opencv几何变换(3):cv2.warpAffine,cv2.resize,cv2.getRotationMatrix2D,cv2.getAffineTransform,cv2.getPerspe

目录

 

1.图像平移：cv2.warpAffine(src,M,dsize,dst=None,flag=None,borderMode=None,borderValue=None)

2.图像缩放：cv2.resize(src,dsize,dst=None,fx=None,fy=None,interpolation=None)

3.图像旋转变换矩阵：M=cv2.getRotationMatrix2D(center,angle,scale)

4.图像仿射变换：M=cv2.getAffineTransform(src,dst)

5.透视变换：M=cv2.getPerspectiveTransform(src,dst)

---

1.图像平移：cv2.warpAffine(src,M,dsize,dst=None,flag=None,borderMode=None,borderValue=None)

src为输入图像；M为变换矩阵一般反映平移或旋转的关系，为InputArray类型的2x3的变换矩阵；dsize为输出图像的大小；flags是插值方法，默认值为cv2.INTER_LINEAR表示线性插值，此外还有cv2.INTER_AREA(区域插值),cv2.INTER_NEAREST(最近邻插值),cv2.INTER_CUBIC(三次样条插值),cv2.INTER_LANCZOS4(Lanczos插值)，borderMode边界像素模式为int类型；boarderValue是边界填充值，默认情况下为0

import cv2
import numpy as np
img = cv2.imread('img2.png')
# 构造移动矩阵H
# 在x轴方向移动多少距离，在y轴方向移动多少距离
H = np.float32([[1, 0, 50], [0, 1, 25]])
rows, cols = img.shape[:2]
print(img.shape)
print(rows, cols)

# 注意这里rows和cols需要反置，即先列后行
res = cv2.warpAffine(img, H, (2*cols, 2*rows))  
cv2.imshow('origin_picture', img)
cv2.imshow('new_picture', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.图像缩放：cv2.resize(src,dsize,dst=None,fx=None,fy=None,interpolation=None)

src为原图;dsize为输出图像尺寸，与比例因子二选一；fx为沿水平轴的比例因子;fy为沿垂直轴的比例因子;interpolation为插值方法

img = cv2.imread('img2.png')
# 方法一：通过设置缩放比例，来对图像进行放大或缩小
res1 = cv2.resize(img, None, fx=2, fy=2, 
                  interpolation=cv2.INTER_CUBIC)
height, width = img.shape[:2]
# 方法二：直接设置图像的大小，不需要缩放因子
#cv2.INTER_NEAREST（最近邻插值） cv2.INTER_AREA （区域插值） cv2.INTER_CUBIC（三次样条插值） cv2.INTER_LANCZOS4（Lanczos插值）

res2 = cv2.resize(img, (int(0.8*width), int(0.8*height)),interpolation=cv2.INTER_LANCZOS4)
cv2.imshow('origin_picture', img)

3.图像旋转变换矩阵：M=cv2.getRotationMatrix2D(center,angle,scale)

center为图片的旋转中心；angle为旋转角度；scale为缩放比例，其中正值为逆时针，负值为顺时针，通过此操作得到变换矩阵M,再用cv2.warpAffine()进行旋转

import cv2
img=cv2.imread(r'D:\Downloads\img2.png',1)
rows,cols=img.shape[:2]
#参数1：旋转中心，参数2：旋转角度，参数3：缩放因子
#参数3正为逆时针，负值为正时针
M=cv2.getRotationMatrix2D((cols/2,rows/2),45,1)
print(M)
#第三个参数是输出图像的尺寸中心
dst=cv2.warpAffine(img,M,(cols,rows))
#dst=cv2.warpAffine(img,M,(cols,rows),borderValue=(255,255,255))
while(1):
    cv2.imshow('img', img)
    cv2.imshow('img1',dst)
    #0xFF==27  ESC
    if cv2.waitKey(1)&0xFF==27:
        break
cv2.destroyAllWindows()

4.图像仿射变换：M=cv2.getAffineTransform(src,dst)

src和dst都是3*2矩阵，分别表示输入的3个点和输出的3个点，由此函数得到变换矩阵M

import cv2
import numpy as np
#读取图片
src = cv2.imread(r'D:\Downloads\bird.png')
#获取图像大小
rows, cols = src.shape[:2]
#设置图像仿射变换矩阵
pos1 = np.float32([[50,50], [200,50], [50,200]])
pos2 = np.float32([[10,100], [200,50], [100,250]])
M = cv2.getAffineTransform(pos1, pos2)
print(M)
#图像仿射变换
result = cv2.warpAffine(src, M, (2*cols, 2*rows))
#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

5.透视变换：M=cv2.getPerspectiveTransform(src,dst)

透视变换(Perspective Transformation)是将成像投影到一个新的视平面(Viewing Plane)，也称作投影映射(Projective Mapping)。src,dst分别为源图像和目标图像中的矩形四点坐标，得到变换矩阵M

import cv2
import numpy as np
#读取图片
src = cv2.imread(r'D:\Downloads\bird.png')
#获取图像大小
rows, cols = src.shape[:2]
#设置图像透视变换矩阵
pos1 = np.array([[38,32],[50,32],[38,64],[50,64]],dtype = "float32")
pos2 = np.array([[19,16],[25,16],[19,32],[25,32]],dtype = "float32")
M = cv2.getPerspectiveTransform(pos1, pos2)
#图像透视变换
result = cv2.warpPerspective(src, M, (cols,rows))
#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()