简单的几何变换
© Fu Xianjun. All Rights Reserved.
几何变换是指将一幅图像映射到另外一副图像内的操作
一、图像缩放
代码如下
import cv2
import numpy as np
img=cv2.imread("pig.jpg")
rows,cols,_ = img.shape
#第一种缩放方式
size1 = (int(rows*0.9),int(cols*0.8))#宽变成0.9倍,长变成0.8倍
img_resize1 = cv2.resize(img,size1)
#第二种缩放方式
img_resize2 = cv2.resize(img,None,fx=2,fy=1.5)#宽变成两倍,长变成1.5倍
cv2.imshow("SRC",img)
cv2.imshow("RESIZE1",img_resize1)
cv2.imshow("RESIZE2",img_resize2)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果如图
二、图像翻转
代码如下
img_flip1=cv2.flip(img,0)#x轴翻转
cv2.imshow("FLIP1",img_flip1)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果如下
三、旋转
retval = cv2.getRotationMatrix2D(center,anle,scale)
center:旋转中心
angle:旋转角度,正数为逆时针旋转,负数为顺时针旋转
scale:缩放大小
代码如下
height,width,_ = img.shape
M = cv2.getRotationMatrix2D((width/2, height/2), 45, 0.6)
img_rotate=cv2.warpAffine(img,M,(width, height))#平移操作
cv2.imshow("ROTATE",img_rotate)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果如图
四、透视
语法1:
转换矩阵 M = cv2.getPerspectiveTransform(pts_o, pts_d)
pts_o为原始4个点坐标
pts_d为变换后4个点坐标
语法2:
dst = cv2.warpPerspective(img, M, dsize)
img为原图
dst为变换后的图
M为转换矩阵
dsize为变换后图像的大小
代码如下
#读图
img = cv2.imread('lw.jpg')
rows, cols,_ = img.shape
# 原始点阵
pts_o = np.float32([[88, 177], [716, 85], [216, 695], [957, 551]]) # 这四个点为原始图片上数独的位置
pts_d = np.float32([[0, 0], [600, 0], [0, 600], [600, 600]]) # 这是变换之后的图上四个点的位置
# 获取转换矩阵
M = cv2.getPerspectiveTransform(pts_o, pts_d)
# 应用变换
dst = cv2.warpPerspective(img, M, (600, 600)) # 最后一参数是输出dst的尺寸。可以和原来图片尺寸不一致。按需求来确定
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果如下
五、图像通过透视变换矫正
代码如下
#读图
img = cv2.imread('lw.jpg')
rows, cols = img.shape[:2]
# 原始点阵
pts_o = np.float32([[45, 180], [220, 80], [60, 290], [270, 190]]) # 这四个点为原始图片上数独的位置
pts_d = np.float32([[0, 0], [200, 0], [0, 100], [200, 100]]) # 这是变换之后的图上四个点的位置
# 获取转换矩阵
M = cv2.getPerspectiveTransform(pts_o, pts_d)
# 应用变换
dst = cv2.warpPerspective(img, M, (200, 100)) # 最后一参数是输出dst的尺寸。可以和原来图片尺寸不一致。按需求来确定
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果如图