数字图像处理_03_(图像几何变换——图像的放大缩小，平移变换，错切变换，镜面变换，旋转变换，透视变换）

图像变换，这里介绍了图像的放大缩小，平移变换，错切变换，镜面变换，旋转变换，透视变换。
原素材图像为：

1.图像的裁剪及放大和缩小

可以用图像所对应的矩阵本身进行裁剪

img2=bear[50:400,60:280,:]#y,x,通道

对图像的放缩变换可以使用OpenCV自带的函数：

img3=cv.resize(bear,(400,400),interpolation=cv.INTER_LINEAR)
img3=cv.resize(bear,(400,400))
img3=cv.resize(bear,(400,400),interpolation=cv.INTER_NEAREST)
#cv中resize方法第三个参量interpolation，是代表扩展时所用的插值方法,有线性插值，也有最近插值等，

2.平移变换

若记原像素位置坐标为$(x_0,y_0)$,变换后的坐标为$(x,y)$，$F_x$代表水平平移距离，$F_y$代表竖直平移距离，平移公式表示为：
$$\{\begin{array}{l}x=x_0+F_x\\ y=y_0+F_y\end{array}$$
扩展得到矩阵变换方法为：
$$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}1& 0& F_x\\ 0& 1& F_y\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$$
代码实现为：

M=np.array([
    [1,0,100],
    [0,1,100]
],dtype=np.float32)#dtype=np.float32变换时用浮点型

img2=cv.warpAffine(bear,M,(400,600))

show(img2)
#M为变换矩阵
#warpAffine为仿射变换，将原xy乘M矩阵后得到的矩阵
#(400,600)变换后的总尺寸

变换效果为：

3.错切变换

若记原像素位置坐标为$(x_0,y_0)$,变换后的坐标为$(x,y)$，$\beta$代表错切角度，水平错切公式表示为：
$$\{\begin{array}{l}x=x_0+tan\beta y_0\\ y=y_0\end{array}$$
扩展得到矩阵变换方法为：
$$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}1& tan\beta & 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$$

同理，竖直错切公式为：
$$\{\begin{array}{l}x=x_0\\ y=y_0+tan\beta x_0\end{array}$$
扩展得到矩阵变换方法为：
$$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ tan\beta & 1& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$$
代码实现为：

beta=np.pi/6
#水平错切
M=np.array([
    [1,np.tan(beta),0],
    [0,1,0],
],dtype=np.float32)
img2=cv.warpAffine(bear,M,(700,500))
show(img2)
#竖直错切
M=np.array([
    [1,0,0],
    [np.tan(beta),1,0],
],dtype=np.float32)
img3=cv.warpAffine(bear,M,(333,700))
show(img3)
#M为变换矩阵
#warpAffine为仿射变换，将原xy乘M矩阵后得到的矩阵

变换效果为：

3.镜像变换

若记原像素位置坐标为$(x_0,y_0)$,变换后的坐标为$(x,y)$，$F_w$代表图像宽度，以水平镜像为例，镜像错切公式表示为：
$$\{\begin{array}{l}x=-x_0+F_w\\ y=y_0\end{array}$$
扩展得到矩阵变换方法为：
$$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}-1& 0& F_w\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$$

代码实现为：

w=333
M=np.array([
    [-1,0,w],
    [0,1,0]
],dtype=np.float32)
img2=cv.warpAffine(bear,M,(333,500))
show(np.hstack([bear,img2]))

OpenCV有自带的镜像变换方法：

img2=cv.flip(bear,0)
img3=cv.flip(bear,1)
img4=cv.flip(bear,-1)
show(np.hstack([bear,img2,img3,img4]))
#flipcode为0竖直，为1水平，为-1是180镜像

效果(原图，flipcode=0，flipcode=1，flipcode=-1)

4.旋转变换

若记原像素位置坐标为$(x_0,y_0)$,变换后的坐标为$(x,y)$，$\beta$代表图像旋转角度。
$$\{\begin{array}{l}{x}_0=rcosa\\ y_0=rsina\\ x=rcos(a-\beta )\\ y=rsin(a-\beta )\end{array}$$
由以上极坐标公式，推得旋转变换公式表示为：
$$\{\begin{array}{l}x=x_{0}cos\beta +y_{0}sin\beta \\ y=-x_{0}sin\beta +y_{0}cos\beta \end{array}$$
扩展得到矩阵变换方法为：
$$\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{ccc}cos\beta & sin\beta & 0\\ -sin\beta & cos\beta & 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{x}_0\\ y_0\\ 1\end{array}\right]$$

代码实现为：

beta=np.pi/4
M=np.array([
    [np.cos(beta),np.sin(beta),0],
    [-np.sin(beta),np.cos(beta),0]
],dtype=np.float32)
img2=cv.warpAffine(bear,M,(700,500))
show(img2)

OpenCV自带有旋转变换的方法：

h,w,c=bear.shape
M=cv.getRotationMatrix2D((w//2,h//2),45,1)
#通过自带方法得到变换矩阵M，其中(w//2,h//2)是图片旋转中心
img2=cv.warpAffine(bear,M,(500,500))
show(img2)

5.透视变换

透视变换需要获取原变换图形当中透视图形的四个端点（红点）和欲变换后的四个端点（绿点）得到M矩阵，进而处理图像。
代码实现为：

#原坐标
src=np.array([
    [200,50],
    [600,250],
    [650,500],
    [150,450]
],dtype=np.float32)
#目标坐标
dst=np.array([
    [150,100],
    [650,100],
    [650,450],
    [150,450]
],dtype=np.float32)
#根据原，目标坐标得到M矩阵
M=cv.getPerspectiveTransform(src,dst)#得到M矩阵
h,w,c=img.shape
img2=cv.warpPerspective(img,M,(w,h))
show(img2)

效果：