图像的进阶操作

1.图像的混合

dst=cv.addWeighted(src1, alpha, src2, beta,gamma, dst, dtype)

src1：插入的第一个图片

src2`插入的第二个图片；

alpha：double类型，加权系数，是src1图片的融合占比 ；

beta：double类型，加权系数，是src2图片的融合占比；

gamma：double类型，加权后图像的偏移量；

dst：输出图像；

dtype：默认为-1。

实操代码：

import cv2 as cv
import matplotlib.pyplot as pl
cat=cv.imread(r'img\jmh\cat.jpg')
dog=cv.imread(r'img\jmh\dog.jpeg')
w=800
h=500
W=(w,h)
add=cv.resize(cat,W)
ad=cv.addWeighted(dog,0.6,add,0.4,0.5)
pl.imshow(ad[:,:,::-1])
pl.show()

2.图像的缩放

cv.resize(src,dsize,fx=0,fy=0,interpolation=)

src 输入图像，dsize 绝对尺寸，直接调整图像的大小

fx,fy 相对尺寸，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

插值:cv2.INTER_LINEAR双线性插值法

cv2.INTER_NEAREST最近邻插值

cv2.INTER_AREA像素区域重采样(默认)

cv2.INTER_CUBIC双三次插值

import cv2 as cv
import matplotlib.pyplot as pl
lion=cv.imread("img\jmh\lion.jpeg")
w,s=lion.shape[:2]
print('原图像的尺寸',w,s)
T=(int(0.5*w),int(0.5*s))#缩小要注意乘数的数据类型
#img=cv.resize(lion,(2*w,2*s))#绝对尺寸放大
#img=cv.resize(lion,T)#缩小图像
#相对尺寸
img=cv.resize(lion,dsize=None,fx=2,fy=2)#其中2为放大图像2倍，1为原图，0.5表示缩小一半
#pl.imshow(lion[:,:,::-1])
pl.imshow(img[:,:,::-1])
pl.show()
>>>原图像的尺寸 500 800

3.图像的移动

移动：普通移动，旋转移动，仿射移动

cv.warpAffine(img,M,dsize)

img 输入的图像

M 要移动的矩阵

dsize 输出图像大小(垂直像素，水平像素)建议使用原来尺寸上进行操作

M=np.float32([[1,0,100],[0,1,50]])

生成2X3的矩阵

像素在x轴移动100px，在y轴移动50px

实操代码如下：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as pl
img=cv.imread(r'img\jmh\cat.jpg')
#设置移动的像素点
M=np.float32([[1,0,100],[0,1,50]])#在X轴移动100个像素点，在Y轴移动50个像素点
#获取原来的尺寸，可以自定义
w,h=img.shape[:2]
#移动图像
cat=cv.warpAffine(img,M,(h,w))
#(900,1200)
pl.imshow(cat[:,:,::-1])
pl.show()

4.图像的旋转

旋转矩阵的获取

getRotationMatrix2D(center,angle,scalt)

center 旋转中心

angle旋转角度

scalt 缩放比例

旋转图像分为两步：

1.旋转矩阵(M)的获取

2.使用cv.warpAffine(图像,M,(尺寸) )移动图像位置

具体代码如下：

import cv2 as cv
import matplotlib.pyplot as pl
img=cv.imread(r'img\jmh\rabbit.jpeg')
h,w=img.shape[:2]
M=cv.getRotationMatrix2D((w/2,h/2),-45,1)
rabbit=cv.warpAffine(img,M,(w,h))
pl.imshow(rabbit[:,:,::-1])
pl.show()

5.图像的仿射变换

仿射矩阵的获取

cv.getAffineTransform(arr1,arr2)

arr1：仿射前的矩阵坐标

arr2：仿射后的矩阵坐标

步骤：

创建仿射矩阵

arr1=np.float32([[50,50],[200,50],[50,200]])

由50仿射到100

arr2=np.float32([[100,100],[200,50],[100,250]])

M=cv.getAffineTransform(arr1,arr2)

完成仿射变换

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

显示图像

具体代码如下：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as pl
img=cv.imread(r'img\jmh\fox.jpeg')
cols,rows=img.shape[:2]
arr1=np.float32([[0,0],[500,300],[0,300]])
arr2=np.float32([[100,50],[400,250],[100,200]])
M=cv.getAffineTransform(arr1,arr2)
dst=cv.warpAffine(img,M,(rows,cols))
pl.imshow(dst[:,:,::-1])
pl.show()