Opencv入门系列四

最新推荐文章于 2024-03-12 00:28:06 发布

PlayCodes

最新推荐文章于 2024-03-12 00:28:06 发布

阅读量156

点赞数 1

分类专栏： Opencv入门文章标签： python opencv 计算机视觉

本文链接：https://blog.csdn.net/qq_45893260/article/details/113518617

版权

Opencv入门专栏收录该内容

12 篇文章 3 订阅

订阅专栏

Opencv入门系列四

主要内容

缩放
翻转
仿射变换
透视
重映射

1.缩放

cv2.resize()函数用于实现图像的缩放，其语法如下：

● dst：缩放后的图像，

图像的类型与src相同，

图像的大小为dsize 或者可以通过src.size()、fx、fy计算得到。

● src：缩放的原图像。

● dsize：输出图像大小。

● fx：水平方向的缩放比例。

● fy：垂直方向的缩放比例。

● interpolation代表插值方式

关于缩放尺寸的参数传入方式：

方式一：通过fx，fy

fx：表示x方向的缩放比例

fy：表示y方向的缩放比例

方式二：通过dsize

注意：从img.shape[0:2]获取的参数为[行，列]

传入的 dsize = [列，行]

如下程序：

import cv2
import numpy as np
#按照原比例缩放需要注意，行列参数顺序

# 从原始图像获取图像大小信息
npImg = np.random.randint(0,255,[4,3,3],dtype=np.uint8)
Rows,Clos = OriShape = npImg.shape[0:2]     # OriShape =  (4, 3)
ChangeImg = cv2.resize(npImg,OriShape)
NewShape = ChangeImg.shape[0:2]             # NewShape =  (3, 4)
Size = (int(Rows*0.9),int(Clos*0.5))
ChangeImg2 = cv2.resize(npImg,Size)
NewShape2 = ChangeImg2.shape[0:2]
ChangeImg3 = cv2.resize(npImg,None,fx=Rows,fy=Clos) #fx x的增缩比例 fy y的增缩比例
NewShape3 = ChangeImg3.shape[0:2]

print(npImg)
print(ChangeImg)
print(ChangeImg2)
print(ChangeImg3)

print("OriShape = ",OriShape)
print("\n")
print("NewShape = ",NewShape)
print("\n")
print("Size",Size)
print("\n")
print("NewShape3",NewShape3)

从图中的转换的前后的shape信息可以看出其性质。

● 在shape属性中，第1个值对应的是行数，第2个值对应的是列数。

● 在dsize参数中，第1个值对应的是列数，第2个值对应的是行数。

关于插值方式：

插值：插值指的是

①：在放大时，有部分点无法得到对应的映射，需要填充像素点。

②：在缩小时，有部分像素点是非整数索引位置，此时也需要插值处理。

Opencv库提供了一系列的插值方式如下表：

Opencv中默认使用双线性插值方式。

在缩小图像时，使用区域插值方式（INTER_AREA）能够得到最好的效果。

在放大图像时，使用三次样条插值（INTER_CUBIC）方式和双线性插值（INTER_LINEAR）方式都能够取得较好的效果。

2.翻转

cv2.flip()用于图像的水平，垂直方向，其语法如下：

● dst代表和原始图像具有同样大小、类型的目标图像。

● src代表要处理的原始图像。

● flipCode代表旋转类型。

flipCode旋转类型如下：

3.仿射

仿射：变换保持原有的平直性和平行性，用于实现放射可以完成平移、旋转等多种操作。

3.1 平移

cv2.warpAffine()其语法如下：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jMl7e5lO-1612163236890)(C:\Users\44338\AppData\Roaming\Typora\typora-user-images\image-20210201135943897.png)]

● dst：仿射后的输出图像，该图像的类型和原始图像的类型相同。dsize决定输出图像的实际大小。

● src：要仿射的原始图像。

● M：一个2×3的变换矩阵。使用不同的变换矩阵，就可以实现不同的仿射变换。

● dsize：输出图像的尺寸大小。

● flags：插值方法，默认为INTER_LINEAR。当该值为WARP_INVERSE_MAP时，意味着M是逆变换类型，实现从目标图像dst到原始图像src的逆变换。

● borderMode：边类型，默认为BORDER_CONSTANT。当该值为BORDER_TRANSPARENT时，意味着目标图像内的值不做改变，这些值对应原始图像内的异常值。

● borderValue：边界值，默认是0。

一般情况下，falgs、borderMode、borderValue等参数可以省略，使用默认值

仿射后的矩阵与原始矩阵关系如下式：

M13、M23：通常用于平移操作

M11、M12、M21、M22：通常御用图像的变换

下列程序是一个平移的实例：

import cv2
import numpy as np


lena = cv2.imread("Resources/lena.png",1)
cv2.imshow("lena",lena)
Width,High = lena.shape[0:2]

x = 100
y = 200
M = np.float32([[1,0,x],[0,1,y]]) #M参数是一个np中float32类型的矩阵

wrapLena = cv2.warpAffine(lena,M,dsize=(Width,High))
cv2.imshow("warpLena",wrapLena)
cv2.waitKey(0)

3.2 旋转

cv2.getRotationMatrix2D()获取转换矩阵，用于cv2.warpAffine()中的参数M中。其语法如下：

● center为旋转的中心点。

● angle为旋转角度，正数表示逆时针旋转，负数表示顺时针旋转。

● scale为变换尺度（缩放大小）。

import cv2
import numpy as np


lena = cv2.imread("Resources/lena.png",1)
cv2.imshow("lena",lena)
Width,High = lena.shape[0:2]

