OpenCV實現圖片編解碼實踐

Posted on by

原圖：

圖像信息,可以看到圖像是一個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100*100的DCT系數後的效果：

當用800*1000的DCT系數：

可以看到圖像細節更豐富瞭一些：

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()

當用816*1200的DCT系數：

可以看出圖像恢復到原來的質量瞭．

分析代碼：

img_dct保存的是dct變換後的矩陣，img_dct_log是矩陣中的元素首先取絕對值，再求對數的矩陣．

img_dct_log = np.log(abs(img_dct))

那麼對數的底是多少呢？

打印出來img_dct_log和abs(img_dct)看一下：

打印結果：

其中9.45971865e+04=9.45971865 x 10^4 =94597.1865表示的是科學計數法．

我們看到隻有在底數取e的時候，對應的對數才符合題目輸出要求，所以,python numpy.log函數取的是以自然常數e為地的對數．

到此這篇關於OpenCV實現圖片編解碼實踐的文章就介紹到這瞭,更多相關OpenCV 圖片編解碼內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：