目录
- 0 程序环境与所学函数
- 1 裁剪、放大、缩小
- 2 平移变换
- 3 错切变换
- 4 镜像变换
- 5 旋转变换
- 6 透视变换
- 7 最近邻插值、双线性插值
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
##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.warpPerspec编程客栈tive(img, M, dsize)
1 裁剪、放大、缩小
读入图像
img = cv.imread('pic/rabbit500x333.jpg')
show(img)
显示
裁剪：数组选择方法（冒号）
#裁剪 rabbit = img[150:450:] #限定行数，列数和三通道 show(rabbit)
显示
放编程客栈大和缩小：resize()函数
插值方法
程序实现
#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
img = cv.imread('pic/rabbit500x333.jpg')
show(img)
显示
程序dxyvp实现
# 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
img = cv.imread('pic/rabbit500x333.jpg')
show(img)
显示
水平错切
M 编程客栈= 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
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
img = cv.imread('pic/rabbit500x333.jpg')
show(img)
显示
水平镜像
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
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
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
img = cv.imread('pic/rabbit500x333.jpg')
show(img)
显示
图像旋转
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
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
# 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
img = cv.imread('pic/parthenon500x750.jpg')
show(img)
显示
程序实现
#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
img = cv.imread('pic/rabbit50x33.jpg')
show(img)
显示
程序实现
img1 = c编程客栈v.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，更多关于OpenCV 图像几何变换的资料请关注我们其它相关文章！
加载中,请稍侯......
精彩评论