(1, 3, 3), plt.axis(on), plt.title(Nearest_reduce)
plt.imshow(cv2.cvtColor(img_nearest_reduce, cv2.COLOR_BGR2RGB))
plt.tight_layout()
plt.show()# 对图像进行放大操作增加200个像素的高度
img_bilinear_amplify Bilinear(img, height 200, width, channels)
# 对图像进行缩小操作减少200个像素的高度
img_bilinear_reduce Bilinear(img, height - 200, width, channels)# 创建一个大小为10x10的图像窗口
plt.figure(figsize(10, 10))
# 在第一个子图中显示原始图像
plt.subplot(1, 3, 1), plt.axis(on), plt.title(origin)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
# 在第二个子图中显示放大后的图像
plt.subplot(1, 3, 2), plt.axis(on), plt.title(Bilinear_amplify)
plt.imshow(cv2.cvtColor(img_bilinear_amplify, cv2.COLOR_BGR2RGB))
# 在第三个子图中显示缩小后的图像
plt.subplot(1, 3, 3), plt.axis(on), plt.title(Bilinear_reduce)
plt.imshow(cv2.cvtColor(img_bilinear_reduce, cv2.COLOR_BGR2RGB))
plt.tight_layout()
plt.show()# 保存图像
retval cv2.imwrite(rD:\Image\image_lab2\img_nearest_amplify.jpg, img_nearest_amplify)
retval cv2.imwrite(rD:\Image\image_lab2\img_nearest_reduce.jpg, img_nearest_reduce)
retval cv2.imwrite(rD:\Image\image_lab2\img_bilinear_amplify.jpg, img_bilinear_amplify)
retval cv2.imwrite(rD:\Image\image_lab2\img_bilinear_reduce.jpg, img_bilinear_reduce)
代码运行结果如下 基于最近邻插值的视频缩放代码
import cv2
import os
from Nearest_Bilinear import *video_path rD:\Image\image_lab2\video_img
# 获取视频文件夹中的所有文件
img_files os.listdir(video_path)
# 统计图片文件数量
img_count len(img_files)
# 设定视频编解码器
fourcc cv2.VideoWriter_fourcc(*mp4v)
# 设定图片大小放大后的目标尺寸
img_size_amplify (1280, 1280)
# 设定图片大小缩小后的目标尺寸
img_size_reduce (720, 720)
# 视频保存路径放大版本
video_save_amplify rD:\Image\image_lab2\video_amplify_Nearest.mp4
# 视频保存路径缩小版本
video_save_reduce rD:\Image\image_lab2\video_reduce_Nearest.mp4
# 创建放大版本的视频写入对象
video_writer_amplify cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)
# 创建缩小版本的视频写入对象
video_writer_reduce cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)
print(视频放大及缩小开始)for i in range(0, img_count):# 设定图片文件路径img_path video_path / str(i) .jpg# 读取图片img cv2.imread(img_path, cv2.IMREAD_COLOR)# 若读取失败则跳过本次循环if img is None:continue# 图片放大img_amplify Nearest(img, img_size_amplify[0], img_size_amplify[1], 3)# 图片缩小img_reduce Nearest(img, img_size_reduce[0], img_size_reduce[1], 3)# 将放大后的图片写入放大版本的视频video_writer_amplify.write(img_amplify)# 将缩小后的图片写入缩小版本的视频video_writer_reduce.write(img_reduce)print(f第{i}张图片合成完成)print(视频放大及缩小完成)
基于双线性插值的视频放缩代码
import cv2
import os
from Nearest_Bilinear import *video_path rD:\Image\image_lab2\video_img
# 获取视频文件夹中的所有文件
img_files os.listdir(video_path)
# 统计图片文件数量
img_count len(img_files)
# 设定视频编解码器
fourcc cv2.VideoWriter_fourcc(*mp4v)
