基于OpenCV的计算机视觉入门(2)图片几何变换入门

图片缩放

# 1、 图片加载  2、图片信息 3、resize方法  4、检查结果
import cv2
img= cv2.imread('timg.jpeg',1) #1代表彩色
imgInfo =img.shape    #图片是一个矩阵，长对应行 宽对应列
print(imgInfo)    #(1080, 1920, 3)长度、宽度、颜色组成方式
height= imgInfo[0]  #imgInfo里面一共3个数 (1080, 1920, 3)
width=imgInfo[1]
mode= imgInfo[2]  #颜色组成方式  现在一个像素点是3种颜色 ，所以为3(0,1,2)
#1、放大和缩小两种     2、等比例和非等比例缩放
dstHeight =int (height*0.5)
dstWidth= int(width*0.5)
#最近邻域插值  双线性插值  像素关系重采样  立方插值
dst =cv2.resize(img,(dstWidth,dstHeight))
cv2.imshow('img',dst)
cv2.waitKey(10000)

1. 最近邻域插值法
   目标上的每一个点都来自于原图像
   newX= x*(src 行/目标 ) newX =1*(10/5)=2
   newY= y*(src 列/目标 ) newY =1*(10/5)=2
   12.3 -> 12

2. 双线性插值法
   

   • 步骤1
     (15.2 , 22.3)这个点进行投影，先水平或先竖直均可
     
     22.3-22=0.3 B1这个点占(15,22)-(15,23)这段距离的左边30%右边70%
     15.2-15=0.2 20% 80%
   • 步骤2

方法1
A1*0.3+A2*70
方法2
B1*20%+B2*80

• 代码实现

import cv2
import numpy as np
img= cv2.imread('timg.jpeg',1)
imgInfo = img.shape
height= imgInfo[0]
width= imgInfo[1]
dstHeight=int(height/2)
dstWidth=int(width/2)

dstImg =np.zeros((dstHeight,dstWidth,3),np.uint8)  #0-255 每个像素的数据类型？
#创建一个空白模板  (dstHeight,dstWidth,3)图片的基本信息
for i in range(0,dstHeight):  #行信息
    for j in range(0,dstWidth):#列信息
        iNew= int(i*(height*1.0/dstHeight))
        jNew=int(j*(width*1.0/dstWidth))
        dstImg[i,j]=img[iNew,jNew]
cv2.imshow('dst',dstImg)
cv2.waitKey(10000)

图片剪切

#从 x: 250 剪切到 670   y:820-1350
import cv2
img=cv2.imread('timg.jpeg',1)
imgInfo =img.shape
dst= img[250:670,820:1350]
cv2.imshow('剪切好的',dst)
cv2.waitKey(10000)

图片移位

1. API

#从 x: 100 剪切到 200   y:200-300
import cv2
import numpy as np
img=cv2.imread('timg.jpeg',1)
cv2.imshow('src',img)
imgInfo=img.shape
height=imgInfo[0]
width=imgInfo[1]

matshift= np.float32([[1,0,100],[0,1,200]])#两行三列
dst=cv2.warpAffine(img,matshift,(height,width))
cv2.imshow('dst',dst)
cv2.waitKey(10000)

水平平移了100px 竖直平移了200px
2. 算法原理
[[1,0,100],[0,1,200]]
[ [1,0]
[0,1] ] 2*2 矩阵A
[[100],[200]] 2*1 矩阵B
xy=c
A*C+B=当前移位之后的矩阵
A*C+B=[
[ [ 1*x+0*y ],[0*x+1*y]]+[ [100],[200] ]
]
3. 源代码

#从 x: 100 剪切到 200   y:200-300
import cv2
import numpy as np
img=cv2.imread('timg.jpeg',1)
cv2.imshow('src',img)
imgInfo=img.shape
dst =np.zeros(img.shape,np.uint8)
height=imgInfo[0]
width=imgInfo[1]
for i in  range(0,height):
    for j in range(0,width-100):  
    #因为上面创建dst的时候图像并没有变大，而是多出去的部分没有了  所以 width-100
        dst[i,j+100]=img[i,j]
cv2.imshow('img',dst)
cv2.waitKey(10000)

图片镜像

import numpy as np
from numpy import uint8
img= cv2.imread('haha.png',1)
cv2.imshow('src',img)
imgInfo =img.shape
height= imgInfo[0]
width =imgInfo[1]
deep=imgInfo[2]
newImginfo=(height*2,width,deep)
dst = np.zeros(newImginfo,np.uint8)
for i in range(0,height):
    for j in range(0,width):
        dst[i,j]= img[i,j]
        # x y =2*h-y-1
        dst[height*2-i-1,j]=img[i,j]
for i in range(0,width):
    dst[height,i]=(0,0,255)#bgr
cv2.imshow('dst',dst)
cv2.waitKey(10000)

图片缩放

import cv2
import numpy as np
from numpy import uint8
img= cv2.imread('timg.jpeg',1)
cv2.imshow('src',img)
imgInfo =img.shape
height= imgInfo[0]
width =imgInfo[1]
matScale= np.float32([[0.5,0,0],[0,0.5,0]])
dst= cv2.warpAffine(img,matScale,(int(width/2),int(height/2)))
cv2.imshow('suoxiao',dst)
cv2.waitKey(10000)

仿射变换

图片旋转

import cv2
import numpy as np
from numpy import uint8
img= cv2.imread('haha.png',1)
imgInfo =img.shape
height= imgInfo[0]
width =imgInfo[1]
matRotate =cv2.getRotationMatrix2D((height*0.5,width*0.5),45,0.5)
#第三个系数为1的话，多出去的部分不显示
#作用：得到一个旋转矩阵   3个参数  1、 旋转中心  2、角度  3、缩放系数
dst =cv2.warpAffine(img,matRotate,(height,width))
cv2.imshow('dst',dst)
cv2.waitKey(10000)