OpenCV入门（C++/Python）- 使用OpenCV进行图像旋转和转换（五）

近年来，随着手机具有这种内置功能，图像编辑变得越来越流行，它可以让您裁剪、旋转图像并对图像进行更多处理。

在这篇文章中，我们将探索和学习这些图像编辑技术。具体来说，我们将学习如何：

• 旋转图像
• 转换或移动图像内容

基本图像转换操作

图像的旋转和平移是图像编辑中最基本的操作之一。两者都属于更广泛的仿射变换类别。因此，在研究更复杂的转换之前，您应该首先学习使用OpenCV中可用的函数旋转和平移图像。查看下面的图片，我们将在这里的所有转换示例中使用它。

先看看下面的代码，这些代码将用于使用OpenCV执行图像旋转

Python

import cv2
 
# Reading the image
image = cv2.imread('image.jpg')
 
# dividing height and width by 2 to get the center of the image
height, width = image.shape[:2]
# get the center coordinates of the image to create the 2D rotation matrix
center = (width/2, height/2)
 
# using cv2.getRotationMatrix2D() to get the rotation matrix
rotate_matrix = cv2.getRotationMatrix2D(center=center, angle=45, scale=1)
 
# rotate the image using cv2.warpAffine
rotated_image = cv2.warpAffine(src=image, M=rotate_matrix, dsize=(width, height))
 
cv2.imshow('Original image', image)
cv2.imshow('Rotated image', rotated_image)
# wait indefinitely, press any key on keyboard to exit
cv2.waitKey(0)
# save the rotated image to disk
cv2.imwrite('rotated_image.jpg', rotated_image)

C++

#include 
#include
using namespace cv;
 
int main(int, char**) 
{
    Mat image = imread("image.jpg");
    imshow("image", image);
    waitKey(0);
    double angle = 45;
 
    // get the center coordinates of the image to create the 2D rotation matrix
    Point2f center((image.cols - 1) / 2.0, (image.rows - 1) / 2.0);
    // using getRotationMatrix2D() to get the rotation matrix
    Mat rotation_matix = getRotationMatrix2D(center, angle, 1.0);
 
    // we will save the resulting image in rotated_image matrix
    Mat rotated_image;
    // rotate the image using warpAffine
    warpAffine(image, rotated_image, rotation_matix, image.size());
    imshow("Rotated image", rotated_image);
    // wait indefinitely, press any key on keyboard to exit
    waitKey(0);
    // save the rotated image to disk
    imwrite("rotated_im.jpg", rotated_image);
 
    return 0;
}

使用OpenCV的图像旋转

通过定义变换矩阵$M$，可以将图像旋转一定角度$\theta$。该矩阵通常为：

$$M=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]\text{\hspace{1em}(1)}$$
OpenCV提供了可以自定义图像旋转的中心，以及调整图像大小的比例因子。在这种情况下，变换矩阵会被修改如下。

$$M=\left[\begin{array}{ccc}\alpha & \beta & （1-\alpha )\ast c_x-\beta \ast c_y\\ -\beta & \alpha & \beta \ast c_x+(1-\alpha )\ast c_y\end{array}\right]\text{\hspace{1em}(2)}$$
在上述矩阵中
$$\alpha =scale\ast \cos \theta$$$$\beta =scale\ast \sin \theta$$

其中$c_x$和$c_y$是图像旋转所沿的坐标。
OpenCV提供getRotationMatrix2D（）函数来创建上述转换矩阵。
以下是创建二维旋转矩阵的语法：

getRotationMatrix2D(center, angle, scale)

getRotationMatrix2D（）函数接受以下参数：

• center：输入图像的旋转中心
• angle：以度为单位的旋转角度
• scale：各向同性比例因子，根据提供的值向上或向下缩放图像

如果角度为正，图像将沿逆时针方向旋转。如果要将图像顺时针旋转相同的角度，则角度需要为负值。

旋转图像的三步操作：

1. 首先，得到旋转中心。及旋转的图像的中心。
2. 接下来，创建二维旋转矩阵。OpenCV提供了上面讨论的getRotationMatrix2D（）函数。
3. 最后，使用在上一步中创建的旋转矩阵将仿射变换应用于图像。OpenCV中的warpAffine（）函数完成此任务。

warpAffine（）函数对图像应用仿射变换。在应用仿射变换之后，原始图像中的所有平行线也将在输出图像中保持平行。

warpAffine（）的完整语法如下：

warpAffine(src, M, dsize[, dst[, flags[,borderMode[,borderValue]]]])

以下是函数的参数：

• src：源图像
• M： 变换矩阵
• dsize：输出图像的大小 d
• dst：输出图像
• flags：插值方法的组合，如INTER_LINEAR或INTER_NEAREST
• borderMode：像素外推方法
  borderValue：在常量边框的情况下使用的值，默认值为0

下面举一个具体的例子，并尝试使用OpenCV来实现它

Python

import cv2
 
# Reading the image
image = cv2.imread('image.jpg')

# Dividing height and width by 2 to get the center of the image
height, width = image.shape[:2]
center = (width/2, height/2)

C++

#include "opencv2/opencv.hpp"
using namespace cv;
 
