OpenCV實(shí)現(xiàn)圖片編解碼實(shí)踐
原圖：
圖像信息,可以看到圖像是一個(gè)816*2100像素的圖片:
python代碼：
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('11.jpg', 0)
img1 = img.astype('float')
img_dct = cv2.dct(img1)
img_dct_log = np.log(abs(img_dct))
img_recor = cv2.idct(img_dct)
recor_temp = img_dct[0:100,0:100]
recor_temp2 = np.zeros(img.shape)
recor_temp2[0:100,0:100] = recor_temp
print recor_temp.shape
print recor_temp2.shape
img_recor1 = cv2.idct(recor_temp2)
plt.subplot(221)
plt.imshow(img)
plt.title('original')
plt.subplot(222)
plt.imshow(img_dct_log)
plt.title('dct transformed')
plt.subplot(223)
plt.imshow(img_recor)
plt.title('idct transformed')
plt.subplot(224)
plt.imshow(img_recor1)
plt.title('idct transformed2')
plt.show()
僅僅提取一個(gè)100*100的DCT系數(shù)后的效果：
當(dāng)用800*1000的DCT系數(shù)：
可以看到圖像細(xì)節(jié)更豐富了一些：
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('11.jpg', 0)
img1 = img.astype('float')
img_dct = cv2.dct(img1)
img_dct_log = np.log(abs(img_dct))
img_recor = cv2.idct(img_dct)
recor_temp = img_dct[0:800,0:1000]
recor_temp2 = np.zeros(img.shape)
recor_temp2[0:800,0:1000] = recor_temp
print recor_temp.shape
print recor_temp2.shape
img_recor1 = cv2.idct(recor_temp2)
plt.subplot(221)
plt.imshow(img)
plt.title('original')
plt.subplot(222)
plt.imshow(img_dct_log)
plt.title('dct transformed')
plt.subplot(223)
plt.imshow(img_recor)
plt.title('idct transformed')
plt.subplot(224)
plt.imshow(img_recor1)
plt.title('idct transformed2')
plt.show()
當(dāng)用816*1200的DCT系數(shù)：
可以看出圖像恢復(fù)到原來的質(zhì)量了．
分析代碼：
img_dct保存的是dct變換后的矩陣，img_dct_log是矩陣中的元素首先取絕對(duì)值，再求對(duì)數(shù)的矩陣．
img_dct_log = np.log(abs(img_dct))
那么對(duì)數(shù)的底是多少呢？
打印出來img_dct_log和abs(img_dct)看一下：
打印結(jié)果：
其中9.45971865e+04=9.45971865 x 10^4 =94597.1865表示的是科學(xué)計(jì)數(shù)法．
我們看到只有在底數(shù)取e的時(shí)候，對(duì)應(yīng)的對(duì)數(shù)才符合題目輸出要求，所以,python numpy.log函數(shù)取的是以自然常數(shù)e為地的對(duì)數(shù)．
到此這篇關(guān)于OpenCV實(shí)現(xiàn)圖片編解碼實(shí)踐的文章就介紹到這了,更多相關(guān)OpenCV 圖片編解碼內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
數(shù)據(jù)清洗是數(shù)據(jù)分析的基礎(chǔ)，關(guān)鍵于提高數(shù)據(jù)質(zhì)量和保證分析準(zhǔn)確性。通過數(shù)據(jù)清洗，可以減少錯(cuò)誤、增加數(shù)據(jù)可用性、保護(hù)隱私。Pandas提供多種方法處理缺失值和重復(fù)值，還有多種方式識(shí)別和處理異常值。掌握這些技巧對(duì)提升數(shù)據(jù)處理能力極為重要2024-09-09
Python實(shí)現(xiàn)兩組數(shù)據(jù)縱向排序
在數(shù)據(jù)分析和處理過程中,排序是一項(xiàng)非常常見的操作,本文將詳細(xì)講解如何使用Python實(shí)現(xiàn)兩組數(shù)據(jù)的縱向排序,并提供完整的開發(fā)思路和代碼示例,需要的可以參考下2024-12-12
Python使用datetime庫實(shí)現(xiàn)對(duì)時(shí)間的獲取方法
這篇文章通過一個(gè)簡單示例給大家介紹了Python如何使用datetime庫實(shí)現(xiàn)對(duì)時(shí)間的獲取方法,文章通過代碼示例給大家介紹的非常詳細(xì),具有一定的參考價(jià)值,需要的朋友可以參考下2023-11-11
python實(shí)現(xiàn)中文分詞FMM算法實(shí)例
這篇文章主要介紹了python實(shí)現(xiàn)中文分詞FMM算法,實(shí)例分析了Python基于FMM算法進(jìn)行中文分詞的實(shí)現(xiàn)方法,涉及Python針對(duì)文件、字符串及正則匹配操作的相關(guān)技巧,需要的朋友可以參考下2015-07-07
Tensorflow使用Anaconda、pycharm安裝記錄
這篇文章主要介紹了Tensorflow使用Anaconda、pycharm安裝記錄，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
在本篇文章里小編給大家整理了一篇關(guān)于python中uuid模塊實(shí)例淺析內(nèi)容，有需要的朋友們可以學(xué)習(xí)下。2020-12-12
將Django項(xiàng)目部署到CentOs服務(wù)器中
今天小編就為大家分享一篇關(guān)于將Django項(xiàng)目部署到CentOs服務(wù)器中的文章，小編覺得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來看看吧2018-10-10
Python實(shí)現(xiàn)將Excel內(nèi)容插入到Word模版中
前段時(shí)間因?yàn)樾枰幚硪淮蠖羊?yàn)收單，都是一些簡單的復(fù)制粘貼替換工作，于是就想到用python進(jìn)行處理。本文分享了用python將excel文件單元格內(nèi)容插入到word模版中并保存為新文件的辦法，希望對(duì)大家有所幫助2023-03-03
python+selenium 腳本實(shí)現(xiàn)每天自動(dòng)登記的思路詳解
這篇文章主要介紹了python+selenium 腳本實(shí)現(xiàn)每天自動(dòng)登記,本文你給大家分享基本的思路，通過實(shí)例代碼截圖的形式給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-03-03
本文為大家?guī)砹薖ython通過HTTP協(xié)議做一個(gè)廉價(jià)的溫濕度報(bào)警系統(tǒng)。感興趣的朋友跟隨小編一起看看吧2018-09-09