Python OpenCV将n×n的小图拼接成m×m的大图

前言

• 由于本人水平有限，难免出现错漏，敬请批评改正。
• 更多精彩内容，可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏或我的个人主页查看
• 基于DETR的人脸伪装检测
• YOLOv7训练自己的数据集（口罩检测）
• YOLOv8训练自己的数据集（足球检测）
• YOLOv5：TensorRT加速YOLOv5模型推理
• YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU
• 玩转Jetson Nano（五）：TensorRT加速YOLOv5目标检测
• YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力机制
• YOLOv5：yolov5s.yaml配置文件解读、增加小目标检测层
• Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集
• YOLOv5：使用7.0版本训练自己的实例分割模型（车辆、行人、路标、车道线等实例分割）
• 使用Kaggle GPU资源免费体验Stable Diffusion开源项目

前提条件

• 熟悉Python

相关介绍

• Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。

实验环境

• Python 3.x （面向对象的高级语言）

n$\times$n的小图拼接成m$\times$m的大图

代码实现

import os
import cv2
import numpy as npdef divide_chunks(l, n): # 将列表l分成n个子列表(块)# looping till length lfor i in range(0, len(l), n): yield l[i:i + n]if __name__=="__main__":# 定义小图和大图的尺寸small_image_size = 512large_image_size = 1536# 3 * 3 * 512 * 512 = 1536 * 1536 row_num, col_num = large_image_size // small_image_size, large_image_size // small_image_size# 定义小图文件名列表img_dir = 'imgs/'filename_list = os.listdir(img_dir)# print(filename_list)img_name_list = [img_name for img_name in filename_list if img_name.endswith('.jpg')]# print(img_name_list)img_lists = []# 分块n = row_num * col_numimg_lists = list(divide_chunks(img_name_list, n))print(img_lists)for img_list_num, img_list in  enumerate(img_lists):# 创建一个空白的大图result = np.zeros((large_image_size, large_image_size, 3), dtype=np.uint8)# 使用 for 循环将小图拼接到大图上for i, img_name in enumerate(img_list):# 读取小图img_path = img_dir  + img_namesmall_image = cv2.imread(img_path)small_image = cv2.resize(small_image,(small_image_size,small_image_size))# 计算小图在大图中的位置row = (i // row_num) * small_image_sizecol = (i % col_num) * small_image_size# print((row,col)) # h,w# 将小图拼接到大图上result[row:row+small_image_size, col:col+small_image_size] = small_image# 保存大图cv2.imwrite('result_{}.jpg'.format(img_list_num), result)

• 由于本人水平有限，难免出现错漏，敬请批评改正。
• 更多精彩内容，可点击进入Python日常小操作专栏、OpenCV-Python小应用专栏、YOLO系列专栏、自然语言处理专栏或我的个人主页查看
• 基于DETR的人脸伪装检测
• YOLOv7训练自己的数据集（口罩检测）
• YOLOv8训练自己的数据集（足球检测）
• YOLOv5：TensorRT加速YOLOv5模型推理
• YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU
• 玩转Jetson Nano（五）：TensorRT加速YOLOv5目标检测
• YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力机制
• YOLOv5：yolov5s.yaml配置文件解读、增加小目标检测层
• Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集
• YOLOv5：使用7.0版本训练自己的实例分割模型（车辆、行人、路标、车道线等实例分割）
• 使用Kaggle GPU资源免费体验Stable Diffusion开源项目