数字图像处理——图像几何变换

图像缩放

cv2.resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)

参数	表示意义
src	源图像
dsize	需要调整到的尺寸
dst	目标图像
fx	沿x轴的缩放比例
fy	沿y轴的缩放比例
interpolation	插值方式

插值方法	作用
INTER_NEAREST	最近邻插值
INTER_LINEAR	双线性插值（默认设置）
INTER_AREA	使用像素区域关系进行重采样
INTER_CUBIC	4x4像素邻域的双三次插值
INTER_LANCZOS4	8x8像素邻域的Lanczos插值

import cv2 as cv 
import numpy as np 


def cv_show(name, img):
    '''
     显示图像
    '''
    cv.imshow(name, img)
    cv.waitKey()
    cv.destroyAllWindows()

img = cv.imread("pictures/cat.jpg")
cv_show("img", img)
img_resize = cv.resize(img, (200, 200), interpolation=cv.INTER_LINEAR)
cv_show("img_resize", img_resize)

图像平移

cv2.warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)

参数	表示意义
src	源图像
M	变换矩阵
dsize	需要调整到的尺寸
dst	目标图像
flag	插值方式的组合
borderMode	边界像素模式
borderValue	边界填充值（默认为0）

import cv2 as cv
import numpy as np


def cv_show(name, img):
    '''
     显示图像
    '''
    cv.imshow(name, img)
    cv.waitKey()
    cv.destroyAllWindows()


img = cv.imread("pictures/cat.jpg")
cv_show("img", img)
(height, width, _) = img.shape
# 变换矩阵
# 1，0表示水平方向上  20表示平移20
# 0，1表示竖直方向上  50表示平移50
mat_translation = np.float32([[1, 0, 20], [0, 1, 50]])
img_warpAffine = cv.warpAffine(img, mat_translation, (width, height))
cv_show("img_warpAffine", img_warpAffine)

图像镜像

cv2.flip(src, flipCode, dst=None)

参数	表示意义
src	源图像
flipCode	翻转模式
dst	目标图像

翻转模式	效果
1	水平镜像
0	垂直镜像
-1	水平垂直同时进行(对角镜像)

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


def cv_show(name, img):
    '''
     显示图像
    '''
    cv.imshow(name, img)
    cv.waitKey()
    cv.destroyAllWindows()


img = cv.imread("pictures/cat.jpg", 0)
# 水平镜像
img_flip_hori = cv.flip(img, 1)
# 垂直镜像
img_flip_verti = cv.flip(img, 0)
# 对角镜像
img_flip_diag = cv.flip(img, -1)
plt.subplot(2, 2, 1), plt.imshow(img, 'gray'), plt.title("img"), plt.xticks(
    []), plt.yticks([])
plt.subplot(2, 2, 2), plt.imshow(
    img_flip_hori,
    'gray'), plt.title("img_flip_hori"), plt.xticks([]), plt.yticks([])
plt.subplot(2, 2, 3), plt.imshow(
    img_flip_verti,
    'gray'), plt.title("img_flip_verti"), plt.xticks([]), plt.yticks([])
plt.subplot(2, 2, 4), plt.imshow(
    img_flip_diag,
    'gray'), plt.title("img_flip_diag"), plt.xticks([]), plt.yticks([])
plt.show()

图像旋转

图像旋转也是用的：cv2.warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)

只不过旋转需要使用：cv2.getRotationMatrix2D(center, angle, scale)函数来生成旋转变换矩阵

cv2.getRotationMatrix2D(center, angle, scale)

参数	表示意义
center	中心点的位置
angle	逆时针旋转度数
scale	缩放比例(1是等比例缩放，2是放大一倍，以此类推)

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


def cv_show(name, img):
    '''
     显示图像
    '''
    cv.imshow(name, img)
    cv.waitKey()
    cv.destroyAllWindows()


img = cv.imread("pictures/cat.jpg")
cv_show("img", img)
(height, width, _) = img.shape
center = (width // 2, height // 2)
M = cv.getRotationMatrix2D(center, 45, 1.0)
img_rotate = cv.warpAffine(img, M, (width, height))
cv_show("img_rotate", img_rotate)

图像透视变换

透视变换函数：
cv2.warpPerspective(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)
cv2.warpPerspective()用于解决cv2.warpAffine()不能处理视场和图像不平行的问题。

参数	表示意义
src	源图像
M	变换矩阵
dsize	需要调整到的尺寸
dst	目标图像
flag	插值方式的组合
borderMode	边界像素模式
borderValue	边界填充值（默认为0）

使用warpPerspective之前应该先得到转换矩阵，而透视变换的转换矩阵由cv2.getPerspectiveTransform(src, dst, solveMethod=None)函数得到

参数	表示意义
src	输入图像的四边形的顶点坐标
dst	输出图像对应的四边形的顶点坐标
solveMethod	DecompTypes

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


def cv_show(name, img):
    '''
     显示图像
    '''
    cv.imshow(name, img)
    cv.waitKey()
    cv.destroyAllWindows()


img = cv.imread("pictures/words.png")
cv_show("img", img)
(height, width, _) = img.shape
# 定义对应的点
points1 = np.float32([[75, 55], [340, 55], [33, 435], [400, 433]])
points2 = np.float32([[0, 0], [360, 0], [0, 420], [360, 420]])
# 得到转换矩阵
mat_translation = cv.getPerspectiveTransform(points1, points2)
# 透视变换
img_perspctive = cv.warpPerspective(img, mat_translation, (290, 360))
cv_show("img_perspctive", img_perspctive)