3-2 图像几何变换—OpenCV-Python教程翻译

目标

• 掌握对图像进行不同的几何变换，例如平移、旋转和仿射变换等
• 掌握函数: cv2.getPerspectiveTransform等

平移变换

OpenCV提供两个平移函数cv2.warpAffine和cv2.warpPerspective，通过这两个函数可以实现所有的平移变换。cv2.warpAffine使用一个2×3阶变换矩阵，cv2.warpPerspective则使用一个3×3阶变换矩阵。

缩放

缩放就是修改图像尺寸大小，openCV提供函数cv2.resize()实现这个功能。可以手动指定要修改的图像大小尺寸，或者指定缩放因子。另外，提供不同的插值函数可供选择。缩小图像推荐使用cv2.INTER_AREA，方法推荐使用cv2.INTER_CUBIC(速度慢)或者cv2.INTER_LINEAR。通常情况下，默认使用cv2.INTER_LINEAR。下面的代码将展示如何缩放一个图像

import numpy as np
import cv2 as cv
img = cv.imread('lena.jpg')
res = cv.resize(img,None,fx=2, fy=2, interpolation = cv.INTER_CUBIC)
#或者
height, width = img.shape[:2]
res = cv.resize(img,(2*width, 2*height), interpolation = cv.INTER_CUBIC)

其中的核心代码是cv2.resize()。dst=cv.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])，其中src是源图像；dst是输出图像，输出图像和源图像的数据格式相同；dsize是输出图像尺寸，如果它等于0，则按照dsize =  Size(round(fx*src.cols), round(fy*src.rows))的形式计算。因此，dsize或者fx、fy必须有一个不等于0；fx是水平轴方向的缩放因子，当fx=0时，按照(double)dsize.width/src.cols的格式计算；fy是垂直轴方向的缩放因子，当fy=0时，按照(double)dsize.height/src.rows的格式计算；interpolation是插值方法。

平移

平移是移动物体的位置，当我们知道要在x、y方向移动多少时，可以用（tx， ty）来表示。可以创建如下格式的平移矩阵M

 可以用Numpy矩阵来创建一个np.float32矩阵，传递给cv2.warpAffine函数。下面的代码将实现将图像平移（100，50）

import numpy as np
import cv2 as cv
img = cv.imread('lena.jpg',0)
rows,cols = img.shape
M = np.float32([[1,0,100],[0,1,50]])
dst = cv.warpAffine(img,M,(cols,rows))
cv.imshow('img',dst)
cv.waitKey(0)
cv.destroyAllWindows()

 旋转

将图像旋转一个角，将产生一个旋转矩阵

 OpenCV提供了一个可以选择旋转中心位置并缩放图像的旋转方法，我们可以在任何想要的位置旋转图像。因此，旋转矩阵将修改成下面的格式

OpenCV提供函数cv2.getRotationMatrix2D来获得旋转矩阵，下面的代码将相对于中心位置旋转图像90°，同时维持图像大小

img = cv.imread('lena.bmp',0)
rows,cols = img.shape
M = cv.getRotationMatrix2D((cols/2,rows/2),90,1)
dst = cv.warpAffine(img,M,(cols,rows))

 仿射变换

在仿射变换中，原来图像中的平行线在输出图像中仍然是平行线。为了找到变换矩阵，我们需要输入图像上的三个点以及在输出图像上对应位置。然后函数cv2.getAffineTransform将会创建一个2×3矩阵传递给函数cv2.warpAffine。

下面的代码将演示如何进行仿射变换，被选择的三个点用绿色标记了。

img = cv.imread('drawing.png')
rows,cols,ch = img.shape
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv.getAffineTransform(pts1,pts2)
dst = cv.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

 透视变换

透视变换（Perspective Transformation)是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面（透视面）绕迹线（透视轴）旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。我们需要一个3×3阶的变换矩阵来完成透视变换。在透视变换中，直线仍然是直线。为了获得变换矩阵，我们需要输入图像上的四个点和输出图像上相应的位置。在这四个点中的三个点不能共线。可以通过函数cv2.getPerspectiveTransform获得变换矩阵，将3×3变化矩阵传递给cv2.warpPerspective。

下面的代码将展示函数如何应用

img = cv.imread('sudoku.png')
rows,cols,ch = img.shape
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M = cv.getPerspectiveTransform(pts1,pts2)
dst = cv.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')

 参考资料

"Computer Vision: Algorithms and Applications", Richard Szeliski