计算机视觉6：几何变换

1. 图像平移

图像平移是将一幅图像中所有的点都按照指定的平移量在水平、垂直方向移动，平移后的图像与原图像相同。

平移变换分两种类型：一种是图像大小不改变，这样最后原图像中会有一部分不在图像中；一种是图像大小改变，这样可以保全原图像的内容。

有了OpenCV后，平移图像就不需要如此麻烦了，因为OpenCV提供了函数warpAffine，该函数使用指定的矩阵变换源图像，声明如下：

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

• src：表示输入的图像；
• M：表示2*3变换矩阵；
• dsize：表示输出图像的大小；
• dst：表示大小为dsize且类型与src相同的输出图像；
• flags：表示插值方法的组合；
• borderMode：表示边界模式；
• borderValue：表示在边界为常量的情况下使用的值，默认为0。

代码实例：实现图像平移

import numpy as np
import cv2 as cv

img = cv.imread(r'test.jpg', 1)
rows, cols, channels = img.shape  # 获取图像的行数、列数和通道数

# 创建一个仿射变换矩阵M。这个矩阵定义了一个线性变换，
# 其中：
# 第一列 [1, 0] 表示x坐标的缩放因子和偏移量。
# 第二列 [0, 1] 表示y坐标的缩放因子和偏移量。
# 这里，图像将在x方向上平移100个像素，在y方向上平移50个像素。
M = np.float32([[1,0,100],[0,1,50]])

res = cv.warpAffine(img, M, (cols, rows))
cv.imshow('img', res)
cv.waitKey(0)
cv.destroyAllWindows()

效果图：

2. 图像旋转

图像的旋转变换时图像的位置变换，旋转后图像的大小一般会改变。

旋转前和旋转后的点离中心的位置不变。

可以利用OpenCV提供的库函数getRotationMatrix2D来实现图像旋转。还函数用来计算出旋转矩阵，声明如下：

getRotationMatrix2D（center, angle, scale） →  retval

• center：表示旋转的中心点；
• angle：表示旋转的角度；
• scale：表示图像缩放因子。

代码实例1：实现图像的旋转

import cv2
import numpy as np

img=cv2.imread('test.jpg')
# 获取图像的行数和列数，这里使用img.shape获取图像的维度信息，并切片前两个元素。
rows,cols=img.shape[:2]

# 缩放因子，这里设置为1.2，表示旋转后的图像大小将是原始大小的1.2倍。
M=cv2.getRotationMatrix2D((cols/2,rows/2),60,1.2)
#第一个参数是旋转中心，第二个参数是旋转角度，第三个因子是旋转后的缩放因子

shuchu=cv2.warpAffine(img,M,(2*cols,rows)) # 第三个参数是输出图像的尺寸中心，图像的宽和高
while(1):
    cv2.imshow('Result',shuchu)
    if cv2.waitKey(1)&0xFF==27:   # ，27是Esc键的按键码。如果按下Esc键，则退出循环。
        break
cv2.destroyAllWindows()

代码效果图：

代码实例2：不出现裁剪的旋转

import cv2
import numpy as np
img=cv2.imread('test.jpg')
 
def rotate_bound(image, angle):
    # 抓取图像的尺寸，然后确定中心
    (h, w) = image.shape[:2]      # 获取图像的高度和宽度。
    (cX, cY) = (w // 2, h // 2)   # 计算图像的中心坐标

    # 获取旋转矩阵，使用中心点和旋转角度。负值表示顺时针旋转。
    M = cv2.getRotationMatrix2D((cX, cY), -angle, 1.0)
    cos = np.abs(M[0, 0])   # 获取旋转矩阵中x轴的缩放因子。
    sin = np.abs(M[0, 1])   # 获取旋转矩阵中y轴的缩放因子。
 
    # 计算图像的新边界尺寸
    nW = int((h * sin) + (w * cos))   # 计算新的宽度。
    nH = int((h * cos) + (w * sin))   # 计算新的高度。
 
    # 调整旋转矩阵以考虑平移
    M[0, 2] += (nW / 2) - cX
    M[1, 2] += (nH / 2) - cY
 
    # 执行实际旋转并返回图像
    shuchu=cv2.warpAffine(image, M, (nW, nH))
    while (1):
        cv2.imshow('shuchu', shuchu)
        if cv2.waitKey(1) & 0xFF == 27:
            break
 
rotate_bound(img,45)
 

