No2. 图像几何变换

最新推荐文章于 2024-05-18 18:01:00 发布
最新推荐文章于 2024-05-18 18:01:00 发布
阅读量507 收藏 14
点赞数
文章标签： 计算机视觉 opencv 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/eligha/article/details/124523035
版权

基于OpenCV的图像编程基础

主要内容

  1. 完成图像旋转、平移、比例缩放。
  2. 设计实现用户UI交互方式下的图像几何变换。
  3. 实现图像的透视畸变矫正。

一、图像平移

平移操作是将图像的所有像素坐标经行水平或垂直方向移动，平移变换分为两种类型：图像大小变化和图像大小不变。前者图像的信息不会丢失，后者可能丢失部分图像。
在这里插入图片描述
因此可以得到变换逆矩阵为：
在这里插入图片描述
示例代码如下：

1. 平移，图像大小不变

cv::Mat imageTranslation1(cv::Mat& srcImage, int xOffset, int yOffset) {
	     int nRows = srcImage.rows;
	     int nCols = srcImage.cols;
	     cv::Mat resultImage(srcImage.size(), srcImage.type());
	     //遍历图像
	     for (int i = 0; i < nRows; ++i) {
		 for (int j = 0; j < nCols; ++j) {
			//映射变换
			int x = j - xOffset;
			int y = i - yOffset;
			//边界判断
			if (x >= 0 && y >= 0 && x < nCols && y < nRows)
				resultImage.at< cv::Vec3b >(i, j) = srcImage.ptr<cv::Vec3b>(y)[x];
		    }
	     }
	    return resultImage;
}

2. 平移，图像大小改变

cv::Mat imageTranslation2(cv::Mat & srcImage, int xOffset, int yOffset) {
//设置平移尺寸
int nRows = srcImage.rows + abs(yOffset);
int nCols = srcImage.cols + abs(xOffset);
cv::Mat resultImage(nRows, nCols, srcImage.type());
//图像遍历
for (int i = 0; i < nRows; ++i) {
	for (int j = 0; j < nCols; ++j) {
		//映射变换
		int x = j - xOffset;
		int y = i - yOffset;
		//边界判断
		if (x >= 0 && y >= 0 && x <= nCols && y < nRows)
			resultImage.at<cv::Vec3b>(i, j) = srcImage.ptr<cv::Vec3b>(y)[x];
	}	
}
return resultImage;
}

二、图像旋转

图像旋转是指图像按照某个位置转动一定角度的过程，旋转中心图像任保持着原始尺寸。设图像旋转中心坐标为（Cx，Cy），源图像数据坐标为（x，y） ，旋转后目标图像坐标为（x’，y’） ,先将坐标原点由图像左上角变换到旋转中心，坐标转换矩阵形式为：
在这里插入图片描述
将其转换为图像矩阵表达式：
在这里插入图片描述
设旋转后图像的最左边点的横坐标,最右边点的横坐标，最高点的纵坐标，最低点的纵坐标非别为：lxmin,lxmax,lymin,lymax
最后需要将坐标原点变换到旋转后的图像的左上角坐标，转换矩阵表示如下：
在这里插入图片描述
示例代码如下：

cv::Mat angleRotate(cv::Mat& src, int angle) {
	//角度转换
	float alpha = angle * CV_PI / 180;
	//构造旋转矩阵
	float rotateMat[3][3] = {
		{cos(alpha),-sin(alpha),0},
		{sin(alpha),cos(alpha),0},
		{0,0,1} };
	int nSrcRows = src.rows;
	int nSrcCols = src.cols;
	//计算旋转后图像矩阵各个顶点的位置
	float a1 = nSrcCols * rotateMat[0][0];
	float b1 = nSrcCols * rotateMat[1][0];
	float a2 = nSrcCols * rotateMat[0][0] + nSrcRows * rotateMat[0][1];
	float b2 = nSrcCols * rotateMat[1][0] + nSrcRows * rotateMat[1][1];
	float a3 = nSrcRows * rotateMat[0][1];
	float b3 = nSrcRows * rotateMat[1][1];
	//计算出极值点
	float  kxMin = min(min(min(0.0f, a1), a2), a3);	
	float  kxMax = max(max(max(0.0f, a1), a2), a3);
	float  kyMin = min(min(min(0.0f, b1), b2), b3);
	float  kyMax = max(max(max(0.0f, b1), b2), b3);
	//计算输出矩阵的尺寸
	int nRows = abs(kxMax - kxMin);
	int nCols = abs(kyMax - kyMin);
	cv::Mat dst(nRows, nCols, src.type(), cv::Scalar::all(0));
	for (int i = 0; i < nRows; ++i)
	{
		for (int j = 0; j < nCols; ++j) 
		{
			//旋转坐标转换
			int x = (j + kxMin) * rotateMat[0][0] - (i + kyMin) * rotateMat[0][1];
			int y = -(j + kxMin) * rotateMat[1][0] + (i + kyMin) * rotateMat[1][1];
			//区域旋转
			if ((x >= 0) && (x < nSrcCols) && (y >= 0) && (y < nSrcCols) && (y >= 0) && (y < nSrcRows))
			{
				dst.at<cv::Vec3b>(i, j) = src.at<cv::Vec3b>(y, x);
			}
		}
	}
	return dst;
}

