OpenCV-几何变换-移动、旋转、仿射变换

 

OpenCV 提供了两个变换函数，cv2.warpAffine 和 cv2.warpPerspective，使用这两个函数你可以实现所有类型的变换。cv2.warpAffine 接收的参数是2 × 3 的变换矩阵，而 cv2.warpPerspective 接收的参数是 3 × 3 的变换矩阵。

 

• 扩展缩放

  ---

　　方法：resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)

　　　　dsize为缩放大小　　　　

　　　　fx，fy为影响因子

　　　　interpolation为插值算法（在缩放时推荐使用 cv2.INTER_AREA，在扩展时推荐使用 cv2.INTER_CUBIC（慢) 和 cv2.INTER_LINEAR。默认情况下所有改变图像尺寸大小的操作使用的插值方法都是 cv2.INTER_LINEAR）

 1 import numpy as np
 2 import cv2
 3 
 4 img1 = cv2.imread("../image/min.jpg")
 5 
 6 # 方式一
 7 img2 = cv2.resize(img1, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
 8 
 9 # 方式二
10 height, width = img1.shape[:2]
11 img3 = cv2.resize(img1, (2*width, 2*height), interpolation=cv2.INTER_LINEAR)
12 
13 
14 cv2.imshow("img", img1)
15 cv2.imshow("img2", img2)
16 cv2.imshow("img3", img3)
17 cv2.waitKey(0)
18 cv2.destroyAllWindows()

 

• 平移

　　若沿（x,y）方向平移（tx,ty），可以使用以下平移矩阵：

 　　　　　　　　　　　　

 1 import cv2
 2 import numpy as np
 3 
 4 img = cv2.imread('../image/min.jpg',0)
 5 rows,cols = img.shape
 6 
 7 M = np.float32([[1,0,100],[0,1,50]])
 8 dst = cv2.warpAffine(img,M,(cols,rows))
 9 
10 cv2.imshow('img',dst)
11 cv2.waitKey(0)
12 cv2.destroyAllWindows()

 

• 仿射变换

import numpy as np
import cv2


def resize_img(img):
    # 扩大两倍
    # 方法一
    # res = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
    # 方法二
    # height, width = img.shape[:2]
    # res = cv2.resize(img, (2 * width, 2 * height), interpolation=cv2.INTER_CUBIC)


    # 图像缩小
    # 方法二
    height, width = img.shape[:2]
    res = cv2.resize(img, (width // 2, height // 2), interpolation=cv2.INTER_AREA)
    res1 = cv2.resize(res, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)

    cv2.imshow("normal", img)
    cv2.imshow("image", res1)


# 平移
def offset_img(img):
    print(img.shape)
    rows, cols = img.shape[:2]
    M = np.float32([[1, 0, 100], [0, 1, 50]])
    print(M)
    dst = cv2.warpAffine(img, M, (cols, rows))

    cv2.imshow("normal", img)
    cv2.imshow("image", dst)


# 旋转
def rotation_img(img):
    rows, cols = img.shape[:2]

    # 生成旋转矩阵（未缩放，以中心为原点）
    M = cv2.getRotationMatrix2D(((cols - 1) / 2.0, (rows - 1) / 2.0), 90, 1)
    print(M)

    dst = cv2.warpAffine(img, M, (cols, rows))

    cv2.imshow("normal", img)
    cv2.imshow("image", dst)


# 仿射变换
def affine_img(img):
    rows, cols = img.shape[:2]

    # 原图像中的三个点位
    pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
    # 变换后图像对应的三个点位
    pts2 = np.float32([[10, 100], [200, 50], [100, 250]])

    # 生成变换矩阵
    M = cv2.getAffineTransform(pts1, pts2)
    print(M)

    # 对图像进行仿射变换
    dst = cv2.warpAffine(img, M, (cols, rows))

    cv2.imshow("normal", img)
    cv2.imshow("image", dst)


if __name__ == "__main__":
    img = cv2.imread("../image/meixi.jpg")
    # print(img)
    # resize_img(img)
    # offset_img(img)
    # rotation_img(img)
    affine_img(img)

    cv2.namedWindow("normal")
    cv2.namedWindow("image")
    # cv2.imshow("image", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

 

转载于:https://www.cnblogs.com/bingma/p/11207587.html