height, width = img.shape[:2] x1, y1 = int(width * 0.25), int(height * 0.25) x2, y2 = int(width * 0.75), int(height * 0.75) cropped_img = img[y1:y2, x1:x2] cv2.imwrite('cropped_img.jpg', cropped_img) cv2.imshow('Cropped Image', cropped_img) cv2.wa

这段代码使用了OpenCV库，对一张图片进行了裁剪。首先获取了图片的宽度和高度，然后计算出裁剪后的左上角和右下角坐标，即x1、y1和x2、y2。接着使用这四个坐标对原图进行裁剪，得到裁剪后的图像。最后将裁剪后的图像保存到了本地，并通过cv2.imshow显示出来。

需要注意的是，cv2.imshow函数会创建一个窗口并在其中显示图像，但需要调用cv2.waitkey才能使窗口持续显示图像。另外，cv2.imwrite函数用于将图像保存到本地，需要指定保存路径和文件名。

相关问题

#encoding=utf8 import numpy as np #计算图像的直方图 def histgram(img): #输入：img，待统计直方图的图像 #输出：统计出来的直方图，hist #提示：img为灰度图, img.shape[0]为图的高, img.shape[1]为图的宽 height = img.shape[0] width = img.shape[1] hist = np.zeros([256], np.float32) #请填写代码 begin #请填写代码 end return hist if __name__ == '__main__': pass

这段代码实现了计算图像的直方图。具体来说，输入为一张灰度图像，输出为统计出来的直方图，即每个灰度值出现的次数。代码中使用了numpy库中的np.zeros函数创建了一个长度为256的全0数组作为直方图。下面是完整的代码及注释：

#encoding=utf8
import numpy as np

#计算图像的直方图
def histgram(img):
    #输入：img，待统计直方图的图像
    #输出：统计出来的直方图，hist
    #提示：img为灰度图, img.shape[0]为图的高, img.shape[1]为图的宽
    height = img.shape[0]
    width = img.shape[1]
  
    hist = np.zeros([256], np.float32)  #创建长度为256的全0数组作为直方图

    #遍历每个像素，统计直方图
    for i in range(height):
        for j in range(width):
            gray = int(img[i,j])
            hist[gray] += 1

    return hist

if __name__ == '__main__':
    pass

在遍历每个像素时，将像素的灰度值转换为整数类型并作为直方图数组的下标，然后将对应的直方图元素加1。最后返回统计出来的直方图数组。

import cv2 import numpy as np # 读取原始图像 img = cv2.imread('image.webp') # 缩放变换 scale_percent = 50 # 缩放比例 width = int(img.shape[1] * scale_percent / 100) # 新图像宽度 height = int(img.shape[0] * scale_percent / 100) # 新图像高度 dim = (width, height) resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA) # 旋转变换 angle = 45 # 旋转角度 rotation_matrix = cv2.getRotationMatrix2D((img.shape[1]/2, img.shape[0]/2), angle, 1) rotated = cv2.warpAffine(img, rotation_matrix, (img.shape[1], img.shape[0])) # 平移变换 x = 50 # 水平方向平移像素数 y = 100 # 垂直方向平移像素数 translation_matrix = np.float32([[1, 0, x], [0, 1, y]]) translated = cv2.warpAffine(img, translation_matrix, (img.shape[1], img.shape[0])) # 裁剪变换 x1 = 100 # 左上角横坐标 y1 = 100 # 左上角纵坐标 x2 = 300 # 右下角横坐标 y2 = 300 # 右下角纵坐标 cropped = img[y1:y2, x1:x2] # 镜像变换 mirrored = cv2.flip(img, 1) # 在同一个窗口内分成六个子窗口来分别显示原图和变换后的图像 cv2.namedWindow('Image', cv2.WINDOW_NORMAL) cv2.resizeWindow('Image', 700, 700) cv2.imshow('Image', np.vstack((img, resized, rotated, translated, cropped, mirrored))) cv2.waitKey(0) cv2.destroyAllWindows()优化这段代码，并显示结果图

可以将这段代码封装成一个函数，并将变换操作作为参数传递给函数，以避免代码重复。以下是一个示例：

import cv2
import numpy as np

def apply_transformations(img, transformations):
    transformed_images = []
    for transformation in transformations:
        if transformation == 'resize':
            scale_percent = 50
            width = int(img.shape[1] * scale_percent / 100)
            height = int(img.shape[0] * scale_percent / 100)
            dim = (width, height)
            resized = cv2.resize(img, dim, interpolation=cv2.INTER_AREA)
            transformed_images.append(resized)
        elif transformation == 'rotate':
            angle = 45
            rotation_matrix = cv2.getRotationMatrix2D((img.shape[1]/2, img.shape[0]/2), angle, 1)
            rotated = cv2.warpAffine(img, rotation_matrix, (img.shape[1], img.shape[0]))
            transformed_images.append(rotated)
        elif transformation == 'translate':
            x = 50
            y = 100
            translation_matrix = np.float32([[1, 0, x], [0, 1, y]])
            translated = cv2.warpAffine(img, translation_matrix, (img.shape[1], img.shape[0]))
            transformed_images.append(translated)
        elif transformation == 'crop':
            x1 = 100
            y1 = 100
            x2 = 300
            y2 = 300
            cropped = img[y1:y2, x1:x2]
            transformed_images.append(cropped)
        elif transformation == 'mirror':
            mirrored = cv2.flip(img, 1)
            transformed_images.append(mirrored)
    return transformed_images

# 读取原始图像
img = cv2.imread('image.webp')

# 定义要应用的变换
transformations = ['resize', 'rotate', 'translate', 'crop', 'mirror']

# 应用变换并显示结果图像
transformed_images = apply_transformations(img, transformations)
cv2.namedWindow('Transformed Images', cv2.WINDOW_NORMAL)
cv2.resizeWindow('Transformed Images', 1200, 800)
cv2.imshow('Transformed Images', np.hstack(transformed_images))
cv2.waitKey(0)
cv2.destroyAllWindows()

这个函数将原始图像和要应用的变换作为参数，返回一个包含所有变换后图像的列表。通过调用这个函数并将返回的结果合并成一张图像，就可以显示所有变换后的图像。