# 设定图片大小放大后的目标尺寸
img_size_amplify (1280, 1280)
# 设定图片大小缩小后的目标尺寸
img_size_reduce (720, 720)
# 视频保存路径放大版本
video_save_amplify rD:\Image\image_lab2\video_amplify_Bilinear.mp4
# 视频保存路径缩小版本
video_save_reduce rD:\Image\image_lab2\video_reduce_Bilinear.mp4
# 创建放大版本的视频写入对象
video_writer_amplify cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)
# 创建缩小版本的视频写入对象
video_writer_reduce cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)
print(视频放大及缩小开始)for i in range(0, img_count):# 设定图片文件路径img_path video_path / str(i) .jpg# 读取图片img cv2.imread(img_path, cv2.IMREAD_COLOR)# 若读取失败则跳过本次循环if img is None:continue# 图片放大img_amplify Bilinear(img, img_size_amplify[0], img_size_amplify[1], 3)# 图片缩小img_reduce Bilinear(img, img_size_reduce[0], img_size_reduce[1], 3)# 将放大后的图片写入放大版本的视频video_writer_amplify.write(img_amplify)# 将缩小后的图片写入缩小版本的视频video_writer_reduce.write(img_reduce)print(f第{i}张图片合成完成)print(视频放大及缩小完成)
2基于OpenCV的局部图像和视频缩放
局部图像的缩放代码如下
import cv2
import matplotlib.pyplot as plt# 读取原始图像
img_origin cv2.imread(rD:\Image\img1.jpg, cv2.IMREAD_COLOR)
# 获取图像的高度和宽度
height, width img_origin.shape[:2]
# 定义图像的一部分的坐标范围
y1, y2 100, 300
x1, x2 100, 300
# 获取图像的一部分
img_part img_origin[y1:y2, x1:x2]
# 放大图像
img_amplify cv2.resize(img_part, None, fx1.25, fy1.0, interpolationcv2.INTER_NEAREST)
# 缩小图像
img_reduce cv2.resize(img_part, None, fx0.75, fy1.0, interpolationcv2.INTER_LINEAR)
# 创建绘图窗口
plt.figure(figsize(10, 10))
# 绘制图像
plt.subplot(2, 2, 1), plt.axis(on), plt.title(origin)
plt.imshow(cv2.cvtColor(img_origin, cv2.COLOR_BGR2RGB))
plt.subplot(2, 2, 2), plt.axis(on), plt.title(part)
plt.imshow(cv2.cvtColor(img_part, cv2.COLOR_BGR2RGB))
plt.subplot(2, 2, 3), plt.axis(on), plt.title(amplify: fx 1.25, fy 1.0)
plt.imshow(cv2.cvtColor(img_amplify, cv2.COLOR_BGR2RGB))
plt.subplot(2, 2, 4), plt.axis(on), plt.title(reduce: fx 0.75, fy 1.0)
plt.imshow(cv2.cvtColor(img_reduce, cv2.COLOR_BGR2RGB))# 调整子图布局
plt.tight_layout()
# 显示图形
plt.show()# 保存图像
retval cv2.imwrite(rD:\Image\image_lab2\img_part.jpg, img_part)
retval cv2.imwrite(rD:\Image\image_lab2\img_amplify_part.jpg, img_amplify)
retval cv2.imwrite(rD:\Image\image_lab2\img_reduce_part.jpg, img_reduce) 局部视频的缩放代码如下
import cv2
import osvideo_path rD:\Image\image_lab2\video_img
# 获取视频文件夹中的所有文件
img_files os.listdir(video_path)
# 统计图片文件数量
img_count len(img_files)
# 设定视频编解码器
fourcc cv2.VideoWriter_fourcc(*mp4v)
# 设定图片大小放大后的目标尺寸
img_size_amplify (720, 720)
# 设定图片大小缩小后的目标尺寸
img_size_reduce (250, 250)
# 视频保存路径放大版本
video_save_amplify rD:\Image\image_lab2\video_amplify_part.mp4
# 视频保存路径缩小版本
video_save_reduce rD:\Image\image_lab2\video_reduce_part.mp4
