图像的几何变换 OpenCV-Python v4.7.0

目标

• 学习对图像应用不同的几何变换，如平移、旋转、仿生变换等。
• 你将看到这些函数：cv.getPerspectiveTransform

变换

OpenCV提供了两个变换函数，cv.warpAffine和cv.warpPerspective，用它们可以进行各种变换。cv.warpAffine需要一个2x3变换矩阵，而cv.warpPerspective需要一个3x3变换矩阵作为输入。

缩放

缩放就是调整图像的大小。OpenCV有一个函数cv.resize()用于这个目的。图像的大小可以手动指定，或者你可以指定缩放系数。使用不同的插值方法。最好的插值方法是用于缩小的cv.INTER_AREA和用于缩放的cv.INTER_CUBIC（慢速）和cv.INTER_LINEAR。默认情况下，插值方法cv.INTER_LINEAR被用于所有调整大小的目的。你可以用以下任何一种方法来调整一个输入图像的大小：

import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg')
res = cv.resize(img,None,fx=2, fy=2, interpolation = cv.INTER_CUBIC)
#OR
height, width = img.shape[:2]
res = cv.resize(img,(2*width, 2*height), interpolation = cv.INTER_CUBIC)

翻译

翻译是物体位置的移动。如果你知道在(x,y)方向上的移动，并让它成为(tx,ty)，你可以创建变换矩阵M如下：
$$M=\left[\begin{array}{c}\begin{array}{ccc}1& 0& t_x\end{array}\\ \begin{array}{ccc}0& 1& t_y\end{array}\end{array}\right]$$
你可以把它变成一个np.float32类型的Numpy数组，然后把它传给cv.warpAffine()函数。请看下面的例子，移位为（100,50）：

import numpy as np
import cv2 as cv
img = cv.imread('messi5.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()

警告

cv.warpAffine()函数的第三个参数是输出图像的大小，它应该是**（宽度，高度）**的形式。记住宽度=列数，高度=行数。

请看下面的结果：

旋转
图像旋转一个角度θ是通过以下形式的变换矩阵实现的：
$$M=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]$$
但是OpenCV提供了可调节旋转中心的缩放旋转，因此你可以在你喜欢的任何位置进行旋转。修改后的变换矩阵是这样的
$$\left[\begin{array}{c}\begin{array}{ccc}\alpha & \beta & \left(1-\alpha \right)\cdot center.x-\beta \cdot center.y\end{array}\\ \begin{array}{ccc}-\beta & \alpha & \beta \cdot center.x+\left(1-\alpha \right)\cdot center.y\end{array}\end{array}\right]$$
其中：
$$\begin{gathered} \alpha =scale\cdot cos\theta , \\ \beta =scale\cdot sin\theta \end{gathered}$$
为了找到这个变换矩阵，OpenCV提供了一个函数，cv.getRotationMatrix2D。请看下面的例子，它将图像相对于中心旋转了90度而没有任何缩放。

img = cv.imread('messi5.jpg',0)
rows,cols = img.shape
# cols-1和rows-1是坐标极限。
M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)
dst = cv.warpAffine(img,M,(cols,rows))

请看结果:

仿生变换

在仿生变换中，原始图像中的所有平行线在输出图像中仍然是平行的。为了找到变换矩阵，我们需要输入图像中的三个点和它们在输出图像中的对应位置。然后cv.getAffineTransform将创建一个2x3的矩阵，并传递给cv.warpAffine。

看看下面的例子，也看看我选择的点（用绿色标记）:

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()

请看结果：

透视变换

对于透视变换，你需要一个3x3的变换矩阵。直线在变换后仍会保持直线。要找到这个变换矩阵，你需要输入图像上的4个点和输出图像上的相应点。在这4个点中，有3个不应该是相邻的。然后可以通过函数cv.getPerspectiveTransform找到变换矩阵。然后用这个3x3的变换矩阵应用cv.warpPerspective。

请看下面的代码：

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')
plt.show()

结果：

其他资源

《计算机视觉：算法与应用》，理查德-塞利斯基
（“Computer Vision: Algorithms and Applications”, Richard Szeliski）