图像的平移是一种几何变换,通过沿着图像的水平和垂直方向移动图像中的像素点,改变图像的位置。数学上,图像的平移可以通过一个平移矩阵来表示。平移矩阵是一个矩阵,形式如下:
[1 0 dx]
[0 1 dy]
[0 0 1 ]
其中,dx表示在水平方向上的平移量,dy表示在垂直方向上的平移量,第三行是一个单位向量,保持不变。平移矩阵可以将原始图像中的每个像素点的坐标进行平移,从而得到平移后的图像。
具体实现过程如下:
1、选择平移量:确定图像需要在水平和垂直方向上平移的量,即dx和dy的值。
2、构造平移矩阵:使用选择的平移量,构造一个平移矩阵。矩阵的第一行表示水平方向上的平移,第二行表示垂直方向上的平移,第三行是一个单位向量,保持不变。
3、应用平移变换:将平移矩阵应用于原始图像的每个像素点。对于每个像素点(x, y),使用平移矩阵中的平移量(dx, dy)来计算平移后的像素点的位置(x’, y’),即:
[x']=[1 0 dx][x]
[y']=[0 1 dy][y]
[1 ]=[0 0 1 ][y]
这样就得到了平移后的图像,其中每个像素点的位置都在水平和垂直方向上发生了平移。通过图像的平移,可以将图像在画布上的位置进行调整,实现图像位置的移动。平移可以用于对图像进行校正、对齐以及创建图像平移效果等应用场景。
代码实现如下所示:
import cv2
import numpy as np
import matplotlib.pyplot as plt
class ImageWarper:
def __init__(self, image_path):
self.image_path = image_path
def warp_translational(self, dx, dy):
img = cv2.imread(self.image_path)
if img is None:
print("Unable to load image!")
return
rows, cols, ch = img.shape
mat = np.float32([[1, 0, dx],
[0, 1, dy]]) # 构造平移变换矩阵
dst = cv2.warpAffine(img, mat, (cols, rows), borderValue=(255, 255, 255))# 设置白色填充
self.show_images(img,dst)
def show_images(self,img,dst):
plt.figure(figsize=(9, 6))
plt.subplot(121), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title("Original")
plt.subplot(122), plt.imshow(cv2.cvtColor(dst, cv2.COLOR_BGR2RGB)), plt.title("Translational")
plt.show()
# 示例用法
img_file = "Images/lena.jpg"# 读取彩色图像(BGR)
warper = ImageWarper(img_file)
warper.warp_translational(100, 50)# dx=100 向右偏移量, dy=50 向下偏移量
链接: link