这篇教程OpenCV实现图片编解码实践写得很实用，希望能帮到您。
原图： 
图像信息,可以看到图像是一个816*2100像素的图片: 
python代码： import cv2import numpy as npimport 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_tempprint recor_temp.shapeprint recor_temp2.shapeimg_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()仅仅提取一个100*100的DCT系数后的效果： 
当用800*1000的DCT系数： 
可以看到图像细节更丰富了一些： 
import cv2import numpy as npimport 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_tempprint recor_temp.shapeprint recor_temp2.shapeimg_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()当用816*1200的DCT系数： 
可以看出图像恢复到原来的质量了． 
分析代码： img_dct保存的是dct变换后的矩阵，img_dct_log是矩阵中的元素首先取绝对值，再求对数的矩阵． img_dct_log = np.log(abs(img_dct)) 那么对数的底是多少呢？ 打印出来img_dct_log和abs(img_dct)看一下： 
打印结果： 
其中9.45971865e+04=9.45971865 x 10^4 =94597.1865表示的是科学计数法． 
我们看到只有在底数取e的时候，对应的对数才符合题目输出要求，所以,python numpy.log函数取的是以自然常数e为地的对数． 到此这篇关于OpenCV实现图片编解码实践的文章就介绍到这了,更多相关OpenCV 图片编解码内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
python3 adb 获取设备序列号的实现
用Python手把手教你实现2048小游戏 |
