en premier

Dans le processus de filtrage (Flou, Filtre) dans OpenCV, l'image est traitée (flou / suppression du bruit) en définissant une zone spécifique et en prenant la somme des zones. À ce stade, la zone est agrandie et calculée pour le bord de l'image, mais j'ai étudié comment l'agrandir.

Environnement d'exploitation

Python3,OpenCV

Agrandir avec une valeur constante (BORDER_CONSTANT)

Prolonger avec du noir (0, 0, 0)

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

black = [0x00, 0x00, 0x00]
dimgray = [0x69, 0x69, 0x69]
gray = [0x80, 0x80, 0x80]
darkgray = [0xa9, 0xa9, 0xa9]
silver = [0xc0, 0xc0, 0xc0]
lighgray  = [0xd3, 0xd3, 0xd3]
gainsboro = [0xdc, 0xdc, 0xdc]
whiteSmoke = [0xf5, 0xf5, 0xf5]
white = [0xFF, 0xFF, 0xFF]

img = np.array([
                [black, white, black, white, black]
                ,[white, dimgray, white, dimgray, white]
                ,[gray, white, gray, white, gray]
                ,[white, darkgray, white, darkgray, white]
                ,[silver, white, silver, white, silver]
                ,[white, lighgray, white, lighgray, white]
                ,[gainsboro, white, gainsboro, white, gainsboro]
                ,[white, whiteSmoke, white, whiteSmoke, white]
                ])
#Nombre de pixels étendu
exPixelNum = 8

plt.subplot(121),plt.imshow(img),plt.imshow(img),plt.title('Original')
conBdImg = cv.copyMakeBorder(img, exPixelNum, exPixelNum, exPixelNum, exPixelNum, cv.BORDER_CONSTANT)
plt.subplot(122),plt.imshow(conBdImg),plt.title('BORDER_CONSTANT')
plt.show()

Plusieurs pixels du côté opposé (BORDER_WRAP)

#Image originale (étendue en noir pour comparaison)
orgImg = cv.copyMakeBorder(img, exPixelNum, exPixelNum, exPixelNum, exPixelNum, cv.BORDER_CONSTANT)
plt.subplot(121),plt.imshow(orgImg),plt.title('Original')
plt.xticks([]), plt.yticks([])

#Envelopper l'image
wrpBdImg = cv.copyMakeBorder(img, exPixelNum, exPixelNum, exPixelNum, exPixelNum, cv.BORDER_WRAP)
plt.subplot(122),plt.imshow(wrpBdImg),plt.title('BORDER_WRAP')
plt.xticks([]), plt.yticks([])
plt.show()

Comme le montre la figure ci-dessous, vous pouvez voir que l'image cible est disposée à plusieurs reprises.

Copier les pixels de bord (BORDER_REPLICATE)

#Répliquer l'image
repBdImg = cv.copyMakeBorder(img, exPixelNum, exPixelNum, exPixelNum, exPixelNum, cv.BORDER_REPLICATE)
plt.subplot(122),plt.imshow(repBdImg),plt.title('BORDER_REPLICATE')
plt.xticks([]), plt.yticks([])
plt.show()

Vous pouvez voir que les pixels terminaux sont utilisés tels quels, comme illustré dans la figure ci-dessous.

Réflexion (BORDER_REFLECT)

#Répliquer l'image
#Refléter l'image
refBdImg = cv.copyMakeBorder(img, exPixelNum, exPixelNum, exPixelNum, exPixelNum, cv.BORDER_REFLECT)
plt.subplot(122),plt.imshow(refBdImg),plt.title('BORDER_REFLECT')
plt.xticks([]), plt.yticks([])
plt.show()

Comme le montre la figure ci-dessous, vous pouvez voir que l'image est placée à l'envers.

Réflexion (BORDER_REFLECT_101)

#Refléter l'image (ne répète pas les pixels de bord)
# BORDER_Le même traitement est effectué lorsque DEFAULT est utilisé.
ref101BdImg = cv.copyMakeBorder(img, exPixelNum, exPixelNum, exPixelNum, exPixelNum, cv.BORDER_REFLECT_101)
plt.subplot(122),plt.imshow(ref101BdImg),plt.title('BORDER_REFLECT_101')
plt.xticks([]), plt.yticks([])
plt.show()

Même réflexion que BORDER_REFLECT, mais ne répète pas les pixels de bord Le même traitement est effectué lorsque BORDER_REFLECT_101 est défini sur BORDER_DEFAULT.