opencv 仿射变换_python之图像仿射变换分析：原理+图像平移

前言

这次梳理的篇幅主要是涉及图像仿射变换的原理以及图像平移，利用python编程实现不同方式的图像平移，对巩固自己的python知识也是很有帮助的，进一步的对图像处理的内容也是帮助很大的。

但更多的是抛砖引玉，希望对你们有所帮助。

感谢各位鼓励与支持，往期文章都在最后梳理出来了(●'◡'●)

接下来就以问题的形式展开梳理

仿射变换简介

图像上的仿射变换，「其实就是图片中的一个像素点，通过某种变换，移动到另外一个地方。从数学上来讲， 就是一个向量空间进行一次线性变换并加上平移向量， 从而变换到另外一个向量空间的过程」。

仿射变换数学原理

向量空间m : m=(x,y)

向量空间n : n=(x′,y′)

向量空间从m到n的变换 n=A∗m+b

整理得到:

将A跟b 组合在一起就组成了仿射矩阵 M。它的维度是2∗3

使用不同的矩阵M，就获得了不同的2D仿射变换效果。

在opencv中，实现2D仿射变换， 需要借助warpAffine 函数。

cv2.warpAffine(image, M, (image.shape[1], image.shape[0])

接下来，带你结合具体的2D仿射变换，分析其变换矩阵。

---

图像平移

数学公式推导

平移可以说是最简单的一种空间变换。其表达式为：

平移表达式

其中(b0,b1) 是偏移量。

那我们看看图像平移的一个简单数学例程吧

如果是向右平移10个像素， 向下平移30个像素的话， 那么变换矩阵M可以为：

变换矩阵M

左右平移某个像素都是通过「变换矩阵」来展现，不同的像素值就有不同的变换矩阵。在后面的python编程过程中也是通过变换矩阵来实现相应的图像平移过程。

向右平移10个像素，向下平移30个像素

向右平移10个像素， 向下平移30个像素:

import cv2import numpy as npimg = cv2.imread('lena1.jpg')height,width,channel = img.shape# 声明变换矩阵 向右平移10个像素， 向下平移30个像素M = np.float32([[1, 0, 10], [0, 1, 30]])# 进行2D 仿射变换shifted = cv2.warpAffine(img, M, (width, height))cv2.imwrite('shift_right_10_down_30.jpg', shifted)

原始图像：

原始图像

向右平移10个像素， 向下平移30个像素图像：

向右平移10个像素， 向下平移30个像素图像

向左平移10个像素，向上平移30个像素

向左平移10个像素， 向上平移30个像素:

# 声明变换矩阵 向左平移10个像素， 向上平移30个像素M = np.float32([[1, 0, -10], [0, 1, -30]])# 进行2D 仿射变换shifted = cv2.warpAffine(img, M, (width, height))cv2.imwrite('shift_right_-10_down_-30.jpg', shifted)

原始图像：

原始图像

向左平移10个像素， 向上平移30个像素图像：

向左平移10个像素， 向上平移30个像素图像

---

图像平移V2

函数封装

我们可以用translate这个函数把这个操作封装一下:

def translate(image, x, y):    M = np.float32([[1, 0, x], [0, 1, y]])    shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))    return shifted

完整演示代码

用translate这个函数把这个操作封装之后的完整代码如下：

import cv2import numpy as npimg = cv2.imread('cat.png')def translate(image, x, y):    M = np.float32([[1, 0, x], [0, 1, y]])    shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))    return shiftedshifted = translate(img, 10, 30)cv2.imwrite('shift_right_10_down_30.png', shifted)

运行效果

运行代码，在后台显示结果如下：

---

「❤️ 感谢大家」

如果你觉得这篇内容对你挺有有帮助的话：

1. 点赞支持下吧，让更多的人也能看到这篇内容(收藏不点赞，都是耍流氓 -_-)
2. 欢迎在留言区与我分享你的想法，也欢迎你在留言区记录你的思考过程。
3. 觉得不错的话，也可以阅读近期梳理的文章(感谢各位的鼓励与支持)：

• python开发之HighGUI上位机开发(一)(420+)
• python开发之HighGUI上位机开发(二)(680+)
• python开发(三)—项目实战：可变色画布和自制绘图板(580+)
• 教你用python操作Excel、Word、CSV，一文够了(160+)
• 教你用python轻松解析XML和PDF，一文够了，赶紧码住(210+)
• 电脑收藏的10个网站，知乎超100万人推荐，让你办公事半功倍(230+)
• 基于混沌Logistic加密算法的图片加密与还原(220+)
• 分享 | 36张不可思议的数学知识动图，让你对数学怦然心动(600+)
• 手把手教你进行pip换源(100+)
• 聊天小白震撼来临！快用python教她说话吧，你就不寂寞了(240+)
• 教你用python编写二十几行的代码绘制动态烟花(210+)
• Python之Matplotlib数据可视化一：简易线形图(310+)
• Python之Matplotlib可视化二：密度图与等高线图(330+)

「❤️ 资源传送门」

1. 扫码关注【做一个柔情的程序猿】公众号

2. 在【做一个柔情的程序猿】后台回复 【python资料】【2020秋招】 获取相应资料