OpenCV学习心得——python版——像素运算与图像常见的几何变换

最新推荐文章于 2023-11-23 17:02:33 发布

whl970831

最新推荐文章于 2023-11-23 17:02:33 发布

阅读量1.3k

点赞数 2

分类专栏： OpenCV3学习 OpenCV3教程 opencv-python

本文链接：https://blog.csdn.net/whl970831/article/details/99691572

版权

OpenCV3学习同时被 3 个专栏收录

18 篇文章 2 订阅

订阅专栏

OpenCV3教程

16 篇文章 1 订阅

订阅专栏

opencv-python

4 篇文章 0 订阅

订阅专栏

OpenCV学习心得——python版——像素运算与图像常见的几何变换
FOR THE SIGMA
FOR THE GTINDER
FOR THE ROBOMASTER

简介：

本笔记仅供参考

操作系统版本：Windows10
编译器：JetBrains PyCharm 2019.1.3 x64
所需库：
opencv-python2.xx.xx以上
numpy
pillow

电子版书籍下载地址
暂无资源

内容：

像素运算：

前排提醒，两个源图像需要满足大小一样，否则会报错

两个图形像素加运算

#调用opencv中函数进行操作
import cv2 as cv

def add_demo(m1, m2):
	dst = cv.add(m1, m2)
	cv.imshow("add_demo", dst) #输出add后的图像(显示)

img1 = cv.imread("messigray.png") #灰度图-sss的
img2 = cv.imread("sss.jpg") #原图-sss的(彩色)

cv.imshow("messigray", img1)
cv.imshow("sss", img2)

add_demo(img1, img2)

cv.waitKey(0) #无限等待用户相应
cv.destroyAllWindows()

#调用numpy直接对像素点操作
import numpy as np
import cv2

x = np.uint8([250])
y = np.uint8([10])
print(cv2.add(x, y))  # 输出255
print(x + y)  # 输出4，因为发生溢出

# 两张图像按权重进行相加融合
img1 = cv2.imread('messigray.png')
img2 = cv2.imread('sss.jpg')
# 注意两个图片需要相同的尺寸，否则无法进行相加或融合操作

img = cv2.addWeighted(img1, 0.3, img2, 0.7, 0) #前者权重0.3，后者0.7
# 其中最后一个0,表示两个图像相加后的常数值，这里设置为0
cv2.imshow('img', img)
cv2.waitKey()
cv2.destroyAllWindows()

两个图形像素减运算

import cv2 as cv

def subtract_demo(m1, m2):
	dst = cv.subtract(m1, m2)
	cv.imshow("substract_demo",dst) #输出substract后的图像(显示)

img1 = cv.imread("messigray.png") #灰度图-sss的
img2 = cv.imread("sss.jpg") #原图-sss的(彩色)

cv.imshow("messigray", img1)
cv.imshow("sss", img2)

subtract_demo(img1, img2)

cv.waitKey(0) #无限等待用户相应
cv.destroyAllWindows()

两个图形像素除运算
注意在除法时注意被除数与除数之间的关系，结果为负值则图像以黑色显示（全0）

import cv2 as cv

def divide_demo(m1, m2):
	dst = cv.divide(m1, m2)
	cv.imshow("divide_demo",dst) #输出divide后的图像(显示)

img1 = cv.imread("messigray.png") #灰度图-sss的
img2 = cv.imread("sss.jpg") #原图-sss的(彩色)

cv.imshow("messigray", img1)
cv.imshow("sss", img2)

divide_demo(img1, img2)

cv.waitKey(0) #无限等待用户相应
cv.destroyAllWindows()

两个图像的乘运算

import cv2 as cv

def multiply_demo(m1, m2):
	dst = cv.multiply(m1, m2)
	cv.imshow("multiply_demo",dst) #输出multiply后的图像(显示)

img1 = cv.imread("messigray.png") #灰度图-sss的
img2 = cv.imread("sss.jpg") #原图-sss的(彩色)

cv.imshow("messigray", img1)
cv.imshow("sss", img2)

multiply_demo(img1, img2)

cv.waitKey(0) #无限等待用户相应
cv.destroyAllWindows()

总结

#像素的算术运算(加、减、乘、除)  
import cv2 as cv
def add_demo(m1, m2):   #像素的加运算
    dst = cv.add(m1, m2)
    cv.imshow("add_demo", dst)
def subtract_demo(m1, m2):   #像素的减运算
    dst = cv.subtract(m1, m2)
    cv.imshow("subtract_demo", dst)
def divide_demo(m1, m2):   #像素的除法运算
    dst = cv.divide(m1, m2)
    cv.imshow("divide_demo", dst)
def multiply_demo(m1, m2):   #像素的乘法运算
    dst = cv.multiply(m1, m2)
    cv.imshow("multiply_demo", dst)

img1 = cv.imread('messigray.png')
img2 = cv.imread('sss.jpg')
cv.imshow('image1', img1)
cv.imshow('image2', img2)

add_demo(img1, img2)
subtract_demo(img1, img2)
divide_demo(img1, img2)
multiply_demo(img1, img2)

cv.waitKey(0)
cv.destroyAllWindows()

