【OpenCV学习】（六）图像基本变换
【OpenCV学习】（六）图像基本变换
背景
图像的变换通常用于数据预处理部分，例如缩放旋转等常见的图像变换方法；在一些深度学习框架内部都分装了图像变换的方法，对训练集做统一的图像变换操作；
一、图像缩放
函数原型：
resize（src，dsize，[fx，fy，interpolation]）
- fx：x轴的缩放因子；
- fy：y轴的缩放因子；
- interpolation：插值算法；
插值算法有以下几种：
1、INTER_NEAREST：最近邻插值，速度快，效果差；
2、INTER_LINEAR：双线性插值，基于原图的四个点；（默认插值方法）
3、INTER_CUBIC：三次插值，基于原图16个点，效果好但耗时大；
4、INTER_AREA：效果最好，速度也最慢；
二、图像翻转
图像翻转不等同于旋转，类似于一些视频的拍摄，拍摄后实际是左右颠倒的，通过图像翻转可进行还原；
函数原型：
filp（img，filpCode）：filpCode等于0（上下翻转）、大于0（左右翻转）、小于0（上下+左右翻转）
代码案例：
cv2.filp(img, 0) # 上下翻转
cv2.filp(img, 1) # 左右翻转
cv2.filp(img, -1) # 上下左右翻转
三、图像旋转
函数原型：
rotate（img，rotateCode）
- ROTATE_90_CLOCKWISE：顺时针旋转90°
- ROTATE_180：旋转180°
- ROTATE_90_COUNTERCLOCKWISE：逆时针旋转90°
四、图像仿射变换——平移
首先介绍一下放射变换，简单来说就是图像旋转、缩放、平移的总称；
函数原型：
warpAffine（src，M，dsize，flags，mode，value）
- M：变换矩阵
- dsize：输出尺寸大小
- flags：与size中的插值算法一致
- mode：边界外推法标志
- value：填充边界的值
实际上平移矩阵就是一个2x2的单位矩阵加上一个2x1的平移向量，也就是2x3的矩阵；
代码案例：
img = cv2.imread('img.jpg')
h,w,c = img.shape
M = np.float32([[1, 0, 500], [0, 1, 0]]) # x方向平移500个像素点
new = cv2.warpAffine(img, M, (w, h))
cv2.imshow('new', new)
cv2.waitKey(0)
五、图像仿射变换——旋转
获取变换矩阵M的两种方法：
1、getRotationMatrix2D（center，angle，scale）
- center：中心点
- angle：旋转角度（逆时针）
- scale：缩放比例（宽高同时缩放）
代码案例：
M = cv2.getRotationMatrix2D((100,100), 30, 1.0)
new = cv2.warpAffine(img, M, (w, h))
2、getAffineTransform（src[]，dst[]）
定义：通过点对应找到变换矩阵，一般三个点就可以；
拓展：这里可以联想到TPS算法，也是通过对应点进行变换的一种方法，二者可能有想通之处；
代码案例：
src = np.float32([[100, 200], [300, 400], [500, 700]])
dst = np.float32([[300, 400], [800, 500], [900, 800]])
cM = cv2.getAffineTransform(src, dst)
new = cv2.warpAffine(img, M, (w, h))
六、透视变换
这里用一个具体案例来介绍，例如拍照搜题的软件，当拍摄整页时会有一种书本和桌面组合的样子，经过透视变换后能更好的将想要的信息放在图像中；
仿射变换函数原型：
warpPerspective（img，M，dsize，…）
获取变换矩阵函数原型：
getPerspective（src，dst）：和getAffineTransform函数比较类似，不同的是需要四个坐标点（图形四个角）；
代码案例：
paper = cv2.imread('paper.png')
src = np.float32([[100,1100], [2100, 1100], [0, 4000], [2500, 3900]])
dst = np.float32([[0, 0], [2300, 0], [0, 3000], [2300, 3000]])
M = cv2.getPerspectiveTransform(src, dst)
new = cv2.warpPerspective(paper, M, (2300, 3000))
paper = cv2.resize(paper, (460, 600))
new = cv2.resize(new, (460, 600))
cv2.imshow('org', paper)
cv2.imshow('new', new)
cv2.waitKey(0)
总结
图像的变换在解决一些小问题上十分有效，特别是变换矩阵的获取，本质上变换矩阵就是一个滤波器，通过该滤波器改变了图像中一些点的像素值；像仿射变换、透视变换，都是十分常用的方法，用于图像的前处理部分；