【OpenCV图像处理5】图像的变换

文章目录

  • 五、图像的变换
    • 1、图像的基本变换
      • 1.1 图像的缩放
      • 1.2 图像的翻转
      • 1.3 图像的旋转
    • 2、图像的仿射变换
      • 2.1 图像平移
      • 2.2 获取变换矩阵
    • 3、图像的透视变换

五、图像的变换

1、图像的基本变换

1.1 图像的缩放

resize用法:

cv2.resize(src, dsize, dst, fx, fy, interpolation)

参数说明:

  • src:进行缩放的图像

  • dsize:缩放之后图像的大小(元组或列表表示即可)

  • dst:可选参数,缩放之后的输出图像

  • fx, fy:x轴和y轴的缩放比,即宽度和高度的缩放比

  • interpolation:插值算法,主要有以下几种:

算法 描述
INTER_NEAREST 邻近插值,速度快,效果差
INTER_LINEAR 双线性插值,使用原图中的4个点进行插值(默认)
INTER_CUBIC 三次插值,原图中的16个点
INTER_AREA 区域插值,效果最好,计算时间最长

1、原图像:480 * 640

【OpenCV图像处理5】图像的变换_第1张图片

2、dsize = (320, 240) 缩放之后的图像:

new_dog = cv2.resize(dog, (320, 240))

【OpenCV图像处理5】图像的变换_第2张图片

3、fx=0.7, fy=0.7 缩放之后的图像:

new_dog = cv2.resize(dog, None, fx=0.7, fy=0.7)

【OpenCV图像处理5】图像的变换_第3张图片

4、INTER_NEAREST(左)、INTER_LINEAR(右)

【OpenCV图像处理5】图像的变换_第4张图片

5、INTER_CUBIC(左)、INTER_AREA(右)

【OpenCV图像处理5】图像的变换_第5张图片

代码实现:

import cv2

dog = cv2.imread('../resource/r_dog.jpg')
# new_dog = cv2.resize(dog, (320, 240))
# new_dog = cv2.resize(dog, None, fx=0.7, fy=0.7)
new_dog = cv2.resize(dog, None, fx=0.7, fy=0.7, interpolation=cv2.INTER_CUBIC)

cv2.imshow('dog', dog)
cv2.imshow('new_dog', new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.2 图像的翻转

flip()用法:

cv2.flip(src, flipCode)

参数说明:

  • src:进行翻转的图像
  • flipCode
    • flipCode = 0:表示上下翻转
    • flipCode > 0:表示左右翻转
    • flipCode < 0:上下 + 左右

1、flipCode = 0:表示上下翻转

up_down = cv2.flip(cat, flipCode=0)

【OpenCV图像处理5】图像的变换_第6张图片

2、flipCode > 0:表示左右翻转

left_right = cv2.flip(cat, flipCode=1)

【OpenCV图像处理5】图像的变换_第7张图片

3、flipCode < 0:上下 + 左右

up_down_left_right = cv2.flip(cat, flipCode=-1)

【OpenCV图像处理5】图像的变换_第8张图片

代码实现:

import cv2
import numpy as np

cat = cv2.imread('../resource/r_cat.jpg')

up_down = cv2.flip(cat, flipCode=0)

cv2.imshow('up_down', np.hstack((cat, up_down)))
cv2.waitKey(0)
cv2.destroyAllWindows()

1.3 图像的旋转

rotate()用法:

rotate(src, rotateCode)

参数说明:

  • src:进行旋转的图像
  • rotateCode
rotateCode 描述
ROTATE_90_CLOCKWISE 顺时针 90°
ROTATE_180 180°
ROTATE_90_COUNTERCLOCKWISE 逆时针 90°

原图像 VS 旋转180°

【OpenCV图像处理5】图像的变换_第9张图片

代码实现:

import cv2
import numpy as np

dog = cv2.imread('../resource/r_dog.jpg')
new = cv2.rotate(dog, cv2.ROTATE_180)

cv2.imshow('dog', np.hstack((dog, new)))
cv2.waitKey(0)
cv2.destroyAllWindows()

2、图像的仿射变换

仿射变换是图像旋转、缩放、平移的总称。

具体的做法是通过一个矩阵和原图像坐标进行计算,得到新的坐标,完成变换,所以关键就是这个变换矩阵。

warpAffine用法:

cv2.warpAffine(src, M, dsize, dst, flags, borderMode, borderValue)