三、图像缩放

图像缩放是将图像的尺寸变小或者变大的过程，也就是减少或增加源图像数据像素的个数。对于源图像数据 f(x,y) ，分辨率为M×N，如果将其分辨率改为m×n，则比例因子为:k=M/N
则将 f(x, y) 变换成 g(x’, y’) 的矩阵变换关系如下：
在这里插入图片描述
示例代码如下：

//基于等间隔提取图像缩放
cv::Mat imageReduction(cv::Mat &srcImage, float kx, float ky) {
	//获取输出图像分辨率
	int nRows = cvRound(srcImage.rows * kx);
	int nCols = cvRound(srcImage.cols * ky);
	cv::Mat resultImage(nRows, nCols, srcImage.type());
	for (int i = 0; i < nRows; ++i) {
		for (int j = 0; j < nCols; ++j) {
			//根据水平因子计算坐标
			int x = static_cast<int>((i + 1) / kx + 0.5) - 1;
			//更具垂直因子计算坐标
			int y = static_cast<int>((j + 1) / ky + 0.5) - 1;
			resultImage.at<cv::Vec3b>(i, j) = srcImage.at<cv::Vec3b>(x, y);
		}
	}
	return resultImage;
}

四、用户UI交互设计

UI设计主要依靠MFC来实现，是基于对话框设计的程序。界面如下图所示：
在这里插入图片描述
图像一显示的原图片，图像二显示的是处理后的图像。
在MFC中，为了实现图像的显示，采用了CImage类的方式，显示图片是通过函数ShowImg（）实现，其具体代码如下：

void  CimageProcessDlg::ShowImg(cv::Mat mat, UINT ID)
{//显示mat在picture控件中 
	Mat temp;
	//图片基本信息
	int width = mat.cols;
	int height = mat.rows;
	int channels = mat.channels();
	int depth = mat.depth();
	int dims = mat.dims;
	CWnd* m_pMyWnd = GetDlgItem(ID);
	CDC *m_pDC = m_pMyWnd->GetDC();//获取窗口所拥有的设备上下文，用于显示图像

	CLearwindow(ID);
	m_pMyWnd->UpdateWindow();
	ATL::CImage cImage;
	cImage.Destroy();//这一步是防止重复利用造成内存问题
	cImage.Create(width, height, 8 * channels);
	// 如果是1个通道的图像(灰度图像) DIB格式才需要对调色板设置  。 CImage中内置了调色板，我们要对他进行赋值：
	if (1 == channels)
	{
		RGBQUAD* ColorTable;
		int MaxColors = 256;
		//这里可以通过CI.GetMaxColorTableEntries()得到大小(如果你是CI.Load读入图像的话)  
		ColorTable = new RGBQUAD[MaxColors];
		cImage.GetColorTable(0, MaxColors, ColorTable);//这里是取得指针  
		for (int i = 0; i < MaxColors; i++)
		{
			ColorTable[i].rgbBlue = (BYTE)i;
			ColorTable[i].rgbGreen = (BYTE)i;
			ColorTable[i].rgbRed = (BYTE)i;
		}
		cImage.SetColorTable(0, MaxColors, ColorTable);
		delete[]ColorTable;
	}

