openCV中的图像处理 2 几何变换

基础函数

cv2.getPerspectiveTransform cv2.warpAffine() #img1 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #第三个参数的是输出图像的大小，它的格式 应该是图像的（宽，高）。应该记住的是图像的宽对应的是列数，高对应的是行 数。 cv2.getRotationMatrix2D() #M=cv2.getRotationMatrix2D(center, angle, scale) #center：图片的旋转中心 #angle：旋转角度 #scale：旋转后图像相比原来的缩放比例 #M:计算得到的旋转矩阵 cv2.warpPerspective cv2.resize(src, dst, interpolation=CV_INTER_LINEAR) src为待缩放的图像， dst为缩放后的图像尺寸大小， interpolation为缩放的插值方法。 插值方法： 默认时是cv2.INTER_LINEAR 缩小时用cv2.INTER_AREA 扩展放大时用cv2.INTER_CUBIC(慢) 和 cv2.INTER_LINEAR

扩展缩放

import cv2 import numpy as np img=cv2.imread('fjing.jpg') # 下面的 None 本应该是输出图像的尺寸，但是因为后边我们设置了缩放因子 # 因此这里为 None res=cv2.resize(img,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC) # 这里呢，我们直接设置输出图像的尺寸，所以不用设置缩放因子 height,width=img.shape[:2] res=cv2.resize(img,(2*width,2*height),interpolation=cv2.INTER_CUBIC) while(1): cv2.imshow('res',res) cv2.imshow('img',img) if cv2.waitKey(1) & 0xFF == 27: break cv2.destroyAllWindows()

平移

import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图片 img = cv2.imread('lhu.jpg') image = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 图像平移 下、上、右、左平移 M = np.float32([[1, 0, 0], [0, 1, 100]]) img1 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) M = np.float32([[1, 0, 0], [0, 1, -100]]) img2 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) M = np.float32([[1, 0, 100], [0, 1, 0]]) img3 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) M = np.float32([[1, 0, -100], [0, 1, 0]]) img4 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) # 显示图形 titles = ['Image1', 'Image2', 'Image3', 'Image4'] images = [img1, img2, img3, img4] for i in range(4): plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]), plt.yticks([]) plt.show()

平移效果

旋转

import cv2 import numpy as np img=cv2.imread('lhu.jpg',0) rows,cols=img.shape #这里的第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子 #可以通过设置旋转中心，缩放因子，以及窗口大小来防止旋转后超出边界的问题 M=cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6) #M=cv2.getRotationMatrix2D(center, angle, scale) #center：图片的旋转中心 #angle：旋转角度 #scale：旋转后图像相比原来的缩放比例 #M:计算得到的旋转矩阵 dst=cv2.warpAffine(img,M,(2*cols,2*rows)) while(1): cv2.imshow('img',dst) if cv2.waitKey(1)&0xFF==27: break cv2.destroyAllWindows()

旋转

仿射变换

# 在OpenCV中为了创建这个矩阵需要从原图像中找到三个点以及他们在输出图像中的位置 # 然后 cv2.getAffineTransform 会创建一个 2x3 的矩阵 # 最后这个矩阵会被传给函数 cv2.warpAffine() import cv2 import numpy as np img = cv2.imread("lhu.jpg") rows, cols, ch = img.shape pos1 = np.float32([[50, 50], [200, 50], [50, 200]]) # 原始图像中的点 pos2 = np.float32([[10, 100], [200, 50], [100, 250]]) # 变换后原图中的点应该在的位置 M = cv2.getAffineTransform(pos1, pos2) dst = cv2.warpAffine(img, M, (cols, rows)) # (宽， 高)的形式 cv2.imshow("img", img) cv2.imshow("dst", dst) if cv2.waitKey(0)&0xFF == 27: cv2.destroyAllWindows()

透视变换

# 透视变换:在不同的视觉拍摄同一个物体，会有不同的图像，透视变换就是类似于改变拍摄物体的角度（视觉）,故称透视变换 # 对于视角变换，我们需要一个 3x3 变换矩阵。在变换前后直线还是直线 # 要构建这个变换矩阵，你需要在输入图像上找 4 个点，以及他们在输出图 像上对应的位置 # 这四个点中的任意三个都不能共线 # 这个变换矩阵可以有 函数 cv2.getPerspectiveTransform() 构建 # 然后把这个矩阵传给函数 cv2.warpPerspective import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread("fjing.jpg") rows, cols, ch = img.shape pos1 = np.float32([[56, 65], [368, 52], [28, 387], [398, 390]]) # 原图像的点 pos2 = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]]) # 变换后pos1点在新图上点的位置 M = cv2.getPerspectiveTransform(pos1, pos2) # 形成透视变换的矩阵 dst = cv2.warpPerspective(img, M, (cols, rows)) cv2.imshow("img", img) cv2.imshow("dst", dst) if cv2.waitKey(0) & 0xFF == 27: cv2.destroyAllWindows()