OpenCV-Python学习之路-7：Geometric Transformations of Images(图像的几何变换)

参考依据

官方文档：
https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_geometric_transformations/py_geometric_transformations.html#geometric-transformations

目标

1. 学习不同的几何变换，比如图像的平移、旋转、仿射变换等

几何变换

OpenCV提供了两个变换函数：cv2.warpAffine和cv2.warpPerspective，其中warpAffine设置了2x3个转换矩阵（6个变换因子），而warpPerspective设置了3x3个转换矩阵（9个变换因子），一般的功能，warpAffine就足够了。
warpAffine(放射变换)：

warpPerspective(透视变换)：

具体API可参见：https://docs.opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html?highlight=cv2.warpaffine#cv2.warpAffine

尺度缩放

主要使用cv2.resize()来进行尺度变换，即可以手动设置图像大小，也可以设置缩放比例。默认的插值方法为：cv.INTER_LINEAR，也有其他许多可选择的插值方法，如下：

一般来说，INTER_AREA适合用于缩小，INTER_LINEAR和INTER_CUBIC适合放大。

img = cv2.imread('UESTC.jpg')  # shape [880, 880, 3]
# 方法1
res1 = cv2.resize(img, (110,110), interpolation=cv2.INTER_AREA)
# 方法2
res2 = cv2.resize(img, None, fx=1/8, fy=1/8, interpolation=cv2.INTER_AREA)

平移

平移就是位置的移动，假设现在要将图像移动在想，x,y方向(t_x,t_y)个像素点，使用cv2.warpAffine()就需要传入转换矩阵M(np.float32类型)为：

img = cv2.cvtColor(cv2.imread('UESTC.jpg'), cv2.COLOR_BGR2RGB)
rows, cols, channels = img.shape

M = np.float32([[1,0,100],[0,1,200]])
dst = cv2.warpAffine(img, M, (cols, rows))
plt.subplot(1,2,1), plt.imshow(img)
plt.subplot(1,2,2), plt.imshow(dst)
plt.show()

需要主要warpAffine第三个参数为输出图像的尺寸，为宽(cols)、长(rows)。

旋转

旋转主要也是通过平移来实现的，例如一张图像旋转了角度Θ，那么可以通过转换矩阵M来实现：

同时，OpenCV还提供了旋转时进行尺度缩放，并且可自由调整旋转中心，修改后的转换矩阵为：

当然，这个转换矩阵不需要人工进行计算，OpenCV为我们提供了对应的函数来求得矩阵M，cv2.getRotationMatrix2D(center, angle, scale)，传入中心点、角度（逆时针）、缩放尺寸即可返回对应的旋转矩阵。

img = cv2.cvtColor(cv2.imread('UESTC.jpg'), cv2.COLOR_BGR2RGB)
rows, cols, channels = img.shape

M = cv2.getRotationMatrix2D((cols/2, rows/2), 90, 1)
dst = cv2.warpAffine(img, M, (cols, rows))

plt.subplot(1,2,1), plt.imshow(img)
plt.subplot(1,2,2), plt.imshow(dst)
plt.show()

三点求仿射变换

cv2.getAffineTransform()，可以根据原图像和目标图像所对应的三个点，求它们放射转换所需要的转换矩阵M。
P.S. 仿射变换前后，在原图中平行的线，变换后仍平行

img = cv2.cvtColor(cv2.imread('UESTC.jpg'), cv2.COLOR_BGR2RGB)
rows, cols, channels = img.shape

pt1 = np.float32([[50,50],[200,50],[50,200]])
img = cv2.circle(img,(50,50),20,color=(0,255,0),thickness=-1)
img = cv2.circle(img,(200,50),20,color=(0,255,0),thickness=-1)
img = cv2.circle(img,(50,200),20,color=(0,255,0),thickness=-1)
pt2 = np.float32([[10,100],[200,50],[100,250]])

M = cv2.getAffineTransform(pt1, pt2)
dst = cv2.warpAffine(img, M, (cols, rows))
plt.subplot(1,2,1), plt.imshow(img)
plt.subplot(1,2,2), plt.imshow(dst)
plt.show()

其中绿点为对应的坐标点集

四点求透视变换

cv2.getPerspectiveTransform()，可以根据原图像和目标图像所对应的四个点，求它们放射转换所需要的转换矩阵M。
P.S. 直线透视变换后仍为直线

img = cv2.imread('sudokusmall.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 = cv2.getPerspectiveTransform(pts1,pts2)

dst = cv2.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()

上图为参考链接中的图。