RotationCenter = (Width/2,High/2)

#M_Rotation为以原图中心为旋转中心，旋转角度45度，缩小到原来的图像
M_Rotation = cv2.getRotationMatrix2D(RotationCenter,45,0.5)

wrapLena2 = cv2.warpAffine(lena,M_Rotation,dsize=(Width,High))
cv2.imshow("warpLena2",wrapLena2)
cv2.waitKey(0)

3.3 复杂的仿射

OpenCV提供了函数cv2.getAffineTransform()来生成仿射函数cv2.warpAffine()所使用的转换矩阵M。该函数的语法格式为：

● src代表输入图像的三个点坐标。

● dst代表输出图像的三个点坐标。

其参数值src和dst是包含三个二维数组(x, y)点的数组

import cv2
import numpy as np


lena = cv2.imread("Resources/lena.png",1)
cv2.imshow("lena",lena)
Width,High = lena.shape[0:2]

ArrayOri = np.float32([[0,0],[Width-1,0],[0,High-1]])
ArrayNew = np.float32([[0,0],[Width*0.5,0],[0,High*0.5]])

M = cv2.getAffineTransform(ArrayOri,ArrayNew)

wrapLena2 = cv2.warpAffine(lena,M,dsize=(Width,High))
cv2.imshow("warpLena2",wrapLena2)
cv2.waitKey(0)

4. 透视

透视：将矩形映射为任意平行四边形，透视变换则可以将矩形映射为任意四边形，cv2.warpPerspective()实现透视，其语法是：

● dst：透视处理后的输出图像，该图像和原始图像具有相同的类型。dsize决定输出图像的实际大小。

● src：要透视的图像。

● M：一个3×3的变换矩阵。

● dsize：输出图像的尺寸大小。

● flags：插值方法，默认为INTER_LINEAR。当该值为WARP_INVERSE_MAP时，意味着M是逆变换类型，能实现从目标图像dst到原始图像src的逆变换。具体可选值参见表5-1。

● borderMode：边类型，默认为BORDER_CONSTANT。当该值为BORDER_TRANSPARENT时，意味着目标图像内的值不做改变，这些值对应原始图像内的异常值。

● borderValue：边界值，默认是0。

我们可以通过函数cv2.getPerspectiveTransform()来生成函数cv2.warpPerspective()所使用的转换矩阵M：其语法格式如下

● src：输入图像的四个顶点的坐标。

● dst：输出图像的四个顶点的坐标。

5. 重映射

重映射：值将一幅图的像素点的任何位置放到另一幅图像的操作。Opencv库中提供了很多方法实现重映射操作，比如cv2.remap()，其语法格式如下：

● dst代表目标图像，它和src具有相同的大小和类型。

● src代表原始图像。

● map1参数有两种可能的值：

- 表示(x, y)点的一个映射。

- 表示CV_16SC2 , CV_32FC1, CV_32FC2类型(x, y)点的x值。

● map2参数同样有两种可能的值：

- 当map1表示(x, y)时，该值为空。

- 当map1表示(x, y)点的x值时，该值是CV_16UC1,CV_32FC1类型(x, y)点的y值。

● Interpolation代表插值方式，这里不支持INTER_AREA方法。具体值参见表5-1。

● borderMode代表边界模式。当该值为BORDER_TRANSPARENT时，表示目标图像内的对应源图像内奇异点（outliers）的像素不会被修改。

● borderValue代表边界值，该值默认为0。

注意：

①：map1和map2的值都是浮点数。所以需要插值方式提供安全操作。

②：参数map1指代的是像素点所在位置的列号，参数map2指代的是像素点所在位置的行号

下面程序实现了图像的复制和进行x，y镜像

import cv2
import numpy as np

Newnp = np.random.randint(0,100,[3,3],dtype=np.uint8)
rows,clos = Newnp.shape[0:2]

# 必须保证类型为float32
np_x = np.float32(np.ones([3,3],dtype=np.uint8)*2)
np_y = np.float32(np.ones([3,3],dtype=np.uint8)*1)

for i in range(rows):
    for j in range(clos):
        #np_x[i,j] = j
        #np_y[i,j] = i
        np_x.itemset((i,j),j)
        np_y.itemset((i,j),i)
CopyImg = cv2.remap(Newnp,np_x,np_y,cv2.INTER_LINEAR)

for i in range(rows):
    for j in range(clos):
        #np_x[i,j] = j
        #np_y[i,j] = i
        np_x.itemset((i,j),i)
        np_y.itemset((i,j),j)
TurnImg = cv2.remap(Newnp,np_x,np_y,cv2.INTER_LINEAR)

print(Newnp)
print(CopyImg)
print(TurnImg)



#print(np2)cv2.imshow("warpLena2",wrapLena2)
cv2.waitKey(0)

不难看出我们还可以使用remap()方法实现x轴镜像，y轴镜像，以及一些更复杂的操作。

PlayCodes

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
Opencv入门系列四

Opencv入门系列四主要内容缩放翻转仿射变换透视重映射1.缩放cv2.resize()函数用于实现图像的缩放，其语法如下：● dst：缩放后的图像，图像的类型与src相同，图像的大小为dsize 或者可以通过src.size()、fx、fy计算得到。● src：缩放的原图像。● dsize：输出图像大小。● fx：水平方向的缩放比例。● fy：垂直方向的缩放比例。● interpolation代表插值方式关于缩放尺寸的参数传入方式：方式一：通过fx
复制链接

扫一扫