图像处理基础篇-镜像仿射透视

本文主要是介绍图像处理基础篇-镜像仿射透视，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一.图像镜像

图像镜像是图像旋转变换的一种特殊情况，通常包括垂直方向和水平方向的镜像。水平镜像通常是以原图像的垂直中轴为中心，将图像分为左右两部分进行堆成变换。如图7-1所示：

在这里插入图片描述

垂直镜像通常是以原图像的水平中轴线为中心，将图像划分为上下两部分进行堆成变换的过程，示意图如图7-2所示。

在这里插入图片描述

在Python中主要调用OpenCV的flip()函数实现图像镜像变换，函数原型如下：

dst = cv2.flip(src, flipCode)
– src表示原始图像
– flipCode表示翻转方向，如果flipCode为0，则以X轴为对称轴翻转，如果fliipCode>0则以Y轴为对称轴翻转，如果flipCode<0则在X轴、Y轴方向同时翻转。

下面代码是实现三个方向的翻转。

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt#读取图片
img = cv2.imread('scenery.png')
src = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#图像翻转
img1 = cv2.flip(src, 0)   #参数=0以X轴为对称轴翻转 
img2 = cv2.flip(src, 1)   #参数>0以Y轴为对称轴翻转
img3 = cv2.flip(src, -1)  #参数<0以X轴和Y轴翻转#显示图形
titles = ['Source', 'Image1', 'Image2', 'Image3']
images = [src, img1, img2, img3]
for i in range(4):plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')plt.title(titles[i])plt.xticks([]),plt.yticks([])
plt.show()

输出结果如图7-3所示，图中“Source”为原始图像，“Image1”为以X轴为对称轴翻转或垂直镜像，“Image2”为以Y轴为对称轴翻转或水平镜像，“Images3”为以X轴和Y轴翻转。

在这里插入图片描述

二.图像仿射

图像仿射变换又称为图像仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。通常图像的旋转加上拉升就是图像仿射变换，仿射变换需要一个M矩阵实现，但是由于仿射变换比较复杂，很难找到这个M矩阵，OpenCV提供了根据变换前后三个点的对应关系来自动求解M的函数：

cv2.getAffineTransform(pos1,pos2)

其中pos1和pos2表示变换前后的对应位置关系，输出的结果为仿射矩阵M，接着使用函数cv2.warpAffine()实现图像仿射变换。图7-4是仿射变换的前后效果图。

在这里插入图片描述

图像仿射变换的函数原型如下：

M = cv2.getAffineTransform(pos1,pos2)
– pos1表示变换前的位置
– pos2表示变换后的位置
cv2.warpAffine(src, M, (cols, rows))
– src表示原始图像
– M表示仿射变换矩阵
– (rows,cols)表示变换后的图像大小，rows表示行数，cols表示列数

实现代码如下所示：

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2
import numpy as np
import matplotlib.pyplot as plt#读取图片
src = cv2.imread('scenery.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)#图像仿射变换
result = cv2.warpAffine(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()

输出结果如图7-5所示：

在这里插入图片描述

三.图像透视

图像透视变换（Perspective Transformation）的本质是将图像投影到一个新的视平面，同理OpenCV通过函数cv2.getPerspectiveTransform(pos1,pos2)构造矩阵M，其中pos1和pos2分别表示变换前后的4个点对应位置。得到M后在通过函数cv2.warpPerspective(src,M,(cols,rows))进行透视变换。

图像透视变换的函数原型如下：

M = cv2.getPerspectiveTransform(pos1, pos2)
– pos1表示透视变换前的4个点对应位置
– pos2表示透视变换后的4个点对应位置
cv2.warpPerspective(src,M,(cols,rows))
– src表示原始图像
– M表示透视变换矩阵
– (rows,cols)表示变换后的图像大小，rows表示行数，cols表示列数

假设现在存在一张A4纸图像，现在需要通过调用图像透视变换校正图像。

在这里插入图片描述

图像透视变换的校正代码如下所示，代码中pos1表示透视变换前A4纸的四个顶点，pos2表示透视变换后A4纸的四个顶点。

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2
import numpy as np
import matplotlib.pyplot as plt#读取图片
src = cv2.imread('transform.jpg')#获取图像大小
rows, cols = src.shape[:2]#设置图像透视变换矩阵
pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]])
pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]])
M = cv2.getPerspectiveTransform(pos1, pos2)#图像透视变换
result = cv2.warpPerspective(src, M, (190, 272))#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

最终输出结果如图7-7所示，它将图形校正显示。

在这里插入图片描述