opencv 图像几何变换基础讲解——含仿射和透射变换基础

                         QQ:3020889729                                                                                 小蔡

实现原理

毫无疑问，一个个图像——本质就是一个个多维数组，它包含像素点的排布，以及像素点的信息。
既然多维数组，我们将图像中前两维度——对应行列，当作一个矩阵进行处理。
第一维——也就是对应着行；第二维——也就是对应着列。
举例：将一个多维数组当作矩阵
[[1, 2, 3]
[4, 5, 6]
[7, 8, 9]]
这里应该能明白：第一维的每一个元素是一个list，且等大，每一个list作为一个行，list里边的元素——就一一对应着属于列。

实现函数

opencv提供的矩阵（图像）转换函数有两个：
cv.warpAffine()——对应23的矩阵转换——可以实现平移和翻转（反转还需要一个cv.getRotationMatrix2D来获取旋转后的移动坐标），以及仿射变换——getAffineTransform
cv.warpPerspective()——对应33的矩阵转换——可以应用透射变换
以及一个图像大小按比例修改的函数：cv.resize()

warpAffine——参数

• 参数一：输入图像
• 参数二：平移矩阵——list类型
• 参数三：输出图像大小（采用元组(宽值，高值)）
• 参数四：bordermode——边界值处理——控制输出图像与原图像异常值是否处理，如何处理的参数
• 参数五：bordervalue边界值——一般默认为0不处理
• 说明——参数四五，在简单应用中不涉及，这里就不细讲了，后边会慢慢整理进阶的。
  
  平移时——你应该知道移动的x，y值，并满足以上矩阵：（也就是把x，y值放在这个位置——创建这样的矩阵采用numpy实现）——采用numpy.float32创建

getRotationMatrix2D——参数

opencv使用该函数实现了任一点旋转的方法——并且返回一个warpAffine的平移参数矩阵（2*3）

• 参数一：旋转中心位置坐标（采用二元元组传入）
• 参数二：旋转角度——正值为逆时针旋转角度
• 参数三：缩放比例——一般不变传入1即可

cv.getAffineTransform——参数

opencv使用该函数实现了通过取图像三点以及变化后的对应位置，来实现变换的方法——并且返回一个warpAffine的平移参数矩阵（2*3）——实现仿射变换

• 参数一：变化前的三个点的矩阵——list类型采用numpy.float32创建
• 参数二：变化后的三个点的矩阵——list类型

warpPerspective——参数

cv.warpPerspective实现透射变换——所以需要对空间有一个坐标——也就是对应着23到33矩阵变化的需要——当然实现透射变换还需要一个函数的帮助，来获取这样的移动参数矩阵

• 参数一：输入图像
• 参数二：移动（变换）参数
• 参数三：输出图像大小
• 参数四：插值方式
• 参数五六与warpAffine一样，都是对变换的边界进行处理的参数设置

cv.getPerspectiveTransform——参数

该函数为透色变换提供移动参数——一个3*3的移动参数矩阵。
而这样的参数，来源于原图像中的4个点坐标，以及设置的改变后对应的坐标

• 参数一：原图像四个坐标——list类型采用numpy.float32创建
• 参数二：变换后的坐标——list类型

resize——参数

• 参数一：输入图像
• 参数二：输出大小——设置输出大小（二元元组）
• 参数三：x伸展比例——参数二有具体大小，不为None时，x，y伸展不用填写，是无效的
• 参数四：y伸展比例——也就是说，选择一种伸缩方式即可
• 参数五：插值
• 常见插值为：
• cv.INTER_AREA——用于缩小
• cv.INTER_LINEAR——用于缩放（放大/缩小都可以）
• cv.INTER_CUBIC——用于低分辨率

