【OpenCV学习】（六）图像基本变换

【OpenCV学习】（六）图像基本变换

背景

图像的变换通常用于数据预处理部分，例如缩放旋转等常见的图像变换方法；在一些深度学习框架内部都分装了图像变换的方法，对训练集做统一的图像变换操作；

一、图像缩放

函数原型：

resize（src，dsize，[fx，fy，interpolation]）

• fx：x轴的缩放因子；
• fy：y轴的缩放因子；
• interpolation：插值算法；

插值算法有以下几种：

1、INTER_NEAREST：最近邻插值，速度快，效果差；

2、INTER_LINEAR：双线性插值，基于原图的四个点；（默认插值方法）

3、INTER_CUBIC：三次插值，基于原图16个点，效果好但耗时大；

4、INTER_AREA：效果最好，速度也最慢；

二、图像翻转

图像翻转不等同于旋转，类似于一些视频的拍摄，拍摄后实际是左右颠倒的，通过图像翻转可进行还原；

函数原型：

filp（img，filpCode）：filpCode等于0（上下翻转）、大于0（左右翻转）、小于0（上下+左右翻转）

代码案例：

cv2.filp(img, 0)	# 上下翻转
cv2.filp(img, 1)	# 左右翻转
cv2.filp(img, -1)	# 上下左右翻转

三、图像旋转

函数原型：

rotate（img，rotateCode）

• ROTATE_90_CLOCKWISE：顺时针旋转90°
• ROTATE_180：旋转180°
• ROTATE_90_COUNTERCLOCKWISE：逆时针旋转90°

四、图像仿射变换——平移

首先介绍一下放射变换，简单来说就是图像旋转、缩放、平移的总称；

函数原型：

warpAffine（src，M，dsize，flags，mode，value）

• M：变换矩阵
• dsize：输出尺寸大小
• flags：与size中的插值算法一致
• mode：边界外推法标志
• value：填充边界的值

实际上平移矩阵就是一个2x2的单位矩阵加上一个2x1的平移向量，也就是2x3的矩阵；

代码案例：

img = cv2.imread('img.jpg')
h,w,c = img.shape
M = np.float32([[1, 0, 500], [0, 1, 0]])	# x方向平移500个像素点
new = cv2.warpAffine(img, M, (w, h))
cv2.imshow('new', new)
cv2.waitKey(0)

五、图像仿射变换——旋转

获取变换矩阵M的两种方法：

1、getRotationMatrix2D（center，angle，scale）

• center：中心点
• angle：旋转角度（逆时针）
• scale：缩放比例（宽高同时缩放）

代码案例：

M = cv2.getRotationMatrix2D((100,100), 30, 1.0)
new = cv2.warpAffine(img, M, (w, h))

2、getAffineTransform（src[]，dst[]）

定义：通过点对应找到变换矩阵，一般三个点就可以；

拓展：这里可以联想到TPS算法，也是通过对应点进行变换的一种方法，二者可能有想通之处；

代码案例：

src = np.float32([[100, 200], [300, 400], [500, 700]])
dst = np.float32([[300, 400], [800, 500], [900, 800]])
cM = cv2.getAffineTransform(src, dst)
new = cv2.warpAffine(img, M, (w, h))

六、透视变换

这里用一个具体案例来介绍，例如拍照搜题的软件，当拍摄整页时会有一种书本和桌面组合的样子，经过透视变换后能更好的将想要的信息放在图像中；

仿射变换函数原型：

warpPerspective（img，M，dsize，…）

获取变换矩阵函数原型：

getPerspective（src，dst）：和getAffineTransform函数比较类似，不同的是需要四个坐标点（图形四个角）；

代码案例：

paper = cv2.imread('paper.png')

src = np.float32([[100,1100], [2100, 1100], [0, 4000], [2500, 3900]])
dst = np.float32([[0, 0], [2300, 0], [0, 3000], [2300, 3000]])

M = cv2.getPerspectiveTransform(src, dst)
new = cv2.warpPerspective(paper, M, (2300, 3000))
paper = cv2.resize(paper, (460, 600))
new = cv2.resize(new, (460, 600))

cv2.imshow('org', paper)
cv2.imshow('new', new)
cv2.waitKey(0)

总结

图像的变换在解决一些小问题上十分有效，特别是变换矩阵的获取，本质上变换矩阵就是一个滤波器，通过该滤波器改变了图像中一些点的像素值；像仿射变换、透视变换，都是十分常用的方法，用于图像的前处理部分；