	if (depth == 0) {//CV_8U
		mat.copyTo(temp);
	}
	else if (depth == 1) {//CV_8S
		mat.convertTo(temp, CV_8U, 255.0, 0);
	}
	else if (depth == 2) {//CV_16U
		mat.convertTo(temp, CV_8U, 255.0, 0);
	}
	else if (depth == 3) {//CV_16S
		mat.convertTo(temp, CV_8U, 255.0, 0);
	}
	else if (depth == 4) {//CV_32S
		mat.convertTo(temp, CV_8U, 255.0, 0);
	}
	else if (depth == 5) {// CV_32F
		mat.convertTo(temp, CV_8U, 255.0, 0);
	}
	else if (depth == 6) {//CV_64F
		mat.convertTo(temp, CV_8U, 255.0, 0);
	}
	else if (depth == 7) {
		AfxMessageBox(L"Format Error    depth==7    Type = CV_USRTYPE1");
		return;
	}
	else {
		AfxMessageBox(L"Format Error. Type = Unknown");
		return;
	}
	uchar* ps;
	uchar* pimg = (uchar*)cImage.GetBits(); //获取CImage的像素存贮区的指针
	int step = cImage.GetPitch();//每行的字节数,注意这个返回值有正有负
	for (int i = 0; i < height; i++)
	{
		ps = temp.ptr<uchar>(i);
		for (int j = 0; j < width; j++)
		{
			if (1 == channels)
			{
				*(pimg + i * step + j) = ps[j];
			}
			else if (3 == channels)
			{
				*(pimg + i * step + j * 3) = ps[j * 3];
				*(pimg + i * step + j * 3 + 1) = ps[j * 3 + 1];
				*(pimg + i * step + j * 3 + 2) = ps[j * 3 + 2];
			}
		}
	}
	CRect rc;
	m_pMyWnd->GetWindowRect(&rc);
	/*InvalidateRect(m_pMyWnd->m_hWnd,&rc,true);*/
	int nwidth = rc.Width();
	int nheight = rc.Height();

	int fixed_width = min(cImage.GetWidth(), nwidth);
	int fixed_height = min(cImage.GetHeight(), nheight);

	double ratio_w = fixed_width / (double)cImage.GetWidth();
	double ratio_h = fixed_height / (double)cImage.GetHeight();
	double ratio = min(ratio_w, ratio_h);、

	int show_width = (int)(cImage.GetWidth() * ratio);
	int show_height = (int)(cImage.GetHeight() * ratio);

	int offsetx = (nwidth - show_width) / 2;
	int offsety = (nheight - show_height) / 2;

	::SetStretchBltMode(m_pDC->GetSafeHdc(), COLORONCOLOR);//设置位图的伸缩模式
	cImage.StretchBlt(m_pDC->GetSafeHdc(), offsetx, offsety, show_width, show_height,
		0, 0, cImage.GetWidth(), cImage.GetHeight(), SRCCOPY);
}

其余平移，旋转，缩放功能的代码和上述示例近似。

五、图像的透视畸变矫正

在图像处理中，因为镜头角度等原因，容易导致图像出现倾斜、变形等情况，为了方便后续处理，常常需要进行图像矫正。
在opencv中，提供了一种可行的方法，即使用cv::perspectiveTransform()函数。输入原始图像和变换之后的图像的4组对应点，便可以得到变换矩阵。通过设置鼠标事件回调函数，来获取对应的四个点4个点。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>
using namespace std;
using namespace cv;
const int N = 400;
const int M = 220;
Mat img;
Point p[5];
int flag = 1;
int cnt = 0;
static void mouse_callback(int event, int x, int y, int, void *) {
	//当鼠标左键按下时，记录其坐标
	if (event == EVENT_LBUTTONDOWN) {
		p[cnt].x = x * 1.0; p[cnt++].y = y * 1.0;
		cout << "p" << cnt << " is recorded at " << p[cnt - 1] << endl;
	}

	if (cnt == 4) {
		cnt = 0;
		//变换前图像四个点
		vector<Point2f>src(4);
		src[0] = p[0];
		src[1] = p[1];
		src[2] = p[2];
		src[3] = p[3];
		//变换后
		vector<Point2f>dst(4);
		dst[0] = Point2f(0, 0);//左上
		dst[1] = Point2f(N, 0);//右上
		dst[2] = Point2f(0, M);//左下
		dst[3] = Point2f(N, M);//右下
		//获取透视变换矩阵

		Mat m = getPerspectiveTransform(src, dst);
		Mat res;

		warpPerspective(img, res, m, Size(N, M), INTER_LINEAR);//实现图像透视变换
		namedWindow("PIC2", 1);
		imshow("PIC2", res);
		waitKey(0);
	}

}
int main() {
	img = imread("sample.jpg");
	if (!img.data) { cout << "read image file wrong!" << endl; getchar(); return 0; }
	cout << "height = " << img.size().height << ",width = " << img.size().width << endl;
	getchar();

	namedWindow("PIC");
	imshow("PIC", img);

	setMouseCallback("PIC", mouse_callback);//设置鼠标事件回调函数

	while (char(waitKey(1)) != 'q') {}

	return 0;
}

六、结果分析

1. 图像平移结果截图及分析

在主函数中分别调用平移处理函数,代码如下：

//图像左移不改变大小
	cv::Mat resultImage1 = imageTranslation1(srcImage, 50, 80);
	cv::imshow("resultImage1", resultImage1);
	//图像左移改变大小
	cv::Mat resultImage2 = imageTranslation2(srcImage, 50, 80);
	cv::imshow("resultImage2", resultImage2);
	//图像右移不改变大小
	cv::Mat resultImage3 = imageTranslation1(srcImage, -50, -80);