# 创建放大版本的视频写入对象
video_writer_amplify cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)
# 创建缩小版本的视频写入对象
video_writer_reduce cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)
print(视频放大及缩小开始)for i in range(0, img_count):# 设定图片文件路径img_path video_path / str(i) .jpg# 读取图片img cv2.imread(img_path, cv2.IMREAD_COLOR)img img[100:500, 100:500]# 若读取失败则跳过本次循环if img is None:continue# 图片放大img_amplify cv2.resize(img, img_size_amplify)# 图片缩小img_reduce cv2.resize(img, img_size_reduce)# 将放大后的图片写入放大版本的视频video_writer_amplify.write(img_amplify)# 将缩小后的图片写入缩小版本的视频video_writer_reduce.write(img_reduce)print(f第{i}张图片合成完成)print(视频放大及缩小完成)
基于最近邻插值和双线性插值的局部图像和视频缩放
局部图像的缩放代码如下
import cv2
import matplotlib.pyplot as plt
from Nearest_Bilinear import *# 读取图像
img cv2.imread(rD:\Image\img1.jpg, cv2.IMREAD_COLOR)
# 获取图像的高度、宽度和通道数
height, width, channels img.shape
# 定义图像的一部分的坐标范围
y1, y2 100, 300
x1, x2 100, 300
# 获取图像的一部分
img_part img[y1:y2, x1:x2]# 对图像进行放大操作增加100个像素的高度
img_nearest_amplify_part Nearest(img_part, height 100, width, channels)
# 对图像进行缩小操作减少100个像素的高度
img_nearest_reduce_part Nearest(img_part, height - 100, width, channels)
# 创建一个大小为10x10的图像窗口
plt.figure(figsize(10, 10))
# 在第一个子图中显示原始图像
plt.subplot(1, 3, 1), plt.axis(on), plt.title(origin)
plt.imshow(cv2.cvtColor(img_part, cv2.COLOR_BGR2RGB))
# 在第二个子图中显示放大后的图像
plt.subplot(1, 3, 2), plt.axis(on), plt.title(Nearest_amplify)
plt.imshow(cv2.cvtColor(img_nearest_amplify_part, cv2.COLOR_BGR2RGB))
# 在第三个子图中显示缩小后的图像
plt.subplot(1, 3, 3), plt.axis(on), plt.title(Nearest_reduce)
plt.imshow(cv2.cvtColor(img_nearest_reduce_part, cv2.COLOR_BGR2RGB))
plt.tight_layout()
plt.show()# 对图像进行放大操作增加100个像素的高度
img_bilinear_amplify_part Bilinear(img_part, height 100, width, channels)
# 对图像进行缩小操作减少100个像素的高度
img_bilinear_reduce_part Bilinear(img_part, height - 100, width, channels)
# 创建一个大小为10x10的图像窗口
plt.figure(figsize(10, 10))
# 在第一个子图中显示原始图像
plt.subplot(1, 3, 1), plt.axis(on), plt.title(origin)
plt.imshow(cv2.cvtColor(img_part, cv2.COLOR_BGR2RGB))
# 在第二个子图中显示放大后的图像
plt.subplot(1, 3, 2), plt.axis(on), plt.title(Bilinear_amplify)
plt.imshow(cv2.cvtColor(img_bilinear_amplify_part, cv2.COLOR_BGR2RGB))
# 在第三个子图中显示缩小后的图像
plt.subplot(1, 3, 3), plt.axis(on), plt.title(Bilinear_reduce)
plt.imshow(cv2.cvtColor(img_bilinear_reduce_part, cv2.COLOR_BGR2RGB))
plt.tight_layout()
plt.show()# 保存图像
retval cv2.imwrite(rD:\Image\image_lab2\img_nearest_amplify_part.jpg, img_nearest_amplify_part)
retval cv2.imwrite(rD:\Image\image_lab2\img_nearest_reduce_part.jpg, img_nearest_reduce_part)