位运算
像素的逻辑运算涉及与、或、非、异或等基本运算，图像大小需要一样

import cv2 as cv
def and_demo(m1, m2):    #与运算  每个像素点每个通道的值按位与
    dst = cv.bitwise_and(m1, m2)
    cv.imshow("and_demo", dst)
def or_demo(m1, m2):     #或运算   每个像素点每个通道的值按位或
    dst = cv.bitwise_or(m1, m2)
    cv.imshow("or_demo", dst)
def not_demo(m1):     #非运算   每个像素点每个通道的值按位取反
    dst = cv.bitwise_not(m1)
    cv.imshow("not_demo", dst)
def xor_demo(m1,m2):  #异或运算 相同取0，相反取1
    dst = cv.bitwise_xor(m1, m2)
    cv.imshow("xor_demo", dst)

img1 = cv.imread('messigray.png')
img2 = cv.imread('sss.jpg')
cv.imshow('image1', img1)
cv.imshow('image2', img2)

and_demo(img1, img2)
or_demo(img1, img2)
not_demo(img1)
xor_demo(img1,img2)

cv.waitKey(0)
cv.destroyAllWindows()

对比度与亮度

import cv2 as cv
import numpy as np
def contrast_brightness_image(img1, ratio, b):    
    h, w, ch = img1.shape
    img2 = np.zeros([h, w, ch], img1.dtype)    # 新建的一张全黑图片和img1图片shape类型一样，元素类型也一样
    dst = cv.addWeighted(img1, ratio, img2, 1 - ratio, b)
    cv.imshow("csecond", dst)
src = cv.imread("sss.jpg")
cv.imshow("first", src)
contrast_brightness_image(src, 0.1, 10)  #第2个参数rario为对比度  第3个参数b为亮度
cv.waitKey(0)
cv.destroyAllWindows()

图像几何变换：

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。

一：仿射变换（平移，缩放，旋转等）

1、缩放
在这里插入图片描述
将图像放大，缩小，其根本就是让Sx和Sy取不同的值，对x缩放就是让Sx取不同的值，对y缩放就是让Sy取不同的值

import cv2
import numpy as np


image = cv2.imread('sss.jpg')

h, w = image.shape[:2] #高，宽（取前两个）

A1 = np.array([[0.5, 0, 0], [0, 0.5, 0]], np.float32)  # 相当于长宽都变为原来的1/2
d1 = cv2.warpAffine(image, A1, (w, h), borderValue=0) #上面125是指定多余空间的像素值

cv2.imshow('img1', d1)
cv2.waitKey(0)
cv2.destroyAllWindows()

另一种方法：

import cv2
import numpy as np
img=cv2.imread('sss.jpg')

res=cv2.resize(img,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC) # 下面的 None 本应该是输出图像的尺寸，但因为后边我们设置了缩放因子

height,width=img.shape[:2]
res=cv2.resize(img,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
while(1):
    cv2.imshow('res',res)
    cv2.imshow('img',img)
    if cv2.waitKey(1) & 0xFF == 27:
        break
cv2.destroyAllWindows()
# Resize(src, dst, interpolation=CV_INTER_LINEAR)

2、平移
在这里插入图片描述
平移就是将对象换一个位置。如果你要沿（x，y）方向移动，移动的距离是（tx ，ty ），而tx, ty取不同的值，可以让x和y坐标进行不同程度的偏移。可以使用 Numpy 数组构建这个矩阵（数据类型是 np.float32），然后把它传给函数 cv2.warpAffine()。

import cv2
import numpy as np


image = cv2.imread('sss.jpg')

h, w = image.shape[:2] #高，宽（取前两个）

# 先缩小两倍，在平移
A2 = np.array([[0.5, 0, w/4], [0, 0.5, h/4]], np.float32)
d2 = cv2.warpAffine(image, A2, (w, h), borderValue=0)
cv2.imshow('img2', d2)
cv2.waitKey(0)

另一种方法：

import cv2
import numpy as np

img = cv2.imread('sss.jpg',0)
rows,cols = img.shape

M = np.float32([[1,0,100],[0,1,50]]) #移动了（100,50）个像素
dst = cv2.warpAffine(img,M,(cols,rows))

cv2.imshow('img',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是：函数 cv2.warpAffine() 的第三个参数的是输出图像的大小，它的格式应该是图像的（宽，高）。应该记住的是图像的宽对应的是列数，高对应的是行数。

3、旋转
在这里插入图片描述

import cv2
import numpy as np

image = cv2.imread('sss.jpg')

h, w = image.shape[:2] #高，宽（取前两个）

A2 = np.array([[0.5, 0, w/4], [0, 0.5, h/4]], np.float32)
d2 = cv2.warpAffine(image, A2, (w, h), borderValue=125)
# 在d2的基础上绕中心点做旋转
A3 = cv2.getRotationMatrix2D((w/2.0, h/2.0), 30, 1)
d3 = cv2.warpAffine(d2, A3, (w, h), borderValue=125)
cv2.imshow('img3', d3)
cv2.waitKey(0)
cv2.destroyAllWindows()

另一种方法：

import cv2
import numpy as np
img=cv2.imread('sss.jpg',0)
rows,cols=img.shape

M=cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6) #第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子
dst=cv2.warpAffine(img,M,(2*cols,2*rows))# 第三个参数是输出图像的尺寸中心

while(1):
    cv2.imshow('img',dst)
    if cv2.waitKey(1)&0xFF==27:
        break
        
cv2.destroyAllWindows()