基于python的OpenCV快速入门——几何变换

本文主要是介绍基于python的OpenCV快速入门——几何变换，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！

基于python的OpenCV快速入门——几何变换

1、缩放

• 在OpenCV中，使用函数cv2.resize（）实现对图像的缩放
• 语法格式为

dst = cv2.resize( src, dsize[ ,fx[, fy[ ,interpolation]]])

• dst代表输出目标图像，该图像的类型与src相同，大小为dsize
• src代表需要缩放的原始图像
• dsize表示输出图像大小
• fx代表水平方向的缩放比例
• fy代表竖直方向的缩放比例
• interpolation代表插值方式，具体如表
  

在cv2.resize()函数中，目标图像大小既可以由dsize来表示，也可以由参数fx和fy表示

• 情况一：

  • 如果指定参数dsize，则只靠dsize来决定目标图像大小
  • 需要注意的是dsize内的第一个参数对应缩放后图像的宽度（width，即参数cols，与参数fx相关），第2个参数对应缩放后图像的高度（height，即行数rows，与参数fy相关）
  • 指定参数dsize的值时，x方向的缩放大小（参数fx）为：

  （double）dsize.width/src.cols

  • 同时，y方向的缩放大小（参数fy）为：

  （double)dsize.height/src.rows

• 情况二

  • 如果参数dsize的值是None，那么目标图像的大小通过参数fx和fy来决定。

    dsize = Size(round(fx*src.cols),round(fy*src.row))

2、翻转

• 在OpenCV中，图像的反转采用函数cv2.flip()实现
• 语法结构为

dst = cv2.flip(src , flipCode)

• dst代表和原始图像具有相同大小类型的目标图像
• src代表要处理的原始图像
• flipCode代表旋转类型。该参数意义如图：
  

3、仿射

• 仿射变换是指图像可以通过一系列的几何变换来实现平移、旋转等多种操作。

• OpenCV中的仿射函数为cv2.warpAffine()，其通过一个变换矩阵（映射矩阵）M实现变换，具体为

  • dst（x, y）=src（M11x+M12y+M13, M21x+M22y+M23）

• 函数语法格式为：

  • dst = cv2.warpAffine( src, M, dsize [,flags[ ,borderMode[ ,bordeValue]]])

• dst代表仿射后输出的图像，图像类型与原图像相同
• dsize决定输出的大小
• src代表要仿射的原图像
• M代表一个2x3的变换矩阵。使用不同矩阵就可以实现不同的变换。
• flags代表插值方式，默认为INTER_LINEAR。当该值是WARP_INVERSE_MAP时，意味着M是逆变换类型，实现从目标图像srt逆变换类型，实现从目标图像dst到原始图像src的逆变换。
• borderMode代表类型，默认为BORDER_CONSTANT。当该值为BORDER_TRANSPARENT时，意味着目标图像内的值不做改变，这些值对应原始图像内的异常值。
• borderValue代表边界值，默认为0.

该函数忽略其可选参数后的语法格式为：

dst = cv2.warpAffine( src, M ,dsize)

故其只与M有关，现在介绍通过不同的M实现不同的仿射矩阵转换

3.1平移

通过转换矩阵M实现将原始图像src转换为目标图像dst：
dst（x, y）=src（M11x+M12y+M13, M21x+M22y+M23）
将原始图像src向右侧移动100个像素、向下方移动200个像素，则其对应关系为：
dst (x, y)=src (x+ 100, y+ 200)
将上述表达式补充完整，即：
dst (x, y)=src (1·x+ 0·y+ 100, 0·x+ 1·y+ 200)
根据上述表达式，可以确定对应的转换矩阵M中各个元素的值为：

• M11=1
• M12=0
• M13=100
• M21=0
• M22=1
• M23=200
  将上述值代入转换矩阵M，得到：

具体代码为：

import cv2
import numpy as np
img = cv2.imread("Third.jpg")
height ,width = img.shape[:2]
x=100
y=200
M = np.float32([[1 , 0 ,x],[0 ,1 ,y]])
move = cv2.warpAffine(img , M ,(width,height))
cv2.imshow("original",img)
cv2.imshow("move",move)
cv2.waitKey()
cv2.destroyAllWindows()

3.2旋转

• 可以通过cv2.getRotationMatrix2D()来获取旋转矩阵。

• 该函数的语法格式为：

• retavl = cv2.getRotationMatrix2D(center , angle , scale)

• center为旋转中心
• angle为旋转角度，正数表示逆时针旋转，负数表示顺时针旋转
• scale为变换尺寸（缩放大小）

3.3更复杂的仿射变换

• OpenCV提供了函数cv2.getAffineTransform()来生成仿射函数cv2.warpAffine()所使用的转换矩阵M。

• 该函数的语法格式为：

• retval = cv2.getAffineTransform(src ,dst)

  • src代表输入图像的三个点坐标
  • dst代表输出图像的三个点坐标

4、透视

第三节所讲的仿射变换可以将矩形映射为任意平行四边形，透视变换则可以将矩形映射为任意四边形。

• 透视变换通过函数cv2.warpPerspective()实现
• 该函数的语法是：

dst = cv2.warpPerspective( src, M, dsize[, flags[, borderMode[, borderValue]]] )

• dst代表透视处理后的输出图像，该图像和原始图像具有相同的类型。dsize决定输出图像的实际大小。
• src代表要透视的图像。
• M代表一个3×3的变换矩阵。
• dsize代表输出图像的尺寸大小。
• flags代表插值方法，默认为INTER_LINEAR。当该值为WARP_INVERSE_MAP时，意味着M是逆变换类型，能实现从目标图像dst到原始图像src的逆变换。
• borderMode代表边类型，默认为BORDER_CONSTANT。当该值为BORDER_TRANSPARENT时，意味着目标图像内的值不做改变，这些值对应原始图像内的异常值。
• borderValue代表边界值，默认是0。

与仿射变换一样，同样可以使用一个函数来生成函数cv2.warpPerspective()所使用的转换矩阵。该函数是cv2.getPerspectiveTransform()，其语法格式为：

retval = cv2.getPerspectiveTransform( src, dst )

• src代表输入图像的四个顶点的坐标。
• dst代表输出图像的四个顶点的坐标。
• 需要注意的是，src参数和dst参数是包含四个点的数组，与仿射变换函数cv2.getAffineTransform()中的三个点是不同的。实际使用中，我们可以根据需要控制src中的四个点映射到dst中的四个点。

这篇关于基于python的OpenCV快速入门——几何变换的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---