5.3 几何变换--仿射 cv2.warpAffine()

《OpenCV 轻松入门 面向Python》 学习笔记

仿射变换

仿射变换是指图像经过一系列的几何变换来实现平移，旋转等操作。
该变换能保证图像的平直性和平行性：

• 平直性：平直性是指图像经过变换后，直线仍是直线
• 平行性：平行性是指图像经过变换后，平行线仍是平行线

仿射变换是通过一个变换矩阵M实现的：
$$dst\_img=M\cdot src\_img=\left[\begin{array}{ccc}{m}_{11}& m_{12}& m_{13}\\ m_{21}& m_{22}& m_{23}\end{array}\right]\cdot \left[\begin{array}{c}x\\ y\\ 1\end{array}\right]$$

---

函数原型：

dst_img = cv2.warpAffine(src_img, M, dsize=(width, height))

参数：
src_img：原始图像
M：变换矩阵输出图像尺寸大小
dsize：输出图像尺寸大小,必填参数, 注意 dsize参数的指定顺序，（width, height），第一个是width, 第二个是height

---

进行那种形式的仿射变换完全取决于变换矩阵，下面两个例子介绍通过不同的变换矩阵实现平移和旋转

平移

通过变换矩阵将图像向下推动100个像素，向右移动200 个像素

import cv2
import numpy as np

src_img = cv2.imread("/Users/manmi/Desktop/lena.bmp")
height, width = src_img.shape[:2]

M = np.float32([[1, 0, 100], [0, 1, 200]])

dst_img = cv2.warpAffine(src_img, M, (width, height))

cv2.imshow("src_img", src_img)
cv2.imshow("dst_img", dst_img)
cv2.waitKey()
cv2.destroyAllWindows()

输出：

---

旋转

在使用函数cv2.warpAffine()对图像进行旋转时，可以通过函数cv2.getRotationMatrix2D()获取转换矩阵。

cv2.getRotationMatrix2D() 函数原型：

cv2.getRotationMatrix2D(center, angle, scale)

举例， 要以图像中心为圆点，逆时针旋转45度， 并将目标图像缩小为原始图像的0.6倍：

import cv2
import numpy as np

src_img = cv2.imread("lena.bmp")
height, width = src_img.shape[:2]

M = cv2.getRotationMatrix2D((height/2, width/2), 45, 0.6)
dst_img = cv2.warpAffine(src_img, M, (width, height))

cv2.imshow("src_img", src_img)
cv2.imshow("dst_img", dst_img)
cv2.waitKey()
cv2.destroyAllWindows()

---

更复杂的仿射变换

对于更复杂的仿射变换，opencv提供了函数cv2.getAffineTransform()来生成变换矩阵M。生成的矩阵目标是将原始图片转成一个平行四边行，方法是指定原始图像的三个顶点坐标，并且指定目标图像对应的三个点的坐标

cv2.getAffineTransform() 函数原型：

cv2.getAffineTransform(src, dst)

• src: 代表输入图像的三个点坐标, 形为：$[[col_1, row_1], [col_2, row_2], [col_3, row_3]]
• dst: 代表输出图像的三个点坐标, 形为：$[[col_1, row_1], [col_2, row_2], [col_3, row_3]]

* 注意，角点左边也是先指定(第一个参数是)col，再指定(第二个参数是)row

举例：

import cv2
import numpy as np

src_img = cv2.imread("/Users/manmi/Desktop/lena.bmp")
rows, cols = src_img.shape[:2]

src_p = np.float32([[0, 0], [cols-1, 0], [0, rows-1]])
dst_p = np.float32([[0, rows*0.33], [cols*0.85, rows*0.25], [cols*0.15, rows*0.7]])
M = cv2.getAffineTransform(src_p, dst_p)
dst_img = cv2.warpAffine(src_img, M, (cols, rows))

cv2.imshow("src_img", src_img)
cv2.imshow("dst_img", dst_img)
cv2.waitKey()
cv2.destroyAllWindows()