基于python的空域变换

空域变换加法运算减法运算乘法运算逻辑运算缩放平移旋转 后续

空域变换

空域：是指图像所在的平面，即像素位置所在的空间。空域变换：对像素点的位置和灰度值根据图像变化目的需要，对图像矩阵进行运算操作，形成另一幅图像。空域变换分类：算术逻辑变换、几何变换、灰度变换、直方图变换。

加法运算

主要应用

去除叠加性噪声生成图像叠加效果 import cv2 as cv img1 = cv.imread("1.jpg") img2 = cv.imread("2.jpg") print(img1.shape,img2.shape) img1=cv.resize(img1,(img2.shape[1],img2.shape[0])) image=cv.addWeighted(img1,0.6,img2,0.4,0.0,) cv.imshow('img1',image) cv.waitKey(0) cv.destroyAllWindows()

减法运算

“主要运用”

显示两幅图像的差异，检测同一场景两幅图像之间的变化，如：视频中镜头边界的检测去除不需要的叠加性图案图像分割：如分割运动的车辆，减法去掉静止部分，剩余的是运动元素和噪声 import cv2 as cv img1=cv.imread('5.png') img2=cv.imread('6.png') #img1=cv.imread('LinuxLogo.jpg') #img2=cv.imread('WindowsLogo.jpg') dst=cv.add(img1,img2) dst1=cv.subtract(img1,img2) cv.imshow('dst',dst1) cv.imshow('dst1',dst) cv.waitKey(0) cv.destroyAllWindows()

乘法运算

主要应用 图像的局部显示，如：用二值蒙板图像与原图像做乘法

import cv2 as cv img1=cv.imread('5.png') img2=cv.imread('6.png') dst=img1*img2 cv.imshow('181360152',dst) cv.waitKey(0) cv.destroyAllWindows()

逻辑运算

非运算主要运用：图像求反，g（x,y）=255-f(x,y)与运算主要用于：两个图像相交子集，提取感兴趣子图像，g（x,y）=f（x,y）^h（x,y) import cv2 as cv img1=cv.imread('LinuxLogo.jpg') img2=cv.imread('WindowsLogo.jpg') and_img=cv.bitwise_and(img1,img2) or_img=cv.bitwise_or(img1,img2) not_img=cv.bitwise_not(img1) xor_img=cv.bitwise_xor(img1,img2) cv.imshow('181360152',and_img) cv.imshow('181360152zhang',or_img) cv.imshow('181360152yang',not_img) cv.imshow('181360152-',xor_img) cv.waitKey(0) cv.destroyAllWindows()

缩放

import cv2 import math import numpy as np class Img: def __init__(self,image,rows,cols,center=[0,0]): self.src=image #原始图像 self.rows=rows #原始图像的行 self.cols=cols #原始图像的列 self.center=center #旋转中心，默认是[0,0] def Move(self,delta_x,delta_y): #平移 #delta_x>0左移，delta_x<0右移 #delta_y>0上移，delta_y<0下移 self.transform=np.array([[1,0,delta_x],[0,1,delta_y],[0,0,1]]) def Zoom(self,factor): #缩放 #factor>1表示缩小；factor<1表示放大 self.transform=np.array([[factor,0,0],[0,factor,0],[0,0,1]]) def Horizontal(self): #水平镜像 self.transform=np.array([[1,0,0],[0,-1,self.cols-1],[0,0,1]]) def Vertically(self): #垂直镜像 self.transform=np.array([[-1,0,self.rows-1],[0,1,0],[0,0,1]]) def Rotate(self,beta): #旋转 #beta>0表示逆时针旋转；beta<0表示顺时针旋转 self.transform=np.array([[math.cos(beta),-math.sin(beta),0], [math.sin(beta), math.cos(beta),0], [ 0, 0, 1]]) def Process(self): self.dst=np.zeros((self.rows,self.cols),dtype=np.uint8) for i in range(self.rows): for j in range(self.cols): src_pos=np.array([i-self.center[0],j-self.center[1],1]) [x,y,z]=np.dot(self.transform,src_pos) x=int(x)+self.center[0] y=int(y)+self.center[1] if x>=self.rows or y>=self.cols or x<0 or y<0: self.dst[i][j]=255 else: self.dst[i][j]=self.src[x][y] if __name__=='__main__': src=cv2.imread('123.jpg',0) rows = src.shape[0] cols = src.shape[1] cv2.imshow('src', src) img=Img(src,rows,cols,[248,231]) img.Zoom(0.5) #缩放 img.Process() cv2.imshow('dst', img.dst) cv2.waitKey(0)

