OpenCV初尝试5——图像的基本变换

5 图像的基本变换

5.1 图像的放大与缩小

• cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])

其中interpolation：插值算法主要有以下几种：

• INTER_NEAREST：邻近插值，速度快，效果差
• INTER_LINEAR：双线性插值，使用原图中的4个点进行插值
• INTER_CUBIC：三次插值，原图中的16个点
• INTER_AREA：区域插值，效果最好，计算时间最长

import cv2
import numpy as np


#导入图片
dog = cv2.imread('./dog.jpeg')

#要缩放的图片，缩放之后图片的大小，缩放之后的输出图片，x轴（宽度）、y轴（高度）缩放比，插值算法
new_dog1 = cv2.resize(dog, dsize=(800, 800), interpolation=cv2.INTER_NEAREST)
new_dog2 = cv2.resize(dog, dsize=(800, 800), interpolation=cv2.INTER_LINEAR)
new_dog3 = cv2.resize(dog, dsize=(800, 800), interpolation=cv2.INTER_CUBIC)
new_dog4 = cv2.resize(dog, dsize=(800, 800), interpolation=cv2.INTER_AREA)

#按照x,y轴的比例进行缩放
new_dog = cv2.resize(dog, dsize=None, fx=0.5, fy=0.5)


cv2.imshow('new_dog1', new_dog1)
cv2.imshow('new_dog2', new_dog2)
cv2.imshow('new_dog3', new_dog3)
cv2.imshow('new_dog4', new_dog4)
cv2.imshow('new_dog', new_dog)

cv2.waitKey(0)
cv2.destroyAllWindows() 

5.2 图像的翻转与旋转

5.2.1 图像的翻转

• cv2.flip(src, flipCode[, dst])：图像翻转
  – flipCode = 0：上下翻转
  – flipCode > 0：左右翻转
  – flipCode < 0：上下左右翻转

#翻转
import cv2
import numpy as np

#导入图片
dog = cv2.imread('./dog.jpeg')

new_dog = cv2.flip(dog, -1)
cv2.imshow('dog', new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.2.2 图像的旋转

• cv2.rotate(src, rotateCode[, dst])：图像旋转
  – rotateCode：
  – 1.ROTATE_90_CLOCKWISE：90°顺时针旋转
  – 2.ROTATE_180:180°旋转
  – 3.ROTATE_90_COUNTERCLOCKWISE：90°逆时针旋转

#旋转
import cv2
import numpy as np

dog = cv2.imread('./dog.jpeg')

new_dog = cv2.rotate(dog, retateCode=cv2.ROTATE_90_COUNTERCLOCKWISE)
cv2.imshow('dog', new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.3 图像的仿射变换

• 仿射变换是图像旋转、缩放、平移的总称。具体的做法是通过一个矩阵和原图片坐标进行计算，得到新的坐标，完成变换。关键就是这个变换矩阵。
• cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])

5.3.1 仿射变换之平移

import cv2
import numpy as np

dog = cv2.imread('./dog.jpeg')

h, w, ch = dog.shape
#变换矩阵，最少是float32位的
M = np.float32([[1, 0, 100], [0, 1, 0]])
#注意OpenCV中先宽度后高度, 原图，变换矩阵，输出图片的大小，插值算法，边界外推法标志，填充边界值
new = cv2.warpAffine(dog, M, (w, h))

cv2.imshow('new', new)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.3.2 获取变换矩阵

仿射变换的关键就是计算变换矩阵，我们不可能每次都自己手算，OpenCV提供了计算变换矩阵的API。

• cv2.getRotationMatrix2D(center, angle, scale)
  – center：图片以该点作为旋转的中心点
  – angle：旋转的角度（逆时针方向）
  – scale：缩放比例；想法图片进行什么样的缩放

import cv2
import numpy as np

dog = cv2.imread('./dog.jpeg')

h, w, ch = dog.shape

M = cv2.getRotationMatrix2D((w/2, h/2), 15, 1.0)

new = cv2.warpAffine(dog, M, (w, h))

cv2.imshow('new', new)
cv2.waitKey(0)
cv2.destroyAllWindows()

• cv2.getAffineTransform(src, dst)：通过三点可以确定变换后的位置，相当于解方程，3个点对应三个方程，能解出偏移的参数和旋转的角度。
  – src：原目标的三个点
  – dst：对应变换后的三个点

import cv2
import numpy as np

dog = cv2.imread('./dog.jpeg')

h, w, ch = dog.shape

#一般是横向和纵向的点，所以一定会有2个点横坐标相同，2个点纵坐标相同
src = np.float32([[200, 100], [300, 100], [200, 300]])
dst = np.float32([[100, 150], [360, 200], [200, 120]])
M = cv2.getAffineTransform(src, dst)

new = cv2.warpAffine(dog, M, (w, h))

cv2.imshow('new', new)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.4 透视变换

透视变换就是将一种坐标系变换成另一种坐标系。简单来说可以把一张“斜”的图变“正”。

• cv2.warpPerspective(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
• M是一个3 * 3的矩阵
• cv2.getPerspectiveTransform(src, dst)：获取透视变换的变换矩阵，需要4个点，即图片的四个角

import cv2
import numpy as np


img = cv2.imread('./123.png')
print(img.shape)

src = np.float32([[100, 1100], [2100, 1100], [0, 4000], [2500, 3900]])
dst = np.float32([[0, 0], [2300, 0], [0, 3000], [2300, 3000]])

M = cv2.getPerspectiveTransform(src, dst)

new = cv2.warpPerspective(img, M, (2300, 3000))

cv2.imshow('img', img)
cv2.imshow('new', new)

cv2.waitKey(0)
cv2.destroyAllWindows()