目录

一、概述

1.1原理

1.2区别

1.3应用

二、代码

2.1浅拷贝代码

2.2深拷贝代码

---

OpenCV图像处理与应用实战算法汇总地址：

OpenCV 图像处理应用实战算法列表汇总（长期更新）

---

一、概述

        在 OpenCV 和 NumPy 中，深拷贝和浅拷贝的概念非常重要，特别是在处理图像时。下面是深拷贝和浅拷贝的原理、区别、应用，以及实现代码和解释。

1.1原理

浅拷贝：浅拷贝创建一个新的对象，但它包含的是对原始对象中包含的元素的引用。对浅拷贝对象进行修改会影响原始对象，因为它们共享同一块内存。

深拷贝：深拷贝创建一个新的对象，并递归地复制原始对象中包含的所有元素。对深拷贝对象进行修改不会影响原始对象，因为它们各自占用独立的内存空间。

1.2区别

• 内存使用：浅拷贝共享内存，深拷贝使用独立的内存。

• 性能：浅拷贝通常比深拷贝快，因为它不需要复制整个对象。

• 安全性：深拷贝更安全，因为修改副本不会影响原始对象。

1.3应用

• 浅拷贝：适用于不需要修改数据的场景，或希望不同变量间共享数据。
• 深拷贝：适用于需要对数据进行修改且不希望影响原始数据的场景。

二、代码

2.1浅拷贝代码

在 OpenCV 中，浅拷贝可以通过直接赋值或 cv2 的 copyTo 方法实现：

import cv2
import numpy as np# 读取图像
image = cv2.imread('path_to_your_image.tiff')# 浅拷贝：直接赋值
shallow_copy = image# 使用 copyTo 方法
shallow_copy2 = np.empty_like(image)
cv2.copyTo(image, shallow_copy2)# 修改浅拷贝
shallow_copy[0, 0] = [255, 0, 0]  # 修改浅拷贝会影响原图像# 显示结果
cv2.imshow('Original Image', image)
cv2.imshow('Shallow Copy', shallow_copy)
cv2.imshow('Shallow Copy 2', shallow_copy2)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.2深拷贝代码

在 OpenCV 中，深拷贝可以通过 copy 方法或 np.copy 实现：

import cv2
import numpy as np# 读取图像
image = cv2.imread('path_to_your_image.tiff')# 深拷贝：使用 copy 方法
deep_copy = image.copy()# 使用 np.copy 方法
deep_copy2 = np.copy(image)# 修改深拷贝
deep_copy[0, 0] = [255, 0, 0]  # 修改深拷贝不会影响原图像# 显示结果
cv2.imshow('Original Image', image)
cv2.imshow('Deep Copy', deep_copy)
cv2.imshow('Deep Copy 2', deep_copy2)
cv2.waitKey(0)
cv2.destroyAllWindows()