平移

import cv2 import math import numpy as np class Img: def __init__(self,image,rows,cols,center=[0,0]): self.src=image #原始图像 self.rows=rows #原始图像的行 self.cols=cols #原始图像的列 self.center=center #旋转中心，默认是[0,0] def Move(self,delta_x,delta_y): #平移 #delta_x>0左移，delta_x<0右移 #delta_y>0上移，delta_y<0下移 self.transform=np.array([[1,0,delta_x],[0,1,delta_y],[0,0,1]]) def Zoom(self,factor): #缩放 #factor>1表示缩小；factor<1表示放大 self.transform=np.array([[factor,0,0],[0,factor,0],[0,0,1]]) def Horizontal(self): #水平镜像 self.transform=np.array([[1,0,0],[0,-1,self.cols-1],[0,0,1]]) def Vertically(self): #垂直镜像 self.transform=np.array([[-1,0,self.rows-1],[0,1,0],[0,0,1]]) def Rotate(self,beta): #旋转 #beta>0表示逆时针旋转；beta<0表示顺时针旋转 self.transform=np.array([[math.cos(beta),-math.sin(beta),0], [math.sin(beta), math.cos(beta),0], [ 0, 0, 1]]) def Process(self): self.dst=np.zeros((self.rows,self.cols),dtype=np.uint8) for i in range(self.rows): for j in range(self.cols): src_pos=np.array([i-self.center[0],j-self.center[1],1]) [x,y,z]=np.dot(self.transform,src_pos) x=int(x)+self.center[0] y=int(y)+self.center[1] if x>=self.rows or y>=self.cols or x<0 or y<0: self.dst[i][j]=255 else: self.dst[i][j]=self.src[x][y] if __name__=='__main__': src=cv2.imread('123.jpg',0) rows = src.shape[0] cols = src.shape[1] cv2.imshow('src', src) img=Img(src,rows,cols,[248,231]) img.Move(-30, -50) # 平移 img.Process() cv2.imshow('dst', img.dst) cv2.waitKey(0)

旋转

import cv2 import math import numpy as np class Img: def __init__(self,image,rows,cols,center=[0,0]): self.src=image #原始图像 self.rows=rows #原始图像的行 self.cols=cols #原始图像的列 self.center=center #旋转中心，默认是[0,0] def Move(self,delta_x,delta_y): #平移 #delta_x>0左移，delta_x<0右移 #delta_y>0上移，delta_y<0下移 self.transform=np.array([[1,0,delta_x],[0,1,delta_y],[0,0,1]]) def Zoom(self,factor): #缩放 #factor>1表示缩小；factor<1表示放大 self.transform=np.array([[factor,0,0],[0,factor,0],[0,0,1]]) def Horizontal(self): #水平镜像 self.transform=np.array([[1,0,0],[0,-1,self.cols-1],[0,0,1]]) def Vertically(self): #垂直镜像 self.transform=np.array([[-1,0,self.rows-1],[0,1,0],[0,0,1]]) def Rotate(self,beta): #旋转 #beta>0表示逆时针旋转；beta<0表示顺时针旋转 self.transform=np.array([[math.cos(beta),-math.sin(beta),0], [math.sin(beta), math.cos(beta),0], [ 0, 0, 1]]) def Process(self): self.dst=np.zeros((self.rows,self.cols),dtype=np.uint8) for i in range(self.rows): for j in range(self.cols): src_pos=np.array([i-self.center[0],j-self.center[1],1]) [x,y,z]=np.dot(self.transform,src_pos) x=int(x)+self.center[0] y=int(y)+self.center[1] if x>=self.rows or y>=self.cols or x<0 or y<0: self.dst[i][j]=255 else: self.dst[i][j]=self.src[x][y] if __name__=='__main__': src=cv2.imread('123.jpg',0) rows = src.shape[0] cols = src.shape[1] cv2.imshow('src', src) img=Img(src,rows,cols,[248,231]) img.Rotate(-math.radians(180)) #旋转 img.Process() cv2.imshow('dst', img.dst) cv2.waitKey(0)

后续

如果想了解更多物联网、智能家居项目知识，可以关注我的项目实战专栏。 或者关注公众号。

编写不易，感谢支持。