5种边界填充

边界填充需要知道的两个东西

什么算边界

顾名思义：就是图片的最外边

边界的范围是多少

根据你自己的需要而设置

举例

这里我选择 (50,50,50,50)
就是上下左右，这四个方向进行了填充，填充50个像素

如图，上面就是选出所需要填充的范围，这里选择50个像素

这就是一种填充，顾名思义，按离着边界最近的颜色块的颜色进行填充

复制填充

复制边界线的颜色填充
注意是边界线的颜色，也就是一个像素

反射法

顾名思义，这个方法就是对称轴复制法

注意这个反射法反射对称轴，也就是会复制对称轴

反射101法

注意：这个反射101法不会反射对称轴，也就是不会复制对称轴
和反射法的区别就在于，是否复制对称轴

外包装法

外包装，是按图像的离边界的顺序填充的，将边界外的像素视为图像的另一侧

数值填充法

在图片的四周填上指定的颜色

原图

代码

import cv2def img_show(name, img):cv2.imshow(name, img)cv2.waitKey(0)cv2.destroyAllWindows()img = cv2.imread('enhanced_color_rgb.jpg')print('img is shape:', img.shape)# 定义上下左右各边的像素数
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)# 创建不同类型的边界
# 使用复制边界类型，将边界的最外侧像素行或列进行复制
replicate = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)
# 使用反射边界类型，将边界外的像素进行镜像反射（包括边界像素）
reflect = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT)
# 使用反射101边界类型，将边界外的像素进行镜像反射（不包括最外侧的边界像素）
reflect_101 = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT_101)
# 使用环绕边界类型，将边界外的像素视为图像的另一侧
wrap = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_WRAP)
# 使用常数边界类型，用指定的常数值填充边界外的像素
constant = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT,value=0)"""BORDER_REPLICATE    复制法  将边界的最外侧像素行或列进行复制                   a|abcdef|fBORDER_REFLECT      反射法  将边界外的像素进行镜像反射（包括边界像素）          bcdefa|abcdef|fedcbaBORDER_REFLECT_101  反射101 将边界外的像素进行镜像反射（不包括最外侧的边界像素） bcdef|abcdef|edcbaBORDER_WRAP         外包装  将边界外的像素视为图像的另一侧                     abcdef|abcdef|abcdefBORDER_CONSTANT     数值    用指定的常数值填充边界外的像素                     0|abcdef|0 
"""import matplotlib.pyplot as plt# 使用matplotlib显示原始图像和带有不同边界的图像
plt.figure(figsize=(10, 6))labels = ['Original', 'Replicate', 'Reflect', 'Reflect 101', 'Wrap', 'Constant']
img_list = [img, replicate, reflect, reflect_101, wrap, constant]for index in range(6):ax = plt.subplot(230 + index + 1)  # 创建子图plt.imshow(img_list[index])  # 显示图像plt.title(labels[index])  # 设置标题# # 设置 x 轴和 y 轴的刻度间隔为50# ax.set_xticks(range(0, img_list[index].shape[1], 50))# ax.set_yticks(range(0, img_list[index].shape[0], 50))# 调整子图间距，使其显示得更清晰
plt.tight_layout()# 显示图像
plt.show()

最终效果

👇 源码资料获取 · 技术与交流 👇