OpenCV图像处理之七种常用图像几何变换
这篇文章主要介绍了OpenCV图像处理中常用的几个图像几何变换：裁剪、放大、缩小、平移、错切、镜像、旋转、透视等。文中示例代码非常详细，需要的朋友可以参考一下
0 程序环境与所学函数
本章程序运行需要导入下面三个库，并定义了一个显示图像的函数
所学函数
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | ##放大、缩小cv.resize(img,dsize,[interpolation])##平移变换M = np.array([[...]], dtype=np.float32)cv.warpAffine(img, M, dsize)##镜像变换cv.flip(img, 1) # 垂直镜像cv.flip(img, 0) # 水平镜像cv.flit(img, -1) # 水平垂直同时进行##旋转变换M = cv.getRotationMatrix2D(center, angle, scale)img_rotate = cv.rotate(img, cv.ROTATE_90_CLOCKWISE)##透视变换M = cv.getPerspectiveTransform(src, dst)img = cv.warpPerspective(img, M, dsize) |
1 裁剪、放大、缩小
读入图像
1 2 | img = cv.imread('pic/rabbit500x333.jpg')show(img) |
显示
裁剪：数组选择方法（冒号）
1 2 3 | #裁剪rabbit = img[150:450:] #限定行数，列数和三通道show(rabbit) |
显示
放大和缩小：resize()函数
插值方法
程序实现
1 2 3 4 5 6 7 | #放大缩小#cv.resize(img,dsize,[interpolation]) dsize表示大小，[interpolation]是插值方法，可选,有默认值img2 = cv.resize(img,(500,400)) #放大为宽500高400#使用定义插值方法#一般来说放大地话选择LINEAR方法，缩小选择AREA方法img3 = cv.resize(img,(500,400),interpolation=cv.INTER_NEAREST)show(np.hstack([img2,img3])) |
显示
2 平移变换
原理、平移矩阵推导
读入图像
1 2 | img = cv.imread('pic/rabbit500x333.jpg')show(img) |
显示
程序实现
1 2 3 4 5 6 7 8 9 | # M = np.array([[...]],dtype=np.float32) # cv.warAffine(img,M,dsize) cv里面图像仿射变换函数，M是上面矩阵，dsize是输出图像大小M=np.array([ [1,0,100], [0,1,50]],dtype=np.float32) #水平向右平移100个像素点，竖直向下平移50个像素点，原理见理论部分 img2 = cv.warpAffine(img,M,(333,500))show(img2) |
显示
3 错切变换
原理、错切矩阵推导
读入图像
1 2 | img = cv.imread('pic/rabbit500x333.jpg')show(img) |
显示
水平错切
1 2 3 4 5 6 7 | M = np.array([ [1,0.2,0], [0,1,0]],dtype=np.float32) img3 = cv.warpAffine(img,M,(533,500))show(img3) |
显示
垂直错切
1 2 3 4 5 6 7 | M = np.array([ [1,0,0], [0.3,1,0]],dtype=np.float32) img3 = cv.warpAffine(img,M,(333,700))show(img3) |
显示
4 镜像变换
原理、镜像矩阵推导
读入图像
1 2 | img = cv.imread('pic/rabbit500x333.jpg')show(img) |
显示
水平镜像
1 2 3 4 5 6 | Mx = np.array([ [-1,0,333], [0,1,0]],dtype = np.float32)img2 = cv.warpAffine(img,Mx,(333,500)) #仿射变换函数show(img2) |
显示
垂直镜像
1 2 3 4 5 6 7 | My = np.array([ [1,0,0], [0,-1,500]],dtype=np.float32) img3 = cv.warpAffine(img,My,(333,500))show(img3) |
显示
opencv内置函数实现镜像变换
#垂直镜像 cv.flip(img,1)
#水平镜像 cv.flip(img,0)
#水平垂直同时进行 cv.flip(img,-1)
程序实现
1 2 3 4 5 | img4 = cv.flip(img,1) #垂直镜像img5 = cv.flip(img,0) #水平镜像img6 = cv.flip(img,-1) #水平垂直镜像同时进行 show(np.hstack([img4,img5,img6])) |
显示
5 旋转变换
原理、旋转矩阵推导
读入图像
1 2 | img = cv.imread('pic/rabbit500x333.jpg')show(img) |
显示
图像旋转
1 2 3 4 5 6 7 8 9 | beta = np.pi/4#旋转矩阵M = np.array([ [np.cos(beta),np.sin(beta),0], [-np.sin(beta),np.cos(beta),0]],dtype=np.float32) img2 = cv.warpAffine(img,M,(633,300))show(img2) |
显示
opencv内置获取旋转矩阵函数：
M = cv.getRotationMatrix2D(center,angle,scale)
center是旋转中心，angle是旋转角度，scale表示放大还是缩小
用上面函数获取旋转矩阵并实现图像旋转
1 2 3 4 5 | h,w,c = img.shape #获取图像的高度和宽度，方便后面设置旋转中心 M2 = cv.getRotationMatrix2D((w//2,h//2),45,1)img3 = cv.warpAffine(img,M2,(533,500)) #仿射函数实现show(img3 |
显示
opencv内置实现图像旋转函数
img_rotate =cv.rotate(img,cv.ROTATE_90_COUNTERCLOCKWISE)
只能进行90度倍数的旋转
程序实现
1 2 3 | # 逆时针旋转90度img_rotate = cv.rotate(img,cv.ROTATE_90_COUNTERCLOCKWISE)show(img_rotate) |
显示
6 透视变换
M = cv.getPerspectiveTransform(str,dst)
str:原始图像矩阵端点位置，dst：目标图像矩阵位置
img2 = cv.warpPerspective(img,M,(w,h))
读入图像
1 2 | img = cv.imread('pic/parthenon500x750.jpg')show(img) |
显示
程序实现
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | #在原图中定位四个点，这里找的是柱子前面四个点的大概位置，眼睛观察法找的str = np.array([ [210,50], [610,270], [650,470], [150,450]],dtype=np.float32) #目标图像中矩阵dst = np.array([ [150,50], [650,50], [650,470], [150,470]],dtype=np.float32) h,w,c = img.shape #透视变换将一个类似矩形的图形拉成一个矩形M = cv.getPerspectiveTransform(str,dst)img2 = cv.warpPerspective(img,M,(w,h))show(img2) |
显示
应用：车道检测、图片矫正
7 最近邻插值、双线性插值
原理：
最近邻插值图示：
双线性插值图示
读入图像
1 2 | img = cv.imread('pic/rabbit50x33.jpg')show(img) |
显示
程序实现
1 2 3 4 | img1 = cv.resize(img,(330,500),interpolation=cv.INTER_NEAREST) #最近邻插值img2 = cv.resize(img,(330,500),interpolation=cv.INTER_LINEAR_EXACT) #精确双线新插值 show(np.hstack([img1,img2])) |
显示
可以看出最近邻插值还是比较模糊的，过渡结果没有双线性插值平滑
以上就是OpenCV图像处理之七种常用图像几何变换的详细内容
原文链接：https://blog.csdn.net/weixin_43498449/article/details/121874204