opencv 缩放旋转

如果100*50的图要转成50*100

角度90或-90

旋转中心应该为

Point2f(image.rows / 2, image.rows / 2);


//  图像旋转与缩放 
//  Author: www.icvpr.com 
//  Blog:   http://blog.csdn.net/icvpr 

#include <iostream>
#include <vector>
#include <opencv2/opencv.hpp>

int main(int argc, char** argv)
{

	cv::Mat image = cv::imread("../test.jpg");
	if (image.empty())
	{
		std::cout<<"read image failure"<<std::endl;
		return -1;
	}

	cv::Point2f center = cv::Point2f(image.cols / 2, image.rows / 2);  // 旋转中心
	double angle = 30;  // 旋转角度
	double scale = 0.5; // 缩放尺度

	cv::Mat rotateMat; 
	rotateMat = cv::getRotationMatrix2D(center, angle, scale);

	cv::Mat rotateImg;
	cv::warpAffine(image, rotateImg, rotateMat, image.size());

	cv::imwrite("../rotate.jpg", rotateImg);


	return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是使用OpenCV进行旋转缩放匹配的示例代码: ```python import cv2 # 读取原图和模板图 img = cv2.imread('original_image.jpg') template = cv2.imread('template_image.jpg') # 将模板图缩小为原图的1/3 template = cv2.resize(template, None, fx=0.33, fy=0.33, interpolation=cv2.INTER_CUBIC) # 将原图和模板图转换为灰度图 img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY) # 获取模板图的高度和宽度 h, w = template_gray.shape[:2] # 使用SIFT算法检测关键点和描述符 sift = cv2.xfeatures2d.SIFT_create() kp1, des1 = sift.detectAndCompute(template_gray, None) kp2, des2 = sift.detectAndCompute(img_gray, None) # 使用FLANN匹配算法进行特征点匹配 index_params = dict(algorithm=0, trees=5) search_params = dict(checks=50) flann = cv2.FlannBasedMatcher(index_params, search_params) matches = flann.knnMatch(des1, des2, k=2) # 通过比率测试来筛选匹配点 good_matches = [] for m, n in matches: if m.distance < 0.7 * n.distance: good_matches.append(m) # 如果匹配点数量大于4,则计算变换矩阵 if len(good_matches) > 4: src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) # 将模板图的四个角变换为在原图中的位置 pts = np.float32([[0, 0], [0, h - 1], [w - 1, h - 1], [w - 1, 0]]).reshape(-1, 1, 2) dst = cv2.perspectiveTransform(pts, M) # 在原图中绘制出匹配到的模板图的轮廓 img = cv2.polylines(img, [np.int32(dst)], True, (0, 255, 0), 2, cv2.LINE_AA) # 显示结果 cv2.imshow('Matched', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码的作用是:首先读取原图和模板图,将模板图缩小为原图的1/3,然后将原图和模板图转换为灰度图,并使用SIFT算法检测关键点和描述符。接着使用FLANN匹配算法进行特征点匹配,通过比率测试来筛选匹配点。如果匹配点数量大于4,则计算变换矩阵,并将模板图的四个角变换为在原图中的位置,最后在原图中绘制出匹配到的模板图的轮廓。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值