Opencv图像处理--几何变换

1 图像缩放

缩放是对图像的大小进行调整，即使图像放大或缩小。

1.API

`cv2.resize(src, dsize, fx=0, fy=0, interpolation=cv2.INTER_LINEAR)`

参数：

• src：输入图像

• dsize：绝对尺寸，将dsize设置为None，然后将fx和fy设置为比例因子即可

• interpolation：插值方法

2. 示例

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

# ## 图像缩放
pp = cv.imread("./image/_20201226153617.jpg")
# 绝对尺寸
rows, cols = pp.shape[:2]
res = cv.resize(pp, (2*cols, 2*rows), interpolation=cv.INTER_CUBIC)
# 相对尺寸
res1 = cv.resize(pp, None, fx=0.5, fy=0.5)
# 使用matplotlib显示图像
fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10, 8), dpi=100)
plt.rcParams['font.sans-serif']=['SimHei']    # 用来正常显示中文
axes[0].imshow(res[:, :, ::-1])
axes[0].set_title("绝对尺寸（放大）")
axes[1].imshow(pp[:, :, ::-1])
axes[1].set_title("原图")
axes[2].imshow(res1[:, :, ::-1])
axes[2].set_title("相对尺度（缩小）")
plt.show()

2 图像平移

图像平移将图像按照指定方向和距离，移动到相应的位置。

1. API

   cv.warpAffine(img, M, dsize)
   

   参数：

   • img：输入图像

   • M：2*3移动矩阵

     对于（x, y）处的像素点，要把它移动到
     $$(x+t_x,y+t_y)$$
     处时，M矩阵应如下设置

     注意：将M设置为np.float32类型的Numpy数组

   • dsize：输出图像的大小

     注意：输出图像的大小，应该是（宽度，高度）的形式。请记住，width=列数，height=行数

   • 示例

   需求时将图像的像素点移动（50， 100）的距离：

   import numpy as np
   import cv2 as cv
   import matplotlib.pyplot as plt
   
   # 读取图像
   pp = cv.imread("./image/_20201226153617.jpg")
   # 平移
   rows, cols = pp.shape[:2]
   M = np.float32([[1, 0, 500], [0, 1, 200]])
   res = cv.warpAffine(pp, M, (cols, rows))
   # 显示图像
   fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10, 8), dpi=100)
   plt.rcParams['font.sans-serif'] = ['SimHei']    # 用来正常显示中文
   axes[0].imshow(pp[:, :, ::-1])
   axes[0].set_title("原图")
   axes[1].imshow(res[:, :, ::-1])
   axes[1].set_title("平移后的结果")
   plt.show()
   

   

3 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，旋转中图像仍保持这原始尺寸。图像旋转后图像的水平对称轴、垂直对称轴及中心坐标原点都可能会发生变换，因此需要对图像旋转中的坐标进行相应转换。

图像的旋转形式，如下：

假设图像逆时针旋转θ，则根据坐标转换可得旋转转换为：
$$\{\begin{array}{l}{x}^{\prime }=r\cos (\alpha -\theta )\\ y^{\prime }=r\sin (\alpha -\theta )\end{array}$$
其中：
$$r=\sqrt{x^2+y^2},\sin \alpha =\frac{y}{\sqrt{x^2+y^2}}$$