结果如下图所示：

图像左移不改变大小
在这里插入图片描述
图像左移改变大小
在这里插入图片描述

图像右移不改变大小
在这里插入图片描述
平移操作是将图像的所有像素坐标经行水平或垂直方向移动，平移变换分为两种类型：图像大小变化和图像大小不变。前者图像的信息不会丢失，后者可能丢失部分图像。

2. 图像旋转截图及分析

在主函数中调用旋转函数，代码如下：

	int angle = 30;
	cv::Mat resultImage = angleRotate(srcImage, angle);
	imshow("resultImage", resultImage);

结果如下图所示：

图像顺时针旋转30°
在这里插入图片描述
图像旋转是指图像按照某个位置转动一定角度的过程，旋转中心图像任保持着原始尺寸。但旋转过后要相应改变显示框的尺寸，避免使图像信息丢失。

3. 图像缩放截图及分析

在主函数中调用缩放函数，代码如下：

cv::Mat resultImage4 = imageReduction(srcImage, 0.5, 0.5);
	cv::imshow("resultImage4", resultImage4);

结果如下图所示：

图像纵横变为原来的0.5倍
在这里插入图片描述
图像缩放是将图像的尺寸变小或者变大的过程，也就是减少或增加源图像数据像素的个数。缩放在一定程度上会造成信息的丢失，在此过程中如何进行图像插值和采样是一个非常重要的问题。

4. 人机交互设计截图及分析

在MFC界面，分别带年纪button按钮，可以得到不同的处理结果，如下图所示：
平移处理结果图
在这里插入图片描述
旋转处理结果图
在这里插入图片描述
缩放处理结果图
在这里插入图片描述
该程序还有很多方面需要进一步完善，可以加入自定义位移量，旋转角度，缩放比例的功能，使界面交互更加的人性化。

5. 透视畸变矫正截图及分析

在控制台运行程序，在先前存入的图片下选择四个点作为矫正的依据，如图所示，四个的坐标分别为[152,143],[417,142],[93,311],[451,344]。这些坐标通过鼠标事件来获得，在通过调用opencv处理畸变的函数来实现。处理结果如窗口PIC2所示
在这里插入图片描述