# Reading the image
Mat image = imread("image.jpg");

// get the center coordinates of the image to create the 2D rotation matrix
Point2f center((image.cols - 1) / 2.0, (image.rows - 1) / 2.0);

获得图像中心的像素坐标后，使用函数getRotationMatrix2D（）计算旋转矩阵，如下所示。此函数将以下内容作为输入：

• 旋转所围绕的中心点
• 旋转角度，以度为单位（正值，对应于逆时针旋转）
• 调整图像大小的各向同性比例因子。这可以是一个浮点值。例如，值1.0将保持输出图像与源图像的大小相同。值为2.0将使生成的图像的大小是源图像的两倍

该函数返回2D旋转矩阵，该矩阵将在下一步中用于旋转图像。

Python

# the above center is the center of rotation axis
# use cv2.getRotationMatrix2D() to get the rotation matrix
rotate_matrix = cv2.getRotationMatrix2D(center=center, angle=45, scale=1)

C++

// create the rotation matrix using the image center
Mat rotation_matix = getRotationMatrix2D(center, angle=45, 1.0);

现在，使用warpAffine（）函数将计算的旋转矩阵应用于图像。它需要三个输入：

• 源图像
• 旋转矩阵
• 输出图像的大小

Python

# Rotate the image using cv2.warpAffine
rotated_image = cv2.warpAffine(src=image, M=rotate_matrix, dsize=(width, height))

C++

// we will save the resulting image in rotated_image matrix
Mat rotated_image;
// apply affine transformation to the original image using the 2D rotation matrix
warpAffine(image, rotated_image, rotation_matix, image.size());

现在，使用imshow（）函数显示旋转后的图像。
Python

# visualize the original and the rotated image
cv2.imshow('Original image', image)
cv2.imshow('Rotated image', rotated_image)
# wait indefinitely, press any key on keyboard to exit
cv2.waitKey(0)
# write the output, the rotated image to disk
cv2.imwrite('rotated_image.jpg', rotated_image)

C++

imshow("Rotated image", rotated_image);
waitKey(0);
// save the rotated image to disk
imwrite("rotated_im.jpg", rotated_image);

使用OpenCV转换图像

在计算机视觉中，图像的平移意味着沿x轴和y轴将其移动指定数量的像素。让图像需要移动的像素为$t_x$和$t_y$。

定义平移矩阵M：

$$M=\left[\begin{array}{ccc}1& 0& t_x\\ 0& 1& t_y\end{array}\right]\text{\hspace{1em}(3)}$$

现在，在按$t_x$和$t_y$值移动图像时。

• $t_x$提供正值将使图像向右移动，负值将使图像向左移动。
• 类似地，$t_y$的正值将向下移动图像，而负值将向上移动图像。

按照以下步骤使用OpenCV转换图像：

• 首先，读取图像并获得其宽度和高度。
• 接下来，像旋转一样，创建一个变换矩阵，这是一个2D阵列。该矩阵包含沿x和y轴移动图像所需的信息。
• 同样，在旋转中，在最后一步中使用warpAffine（）函数应用仿射变换。

代码如下：
Python

import cv2 
import numpy as np
 
# read the image 
image = cv2.imread('image.jpg')
# get the width and height of the image
height, width = image.shape[:2]

C++

#include "opencv2/opencv.hpp"
using namespace cv
// read the image 
Mat image = imread("image.jpg");
// get the height and width of the image
int height = image.cols;
int width = image.rows;

创建转换矩阵

Python

# get tx and ty values for translation
# you can specify any value of your choice
tx, ty = width / 4, height / 4
 
# create the translation matrix using tx and ty, it is a NumPy array 
translation_matrix = np.array([
    [1, 0, tx],
    [0, 1, ty]
], dtype=np.float32)

C++

// get tx and ty values for translation
float tx = float(width) / 4;
float ty = float(height) / 4;
// create the translation matrix using tx and ty
float warp_values[] = { 1.0, 0.0, tx, 0.0, 1.0, ty };
Mat translation_matrix = Mat(2, 3, CV_32F, warp_values);

在本例中，您将宽度和高度的四分之一作为转换值。
使用warpAffine（）函数将平移矩阵应用于图像，与旋转原理相同。

Python

# apply the translation to the image
translated_image = cv2.warpAffine(src=image, M=translation_matrix, dsize=(width, height))

C++

// save the resulting image in translated_image matrix
Mat translated_image;
// apply affine transformation to the original image using the translation matrix
warpAffine(image, translated_image, translation_matrix, image.size());

注意：warpAffine（）是一个通用函数，可用于对图像应用任何类型的仿射变换。只需适当地定义矩阵M。

最后，使用imshow（）函数显示旋转后的图像。
Python

# display the original and the Translated images
cv2.imshow('Translated image', translated_image)
cv2.imshow('Original image', image)
cv2.waitKey(0)
# save the translated image to disk
cv2.imwrite('translated_image.jpg', translated_image)

C++

//display the original and the Translated images
imshow("Translated image", translated_image);
imshow("Original image", image);
waitKey(0);
// save the translated image to disk
imwrite("translated_image.jpg", translated_image);