【opencv】图像处理之相似变换、仿射变换、透视变换

■ Similarity Transform（相似变换）

– Similarity Transform（相似变换） = Rotation（旋转） + Translation（平移） + Scale（放缩）

● 性质：Right angle is still right angle （保角性）

代码：

import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread('lenna.jpg', 1)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# print(img.shape)

# 得到相似变换的矩阵  # center：旋转中心 angle：旋转角度   scale：缩放比例
M = cv2.getRotationMatrix2D(center = (img.shape[0]/2,img.shape[1]/2),
                              angle = 30,
                              scale = 0.5) 

# 原图像按照相似矩阵进行相似变换  三个参数：原图像，相似矩阵，画布面积
img_rotate = cv2.warpAffine(img, M, (img.shape[0], img.shape[1]))

plt.figure(figsize=(8,8))
plt.subplot(1,2,1)
plt.imshow(img)
plt.subplot(1,2,2)
plt.imshow(img_rotate)
plt.show()

原图和相似变换后的图像：

■ Affine Transform（仿射变换）

● 性质：Parallel lines are still parallel lines（不再具有保角性，具有保平行性）
● 三个非共线的点对（6 parameters）确定一个仿射变换。

代码：

import cv2
import matplotlib.pyplot as plt
import numpy as np

# 3 Src(原始) Points + 3 Dst(目标) Points
# cols：列/长  rows：行/宽

img = cv2.imread('lenna.jpg', 1)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# print(img.shape)

cols = img.shape[0]
rows = img.shape[1]

pt1 = np.float32([[0,0], [cols, 0], [0, rows]])
pt2 = np.float32([[cols*0.3, rows*0.3], [cols*0.8, rows*0.2], [cols*0.1, rows*0.9]])

# [[0,0], [cols, 0], [0, rows]] --> [[cols*0.3, rows*0.3], [cols*0.8, rows*0.2], [cols*0.1, rows*0.9]]
M = cv2.getAffineTransform(pt1, pt2)       # 仿射变换矩阵
dst = cv2.warpAffine(img, M, (cols, rows))

plt.figure(figsize=(8,8))
plt.subplot(1,2,1)
plt.imshow(img)
plt.subplot(1,2,2)
plt.imshow(dst)
plt.show()

原图和相似变换后的图像：

■ Perspective Transform（透视/投影变换）

● 性质：Lines are still lines（不保角，不保平行，保直线性）
● 四个非共线的点对（8 parameters）确定一个透视变换。

代码：

import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread('lenna.jpg', 1)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

width = img.shape[1]
height = img.shape[0]

pts1 = np.float32([[0,0], [width,0], [0,height], [width,height]])
pts2 = np.float32([[width*0.1,height*0.1], [width*0.9, width*0.1], [height*0.2,height*0.8], [width*0.7,height*0.7]])

M_warp = cv2.getPerspectiveTransform(pts1, pts2)     # 单应性矩阵
img_warp = cv2.warpPerspective(img, M_warp, (width, height))

plt.figure(figsize=(8,8))
plt.subplot(1,2,1)
plt.imshow(img)
plt.subplot(1,2,2)
plt.imshow(img_warp)
plt.show()

原图和透视变换后的图像：