retval cv2.imwrite(rD:\Image\image_lab2\img_bilinear_amplify_part.jpg, img_bilinear_amplify_part)
retval cv2.imwrite(rD:\Image\image_lab2\img_bilinear_reduce_part.jpg, img_bilinear_reduce_part) 基于最近邻插值的局部视频缩放代码
import cv2
import os
from Nearest_Bilinear import *video_path rD:\Image\image_lab2\video_img
# 获取视频文件夹中的所有文件
img_files os.listdir(video_path)
# 统计图片文件数量
img_count len(img_files)
# 设定视频编解码器
fourcc cv2.VideoWriter_fourcc(*mp4v)
# 设定图片大小放大后的目标尺寸
img_size_amplify (720, 720)
# 设定图片大小缩小后的目标尺寸
img_size_reduce (250, 250)
# 视频保存路径放大版本
video_save_amplify rD:\Image\image_lab2\video_amplify_Nearest_part.mp4
# 视频保存路径缩小版本
video_save_reduce rD:\Image\image_lab2\video_reduce_Nearest_part.mp4
# 创建放大版本的视频写入对象
video_writer_amplify cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)
# 创建缩小版本的视频写入对象
video_writer_reduce cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)
print(视频放大及缩小开始)for i in range(0, img_count):# 设定图片文件路径img_path video_path / str(i) .jpg# 读取图片img cv2.imread(img_path, cv2.IMREAD_COLOR)img img[100:500, 100:500]# 若读取失败则跳过本次循环if img is None:continue# 图片放大img_amplify Nearest(img, img_size_amplify[0], img_size_amplify[1], 3)# 图片缩小img_reduce Nearest(img, img_size_reduce[0], img_size_reduce[1], 3)# 将放大后的图片写入放大版本的视频video_writer_amplify.write(img_amplify)# 将缩小后的图片写入缩小版本的视频video_writer_reduce.write(img_reduce)print(f第{i}张图片合成完成)print(视频放大及缩小完成)
基于双线性插值的局部视频缩放代码如下
import cv2
import os
from Nearest_Bilinear import *video_path rD:\Image\image_lab2\video_img
# 获取视频文件夹中的所有文件
img_files os.listdir(video_path)
# 统计图片文件数量
img_count len(img_files)
# 设定视频编解码器
fourcc cv2.VideoWriter_fourcc(*mp4v)
# 设定图片大小放大后的目标尺寸
img_size_amplify (720, 720)
# 设定图片大小缩小后的目标尺寸
img_size_reduce (250, 250)
# 视频保存路径放大版本
video_save_amplify rD:\Image\image_lab2\video_amplify_Bilinear_part.mp4
# 视频保存路径缩小版本
video_save_reduce rD:\Image\image_lab2\video_reduce_Bilinear_part.mp4
# 创建放大版本的视频写入对象
video_writer_amplify cv2.VideoWriter(video_save_amplify, fourcc, 60, img_size_amplify)
# 创建缩小版本的视频写入对象
video_writer_reduce cv2.VideoWriter(video_save_reduce, fourcc, 60, img_size_reduce)
print(视频放大及缩小开始)for i in range(0, img_count):# 设定图片文件路径img_path video_path / str(i) .jpg# 读取图片img cv2.imread(img_path, cv2.IMREAD_COLOR)img img[100:500, 100:500]# 若读取失败则跳过本次循环if img is None:continue# 图片放大img_amplify Bilinear(img, img_size_amplify[0], img_size_amplify[1], 3)# 图片缩小img_reduce Bilinear(img, img_size_reduce[0], img_size_reduce[1], 3)# 将放大后的图片写入放大版本的视频video_writer_amplify.write(img_amplify)# 将缩小后的图片写入缩小版本的视频video_writer_reduce.write(img_reduce)print(f第{i}张图片合成完成)print(视频放大及缩小完成)
都看到最后了不点个赞吗