代码实例

缩放

这里不要设置窗体可调——不然会显示不出来伸缩变换的。

import cv2 as cv
import numpy as np


if __name__ == "__main__":
    img = cv.imread('../imag_in_save/open_class.png')
    # cv.namedWindow('imag', cv.WINDOW_NORMAL)

    img_size_h, img_size_w = img.shape[:2]  # 获取形状大小——即第一位为行数，第二位为列数
    res = cv.resize(img, (img_size_w*1, img_size_h*3), interpolation=cv.INTER_CUBIC)
    # 高度变为3倍
    # 除了这样的操作外，还可以如此
    # res = cv.resize(img, None, fx=1, fy=3, interpolation=cv.INTER_CUBIC)
    cv.imshow('imag', res)
    cv.waitKey(0)
    cv.destroyAllWindows()

效果：伸缩变换前

伸缩变换后

平移

import cv2 as cv
import numpy as np


if __name__ == "__main__":
    img = cv.imread('../imag_in_save/open_class.png')

    img_size_h, img_size_w = img.shape[:2]  # 获取形状大小——即第一位为行数，第二位为列数
    move_value = np.float32([[1, 0, 66], [0, 1, 66]])  # 前面的公式可知：这里是移动x = 66， y = 66
    res = cv.warpAffine(img, move_value, (img_size_w, img_size_h))

    cv.imshow('imag', res)
    cv.waitKey(0)
    cv.destroyAllWindows()

效果：

翻转（或者说叫做2D平移旋转）

import cv2 as cv
import numpy as np


if __name__ == "__main__":
    img = cv.imread('../imag_in_save/open_class.png')
    # cv.namedWindow('imag', cv.WINDOW_NORMAL)

    img_size_h, img_size_w = img.shape[:2]  # 获取形状大小——即第一位为行数，第二位为列数
    move_value = cv.getRotationMatrix2D((img_size_w/2.0, img_size_h/2.0), 90, 1)  # 获取旋转后的移动坐标矩阵
    res = cv.warpAffine(img, move_value, (img_size_w, img_size_h))  # 实现平移旋转

    cv.imshow('imag', res)
    cv.waitKey(0)
    cv.destroyAllWindows()

效果：

仿射变换

import cv2 as cv
import numpy as np

if __name__ == "__main__":
    img = cv.imread('../imag_in_save/open_class.png')

    img_size_h, img_size_w = img.shape[:2]  # 获取形状大小——即第一位为行数，第二位为列数

    pst1 = np.float32([[20, 30], [50, 100], [100, 100]])  # 原图像的点坐标
    pst2 = np.float32([[40, 30], [50, 100], [80, 120]])  # 原点一一对应的变换点坐标
    move_value = cv.getAffineTransform(pst1, pst2)  # 获取仿射变换的平移坐标
    res = cv.warpAffine(img, move_value, (img_size_w, img_size_h))  # 实现平移——得到仿射变换的图形
    cv.imshow('res_imag', res)  # 显示变化后的图形
    cv.imshow('imag', img)  # 显示原图形
    cv.waitKey(0)
    cv.destroyAllWindows()

效果：

投射变换（可以用来解决拍摄的图形不平整进行平整变化的转换）

import cv2 as cv
import numpy as np

if __name__ == "__main__":
    img = cv.imread('../imag_in_save/open_class.png')

    img_size_h, img_size_w = img.shape[:2]  # 获取形状大小——即第一位为行数，第二位为列数
	pst1 = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])  # 需要四个点坐标_要求三个点不共线，# 将四点间内容作为显示内容
    pst2 = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]])  # 四点的坐标变化
    move_value = cv.getPerspectiveTransform(pst1, pst2)  # 获取投射变换的平移坐标
    res = cv.warpPerspective(img, move_value, (300, 300))  # 获取投射变换的图形——大小尽量与变化后的四点坐标等大宽度
    cv.imshow('res_imag', res)
    cv.imshow('imag', img)
    cv.waitKey(0)
    cv.destroyAllWindows()

效果：操作前后——如果图形是2d平整的，可能就会编程内凹或者其它的一些畸变。
以下图形实现通过透视变换，得到更平整的图像
视角变浅


**我的效果：**确实有透视的视角变深等变化