参数说明:

  • src:进行变换的图像
  • M:变换矩阵
  • dsize:输出图像大小
  • dst:可选参数,缩放之后的输出图像
  • flags:与resize中的插值算法一致
  • borderMode:边界外推法标志
  • borderValue:填充边界的值

2.1 图像平移

矩阵中的每个像素由(x, y)组成,因此,其变换矩阵是2 * 2的矩阵。

平移向量为2 * 1的向量,所在平移矩阵为2 * 3矩阵

代码实现: x, y 均平移100

import cv2
import numpy as np

# 导入图像
dog = cv2.imread('../resource/r_dog.jpg')

h, w, ch = dog.shape
M = np.float32([[1, 0, 100], [0, 1, 100]])
# 注意:先宽度、再高度
new = cv2.warpAffine(dog, M, (w, h))

cv2.imshow('dog', np.hstack((dog, new)))
cv2.waitKey(0)
cv2.destroyAllWindows()

【OpenCV图像处理5】图像的变换_第10张图片

2.2 获取变换矩阵

仿射变换的难点就是计算变换矩阵,OpenCV提供了计算变换矩阵的API:

getRotationMatrix2D()用法:

cv2.getRotationMatrix2D(center, angle, scale)

参数说明:

  • center:中心点,以图像的哪个点作为旋转的中心点
  • angle:角度,旋转的角度,按照逆时针旋转
  • scale:缩放比例,想把图像进行什么样的缩放

代码实现: 以原图像中心点逆时针旋转45°

import cv2
import numpy as np

# 导入图像
dog = cv2.imread('../resource/r_dog.jpg')

h, w, ch = dog.shape

# 获取变换矩阵
M = cv2.getRotationMatrix2D((w / 2, h / 2), 45, 1.0)
new = cv2.warpAffine(dog, M, (w, h))

cv2.imshow('dog', np.hstack((dog, new)))
cv2.waitKey(0)
cv2.destroyAllWindows()

【OpenCV图像处理5】图像的变换_第11张图片

getAffineTransform()用法:

cv2.getAffineTransform(src, dst)

参数说明:

  • src:原目标的3个点
  • dst:对应变换后的3个点

通过三个点可以确定变换后的位置,相当于解方程,三个点对应三个方程,能解出偏移的参数和旋转的角度。

【OpenCV图像处理5】图像的变换_第12张图片

代码实现:

import cv2
import numpy as np

# 导入图像
dog = cv2.imread('../resource/r_dog.jpg')

h, w, ch = dog.shape

src = np.float32([[100, 200], [200, 100], [200, 300]])
dst = np.float32([[100, 150], [360, 200], [280, 120]])

M = cv2.getAffineTransform(src, dst)
new = cv2.warpAffine(dog, M, (w, h))

cv2.imshow('dog', np.hstack((dog, new)))
cv2.waitKey(0)
cv2.destroyAllWindows()

【OpenCV图像处理5】图像的变换_第13张图片

3、图像的透视变换

透视变换就是将一种坐标系变成另一种坐标系。简单的来说,可以把一张“斜”的图像变“正”。

【OpenCV图像处理5】图像的变换_第14张图片

warpPerspective()用法:

cv2.warpPerspective(src, M, dsize, dst, flags, borderMode,borderValue)

对于透视变换来说,M是一个3 * 3的矩阵。

getPerspectiveTransform()用法:

cv2.getPerspectiveTransform(src, dst, solveMethod)

获取透视变换的变换矩阵,需要4个点,即图像的4个角。

代码实现:

import cv2
import numpy as np

# 导入图像
six = cv2.imread('../resource/six.jpg')
print(six.shape)

src = np.float32([[100, 100], [670, 100], [100, 960], [670, 960]])
dst = np.float32([[0, 0], [620, 0], [0, 860], [570, 860]])
M = cv2.getPerspectiveTransform(src, dst)

new = cv2.warpPerspective(six, M, (570, 860))

cv2.imshow('six', six)
cv2.imshow('new', new)
cv2.waitKey(0)
cv2.destroyAllWindows()

你可能感兴趣的:(OpenCV图像处理,opencv,图像处理,计算机视觉,人工智能,python)