沧海盐浪
关注
  • 0
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
no2.java
04-03
no2.java
图像处理之几何变换(python实现)
沅星的博客
10-22 1046
图像处理之几何变换
图像的几何变换（opencv_python学习）
m0_63843473的博客
07-06 168
根据图像处理的需求和场景，可以选择合适的插值方法来调整图像大小。它根据目标像素与原始图像像素的关系，在原始图像的局部区域内进行像素值的平均采样。cv.INTER_CUBIC（双立方插值）：双立方插值方法会利用原始图像中最接近目标像素位置的 16 个像素的加权平均值来计算目标像素的值。cv.INTER_LINEAR（双线性插值）：双线性插值方法会利用原始图像中最接近目标像素位置的四个像素的加权平均值作为目标像素的值。在 OpenCV 的 resize() 函数中，可以使用不同的插值方法来进行图像的调整。
图像几何变换
qq_42370150的博客
06-11 297
import cv2 img = cv2.imread('drawing.jpg') # 1.按照指定的宽度、高度缩放图片 res = cv2.resize(img, (132, 150)) # 按照比例缩放，如x,y轴均放大一倍 res2 = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_LINEAR) cv2.ims...
portfolio-no2.github.io:我的第二个投资组合网站
03-10
portfolio-no2.github.io:我的第二个投资组合网站
No2初等模型.ppt
09-19
No2初等模型.ppt
基础工程施工方案(NO2).pdf
10-13
基础工程施工方案(NO2).pdf
二氧化氮传感器 NO2 M-20.zip
01-14
二氧化氮传感器 NO2 M-20.zip
[opencv自学笔记]图像几何变换
tsfx051435adsl的博客
12-27 760
图像伸缩(cv2.resize)图像的扩大与缩小有专门的一个函数，cv2.resize()，那么关于伸缩需要确定的就是缩放比例，可以是x与y方向相同倍数，也可以单独设置x与y的缩放比例。另外一个就是在缩放以后图像必然就会变化，这就又涉及到一个插值问题。那么这个函数中，缩放有几种不同的插值（interpolation）方法，在缩小时推荐cv2.INTER_ARER,扩大是推荐cv2.INTER_CUB
OpenCV学习——图像基础与几何变换
蒋含竹的博客
06-23 388
文章目录OpenCV学习——图像基础0. 版本信息1. 导包2. 图像基础2.1 图片的读取、展示、保存2.2 图片的基本信息2.3 修改图片像素点的颜色信息2.3 拆分与合并颜色三通道3. 图像的几何变化3.1 图像截取3.2 图像缩放3.3 图像移动3.4 图像镜像3.5 图像旋转 OpenCV学习——图像基础 0. 版本信息 产品 版本 Python 3.7 Anaconda 4.8.3 Jupyter 6.0.3 OpenCV 3.4.2 1. 导包 import c
注意力机制在目标检测中的应用
MrLi的博客
05-14 540
注意力机制作为一种有效的机制，在目标检测中有着广泛的应用前景。通过引入注意力机制，模型可以更好地关注图像中的目标区域，提高检测性能和准确性。在YOLOv8中，虽然没有直接引入注意力机制，但可以通过在其结构中加入注意力模块来实现对不同特征图区域的关注。这为改进和优化YOLOv8模型提供了新的思路和方向。
[数据集][目标检测]肺结节检测数据集VOC+YOLO格式1186张1类别
FL1623863129的博客
05-16 180
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)重要说明：数据集为小目标检测，小目标检测可能会在训练map精度低，属于正常现象，小目标检测一般都很难获得高的精度。特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：1186。标注数量(xml文件个数)：1186。标注数量(txt文件个数)：1186。标注规则：对类别进行画矩形框。
[数据集][目标检测]抽烟喝酒检测数据集VOC+YOLO格式1026张2类别
FL1623863129的博客
05-18 269
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:[“drinking”,“smoking”]图片数量(jpg文件个数)：1026。标注数量(xml文件个数)：1026。标注数量(txt文件个数)：1026。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
[数据集][目标检测]卡车抓斗卸车检测数据集VOC+YOLO格式213张2类别
FL1623863129的博客
05-16 141
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:["dump","truck"]图片数量(jpg文件个数)：213。标注数量(xml文件个数)：213。标注数量(txt文件个数)：213。使用标注工具：labelImg。truck 框数 = 213。标注规则：对类别进行画矩形框。
提升文本到图像模型的空间一致性：SPRIGHT数据集与训练技术的新进展
人工智能前沿分享
05-13 1058
为语言模型提供明确的指示，要求其生成包含特定空间关系的描述。例如，提示可能要求模型使用“left/right”、“above/below”、“front/behind”等词汇。
深度学习目标检测术语(持续跟新)
最新发布
qq_55880505的博客
05-18 978
深度学习机器学习目标检测卷积神经网络CNN术语
opencv与python清华镜像对应 以及 安装opencv
qq_59143106的博客
05-17 206
64表示电脑64位，下载到电脑python目录上，然后打开anaconda prompt，在对应目录下安装。用import cv2检验是否成功。cp39表示python3.9。
【OpenCV 基础知识 1】加载图片
记录日常技术经验
05-14 303
【代码】【OpenCV 基础知识 1】加载图片。
【OpenCV 基础知识 2】灰度化图片
记录日常技术经验
05-14 545
所以，整个行的作用是将原始彩色图像 image 转换为灰度图像，并将结果存储在 gray_image 中。这是常见的图像处理操作，将彩色图像转换为灰度图像通常用于简化图像处理流程，降低计算复杂性。所以，整个行的作用是创建一个与原始图像（image）大小相同的灰度图像，并将其赋值给 gray_image。这样，gray_image 就成为了一个单通道的灰度图像，可以在后续的图像处理中使用。使用OpenCV库中的 cvCvtColor 函数将彩色图像转换为灰度图像。
1、用 pandas 库读取“pollution_us_5city_2006_2010_NO2.csv”文件，查看前五 行、后两行。 2、选择 2007 年数据集导出到文本文件“pollution_us_5city_2007_NO2.txt”， 要求数据之间用空格分隔，每行末尾包含换行符。 3、读取文本文件“pollution_us_5city_2007_NO2.txt”,统计总行数、总列数，并 按照 County Code 降序排序，并将排序后结果导出为 CSV 文件 “pollution_us_5city_2007_NO2_descending.csv”
05-25
3、读取文本文件“pollution_us_5city_2007_NO2.txt”，统计总行数、总列数，并按照 County Code 降序排序，并将排序后结果导出为 CSV 文件 “pollution_us_5city_2007_NO2_descending.csv”: ```python # 读取文本...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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