OpenCV竟然可以这样学！成神之路终将不远（十）

最新推荐文章于 2023-05-30 15:07:45 发布

星辰同学wwq

最新推荐文章于 2023-05-30 15:07:45 发布

阅读量409

点赞数 5

分类专栏： python OpenCV OpenCV成神之路文章标签： python opencv 图像处理计算机视觉机器学习

本文为博主原创文章，未经博主允许禁止转载。如有问题，欢迎指正。

本文链接：https://blog.csdn.net/weixin_41529012/article/details/117958850

版权

python 同时被 3 个专栏收录

71 篇文章 8 订阅

订阅专栏

OpenCV

44 篇文章 11 订阅

订阅专栏

OpenCV成神之路

37 篇文章 8 订阅

订阅专栏

10 图像的几何变换

10.1 目标

学习将不同的几何变换应用到图像上，如平移、旋转、仿射变换等。
你会看到这些函数: cv.getPerspectiveTransform

10.2 变换

OpenCV提供了两个转换函数cv.warpAffine和cv.warpPerspective，您可以使用它们进行各
种转换。cv.warpAffine采用2x3转换矩阵，而cv.warpPerspective采用3x3转换矩阵作为输
入。

10.2.1 缩放

缩放只是调整图像的大小。为此，OpenCV带有一个函数cv.resize()。图像的大小可以手动指定，也可以指定缩放比例。也可使用不同的插值方法。首选的插值方法是cv.INTER_AREA用于缩小，cv.INTER_CUBIC（慢）和cv.INTER_LINEAR用于缩放。默认情况下，出于所有调整大小的目的，使用的插值方法为cv.INTER_LINEAR。您可以使用以下方法调整输入图像的大小：

import cv2 as cv

img = cv.imread('../girl6/25.jpg')
res1 = cv.resize(img, None, fx=2, fy=2, interpolation=cv.INTER_CUBIC)
# 或者
height, width, channel = img.shape
res2 = cv.resize(img, (2 * width, 2 * height), interpolation=cv.INTER_CUBIC)

cv.imshow('img', img)
cv.imshow('res1', res1)
cv.imshow('res2', res2)
cv.waitKey(0)
cv.destroyAllWindows()

可以看到res1和res2两种方法都将图像放到2倍。

10.2.2 平移

平移是物体位置的移动。如果您知道在 $(x,y)$ 方向上的位移，则将其设为 $(t_x,t_y)$ ，你可以创建转换矩阵 $\mathbf{M}$ ，如下所示：

$M = \begin{bmatrix} 1 & 0 & t_x \\ 0 & 1 & t_y \end{bmatrix}$

您可以将其放入np.float32类型的Numpy数组中，并将其传递给cv.warpAffine函数。参见下
面偏移为(100, 50)的示例：

import numpy as np
import cv2 as cv

img = cv.imread('../girl6/24.jpg')
rows, cols, channel = img.shape
M = np.float32([[1, 0, 100], [0, 1, 50]])
res = cv.warpAffine(img, M, (rows, cols))
cv.imshow('img', img)
cv.imshow('res', res)
cv.waitKey(0)
cv.destroyAllWindows()

警告：cv.warpAffine函数的第三个参数是输出图像的大小，其形式应为(width，height) 。记住width =列数， height =行数。

你将看到下面的结果：

10.2.3 旋转

图像旋转角度为θ是通过以下形式的变换矩阵实现的：

$M = \begin{bmatrix} cos\theta & -sin\theta \\ sin\theta & cos\theta \end{bmatrix}$

但是OpenCV提供了可缩放的旋转以及可调整的旋转中心，因此您可以在自己喜欢的任何位置旋转。修改后的变换矩阵为：

$\begin{bmatrix} \alpha & \beta & (1- \alpha ) \cdot center.x - \beta \cdot center.y \\ - \beta & \alpha & \beta \cdot center.x + (1- \alpha ) \cdot center.y \end{bmatrix}$

其中：

$\begin{array}{l} \alpha = scale \cdot \cos \theta , \\ \beta = scale \cdot \sin \theta \end{array}$

为了找到此转换矩阵，OpenCV提供了一个函数cv.getRotationMatrix2D。请检查以下示例，该示例将图像相对于中心旋转90度而没有任何缩放比例。

import cv2 as cv

img = cv.imread('../girl6/25.jpg')
rows, cols = img.shape[:2]
# cols-1 和 rows-1是坐标限制
M = cv.getRotationMatrix2D(((cols - 1) / 2., (rows - 1) / 2), 90, 1)
dst = cv.warpAffine(img, M, (cols, rows))
cv.imshow('img', img)
cv.imshow('dst', dst)
cv.waitKey(0)
cv.destroyAllWindows()

运行结果如下：

10.2.4 仿射变换

在仿射变换中，原始图像中的所有平行线在输出图像中仍将平行。为了找到变换矩阵，我们需要输入图像中的三个点及其在输出图像中的对应位置。然后cv.getAffineTransform将创建一个2x3矩阵，该矩阵将传递给cv.warpAffine。

查看以下示例，并查看我选择的点（以绿色标记）：

import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread('../girl6/20.jpg')
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])
M = cv2.getAffineTransform(pts1, pts2)
dst = cv2.warpAffine(img, M, (width, height))
plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Input')
plt.subplot(122), plt.imshow(dst, 'gray'), plt.title('Output')
plt.show()

运行结果如下：

10.2.5 透视变换

对于透视变换，您需要3x3变换矩阵。即使在转换后，直线也将保持直线。要找到此变换矩阵，您需要在输入图像上有4个点，在输出图像上需要相应的点。在这四个点中，其中三个不应共线。然后可以通过函数cv.getPerspectiveTransform找到变换矩阵。然后将cv.warpPerspective应用于此3x3转换矩阵。

代码如下：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

img = cv.imread('../girl6/20.jpg')
rows, cols, ch = img.shape
pts1 = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])
pts2 = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]])
M = cv.getPerspectiveTransform(pts1, pts2)
dst = cv.warpPerspective(img, M, (300, 300))
plt.subplot(121), plt.imshow(img), plt.title('Input')
plt.subplot(122), plt.imshow(dst), plt.title('Output')
plt.show()

运行结果如下：