一、图像的加法
在这里,可以使用OpenCV的cv.add()函数把两幅图像相加,或者可以简单的通过numpy操作添加两个图像,如res = img1 + img2,两个图像应该具有相同的大小和类型,或者第二个图像可以是标量值。
注:OpenCV加法和Numpy加法之间存在差异,OpenCV的加法是饱和操作,而Numpy添加是模运算
>>> import numpy as np
>>> import cv2 as cv
>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print(cv.add(x, y)) #250+10 =>255
[[255]]
>>> print(x + y) #numpy中加法 255+10 = 260%256 = 4
[4]
二、图像混合
其实也是加法,但是不同的是两幅图像的权重不同 ,就会给人一种混合或者透明的感觉。图像混合的运算公式如下: 修改 α 的值( 0 → 1 )可以实现非常酷的混合。
现在我们把两幅图混合在一起。第一幅图的权重是
0.7
第二幅图的权重是
0.3
。函数
cv2.addWeighted() 可以按下面的公式对图片进行混合操作。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img1 = cv2.imread('images/pig1.jpg')
img2 = cv2.imread('images/pig2.jpg')
dst = cv2.addWeighted(img1, 0.8, img2, 0.2, 0)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
图像的几何操作汇总:
三、图像缩放
缩放 是对图像的大小进行调整,即:图像的放大或缩小。
- 只是改变图像的尺寸大小,cv2.resize()可以实现这个功能。在缩放时推荐cv2.INTER_AREA,在拓展时推荐cv2.INTER_CUBIC(慢)和cv2.INTER_LINEAR。默认情况下所有改变图像尺寸大小的操作使用的是插值法都cv2.INTER_LINEAR
1、简单案例
import cv2 as cv
from matplotlib import pyplot as plt
#1、读取图片
img1 = cv.imread("images/messi5.jpg")
#2、图像的缩放
#2.1绝对尺寸
rows, cols = img1.shape[:2] #shape[:2]取出图片shape值的前两位,也即图片的大小
res = cv.resize(img1, (2*cols, 2*rows), interpolation=cv.INTER_CUBIC)
#2.2相对尺寸
res1 = cv.resize(img1, None,fx=8.5, fy=8.5)
# #图像显示
# #3.1使用opencv显示(不推荐)
# cv.imshow('orignal', img1)
# cv.imshow('enlarge', res)
# cv.imshow('shrink', res1)
# cv.waitKey(0)
#3.2使用matplotlib显示
fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10, 8), dpi=100)
axes[0].imshow(res[:,:,::-1])
axes[0].set_title("绝对尺度(放大)")
axes[1].imshow(img1[:,:,::-1])
axes[1].set_title("original")
axes[2].imshow(res1[:,:,::-1])
axes[2].set_title("相对尺度(缩小)")
plt.show()
OpenCV
提供了两个变换函数,
cv2.warpAffine
和
cv2.warpPerspective
,使用这两个函数你可以实现所有类型的变换。
cv2.warpAffine 接收的参数是2 × 3 的变换矩阵
,而
cv2.warpPerspective 接收的参数是 3 × 3 的变换矩阵
。
四、图像的平移
图像平移将按照指定的方向和距离,移动到相应的位置。
1、案例:将图像的像素点移动(50,100)的距离
移动距离时指定方式:(cols, rows)
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
#读取图片
img1 = cv.imread("images/messi5.jpg")
#图像平移
rows, cols = img1.shape[:2]
N = M = np.float32([[1,0,100], [0,1,50]]) #平移矩阵
dst = cv.warpAffine(img1, M, (cols, rows))
#图像显示
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10,8), dpi=100)
axes[0].imshow(img1[:,:,::-1])
axes[0].set_title("original pic")
axes[1].imshow(dst[:,:,::-1])
axes[1].set_title("results")
plt.show()
五、图像旋转
图像旋转是指图像按照某个位置转动一定角度的过程,旋转中图像仍保存原来的尺寸。图像旋转后图像的水平对称轴、垂直对称轴以及中心坐标原点都可能会发生变化,因此需要对图像旋转中的坐标进行相应的转换。
1、图像旋转90度
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
#1、读取图像
img = cv.imread("images/gyy.jpg")
#2、图像旋转
rows, cols = img.shape[:2]
#2.1 生成旋转矩阵
M = cv.getRotationMatrix2D((cols/2, rows/2), 90, 1)
#2.2 旋转变换
dst = cv.warpAffine(img, M, (cols, rows))
#图像显示
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10,8), dpi=100)
axes[0].imshow(img[:,:,::-1])
axes[0].set_title("old pic:")
axes[1].imshow(dst[:,:,::-1])
axes[1].set_title("new pic:")
plt.show()