python 图像刚性变换_【OpenCV+Python】图像缩放旋转平移与几何变换

图像缩放旋转平移

在OpenCV中我们经常会用到图像的缩放，旋转以及平移，比如有的时候我们想对一类图片进行操作，这个时候我们就需要对这一类的图片进行尺寸统一，在以后深度学习的学习中，我们也会发现，对于数据集的训练，它们的数据集样本通常都是尺寸统一的。

▼ 缩放

在OpenCV中，使用函数cv2.resize()实现对图像的缩放。

语法格式为：

dst = cv2.resize( src, dsize[ ,fx[, fy[ ,interpolation]]])

• src：原图片

• dsize：缩放图片尺寸,如果dsize=0，默认计算方式如下dsize=Size(round(fx∗src.cols),round(fy∗src.rows))

• fx fy和dsize不能同时为0 fx，fy分别是在x,y轴上的缩放系数,默认取0时，fx=(double)dsize.width/src.cols ,fy=(double)dsize.height/src.cols,默认参数为0可以不写如里面。

• interpolation：差值方式使用默认即可。默认的是INTER_LINEAR - a bilinear interpolation (used by default)现行差值，如下图所示。

我们习惯的坐标表示是：先x横坐标，再y纵坐标。在图像处理中，这种惯性思维经常情况下是错误的。

因为在计算机中，图像是以矩阵的形式保存的，先行后列。所以，一张 宽×高×颜色通道＝480×256×3 的图片会保存在一个 256×480×3 的三维张量中。图像处理时也是按照这种思想进行计算的(其中就包括 OpenCV 下的图像处理)，即 高×宽×颜色通道。

但是问题来了，cv2.resize这个API却是个小例外。因为它的参数输入却是 宽×高×颜色通道。

我们来看代码：

import cv2pic = cv2.imread("cat.jpg")cv2.imshow("org",pic)pic = cv2.resize(pic, (400, 400), interpolation=cv2.INTER_CUBIC)cv2.imshow('res', pic)cv2.waitKey(0)cv2.destroyAllWindows()

先看原图效果：

再看缩放之后的效果：

我们发现，用这种方法缩小之后的宽高比跟原图并非一样，现在我们可以进行代码的改进：

import cv2pic = cv2.imread("cat.jpg")cv2.imshow("org",pic)pic = cv2.resize(pic, (0, 0), fx=0.5, fy=0.5,interpolation=cv2.INTER_NEAREST)cv2.imshow('res', pic)cv2.waitKey(0)cv2.destroyAllWindows()

我们直接来看缩放之后的图像：

在这里，如果我们不直接指定缩放后大小，则通过fx和fy直接指定缩放比例，0.5则长宽都为原来一半。

▼ 旋转

OpenCV中对图像的旋转主要是先通过getRotationMatrix2D函数得到图像的旋转矩阵，然后再通过仿射变换函数warpAffine得到旋转后的图像。

我们看一下函数：

cv2.getRotationMatrix2D(center, angle, scale)

• center：旋转中心点 (cx, cy) ，你可以随意指定。

• angle