代码效果：

3. 仿射变换

仿射变换是一种常用的图像几何变换。平移，旋转，缩放，翻转，剪切等变换都属于仿射变换。仿射变换的功能是从二维坐标到二维坐标之间的线性变换，且保持二维图形的“平直性”和“平行性”。

在OpenCV中，进行仿射变换的函数是warp Affine，声明如下：

warp Affine（src,M,dsize[,dest[,flags[,boederModel[,borderValue]]]])→dest

src：表示输入图像；

dest：表示输出图像，尺寸由dsize指定，图像类型与原图像一致；

M：表示2×3的变换矩阵；

dsize：指定图像输出尺寸；

flags：表示插值算法标识符，如果为WARP-INVERSE-MVP,则默认值INTER_LINEAR;borderMode表示边缘像素模式，有默认值BORDER-CONSTANT；

border Value：表示边界取值，有默认值Scalar（），即0

代码实例：实现图像的仿射变换

import numpy as np
import cv2 as cv

img = cv.imread(r'test.jpg', 1)
rows, cols, channels = img.shape
# 定义图像原始位置的三个角点（左上、右上、左下）。
p1 = np.float32([[0,0], [cols-1,0], [0,rows-1]])
# 定义这三个角点映射到的新位置。
p2 = np.float32([[0,rows*0.3], [cols*0.8,rows*0.2], [cols*0.15,rows*0.7]])
# 使用OpenCV的getAffineTransform函数计算仿射变换矩阵M，它将p1中的点映射到p2中的点。
M = cv.getAffineTransform(p1, p2)
# 使用OpenCV的warpAffine函数对图像img应用仿射变换。参数M是仿射变换矩阵，(cols,rows)是输出图像的尺寸。
dst = cv.warpAffine(img, M, (cols,rows))
cv.imshow('original', img)
cv.imshow('result', dst)
cv.waitKey(0)
cv.destroyAllWindows()

代码效果图：

4. 图像缩放

图像比例缩放是指将给定的图像在x轴方向按比例缩放x倍，在y轴方向按比例缩放y倍，从而获得一幅新图像。

在OpenCV中，实现图像缩放的函数是resize，函数声明如下：

resize(src,dsize[,dst[fx[,interpolation]]]]→dst

参数s表示原图像；

dst表示输出图像；

dsize表示目标图像大小；

fx表示在x轴上放缩比例；

fy表示在y轴上的放缩比例；

interpolation表示插值方式，

注意：dsize,fx和fy不能同时为零。

代码实例：实现图像的缩放

import numpy as np
import cv2

def resizeImage(image,width=None,height=None,inter=cv2.INTER_AREA):
    newsize = (width,height)  # 初始化新尺寸变量。
    #获取图像尺寸
    (h,w) = image.shape[:2]
    if width is None and height is None:
        return image
    #高度算缩放比例
    if width is None:
        n = height/float(h)
        newsize = (int(n*w),height)
    else :
        n = width/float(w)
        newsize = (width,int(h*n))
    # 使用cv2.resize函数根据计算出的newsize缩放图像。
    newimage = cv2.resize(image, newsize, interpolation=inter)
    return newimage

imageOriginal = cv2.imread("lakeWater.jpg")
cv2.imshow("Original", imageOriginal)
#获取图像尺寸
w = width=imageOriginal.shape[1]
h = width=imageOriginal.shape[0]
print ("Image size:",w,h)
#放大2倍
newimage = resizeImage(imageOriginal,w*2,h*2,cv2.INTER_LINEAR)
cv2.imshow("New", newimage)
#保存缩放后的图像
cv2.imwrite('newimage.jpg',newimage)
#缩小5倍
newimage2 = resizeImage(imageOriginal,int(w/5),int(h/5),cv2.INTER_LINEAR)
cv2.imwrite('newimage2.jpg',newimage2)
cv2.imshow('result', newimage)
cv2.waitKey(0)
cv2.destroyAllWindows()

参考学习书总结：OpenCv4.5 计算机视觉开发实战（基于python）

代码来自书本，供自己学习复习使用，继续学习ing...