opencv基础篇 ——（九）图像几何变换

2024-04-28 18:36
文章标签 基础 图像 opencv 几何变换

本文主要是介绍opencv基础篇 ——（九）图像几何变换，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！

        图像几何变换是通过对图像的几何结构进行变换来改变图像的形状、大小、方向或者透视关系。常见的图像几何变换包括缩放、旋转、平移、仿射变换和透视变换等。下面对这些几何变换进行简要介绍：

  1. 矩阵的转置（transpose ）： 对于图像来说，它可以将图像的行和列进行交换。转置后图像的高度和宽度也将互换。

  2. 镜像变换（flip）：它可以沿水平、垂直或两个方向同时对图像进行翻转。

  3. 缩放（Resize）： 缩放是改变图像尺寸大小的一种变换操作。可以按比例缩小或放大图像。在 OpenCV 中，可以使用 cv::resize 函数实现图像的缩放操作。

  4. 旋转（Rotation）： 旋转是围绕图像的中心点或指定点进行角度旋转的操作。可以实现任意角度的旋转。在 OpenCV 中，可以使用 cv::getRotationMatrix2D 和 cv::warpAffine 函数实现图像的旋转操作。

  5. 平移（Translation）： 平移是沿着图像的水平和垂直方向移动图像的操作。可以将图像向左、向右、向上或向下平移。在 OpenCV 中，可以使用仿射变换矩阵来实现图像的平移操作。

  6. 仿射变换（Affine Transformation）： 仿射变换是包括平移、旋转、缩放和剪切等操作的一种线性变换。可以通过变换矩阵来描述。在 OpenCV 中，可以使用 cv::getAffineTransform 函数和 cv::warpAffine 函数实现仿射变换。

  7. 透视变换（Perspective Transformation）： 透视变换是用于处理图像的透视失真的变换操作。常用于校正摄像头捕捉的斜视图像。在 OpenCV 中，可以使用 cv::getPerspectiveTransform 函数和 cv::warpPerspective 函数实现透视变换。

        这些几何变换技术在图像处理和计算机视觉中具有广泛的应用，可以用于图像校正、对象检测、图像配准等任务。在实际应用中，常常需要结合多种几何变换来实现复杂的图像处理效果。

矩阵的转置（transpose ）

        图像的转置就是将图像像素的x坐标和y坐标互换。这样将改变图像的高度和宽度，转置后图像的高度和宽度也将互换。

        函数原型：

void cv::transpose(InputArray src, OutputArray dst)

        函数可描述为： 

                dst(i,j)=src(j,i)

镜像变换（flip）

        它可以沿水平、垂直或两个方向同时对图像进行翻转。

函数原型：

void cv::flip(InputArray src, OutputArray dst, int flipCode)
  • flipCode：指定翻转操作的方式。
    • 当 flipCode > 0 时，沿着 x 轴翻转（水平翻转）。
    • 当 flipCode = 0 时，沿着 y 轴翻转（垂直翻转）。
    • 当 flipCode < 0 时，同时沿着 x 轴和 y 轴翻转（水平和垂直同时翻转）。       

函数可描述为： 

可以配合transpose 实现简单的旋转，如下面代码实现90、180、270度的旋转：

    if (degree == 90) {cv::transpose(src, desc);cv::flip(desc, desc, 1);} else if (degree == 180) {cv::flip(src, desc, -1);} else if (degree == 270) {cv::transpose(src, desc);cv::flip(desc, desc, 0);}

缩放（Resize）

        cv::resize 用于调整图像大小的函数，它可以将输入图像按指定的缩放因子或目标尺寸进行放大或缩小，生成一个新的尺寸不同的输出图像。该函数在图像处理、计算机视觉以及需要调整图像分辨率的各类应用中广泛使用。

函数原型

cv::resize(InputArray src,OutputArray dst,Size dsize,double fx = 0,double fy = 0,int interpolation = INTER_LINEAR
);

  • int interpolation (默认为 INTER_LINEAR): 插值方法，用于决定如何计算新像素位置的值。可选值包括：

    • INTER_NEAREST: 最近邻插值（快速，但可能会出现锯齿）。
    • INTER_LINEAR: 双线性插值（平滑，适用于大部分情况）。
    • INTER_AREA: 使用像素区域关系进行重采样（保持图像面积，适合缩小图像）。
    • INTER_CUBIC: 三次样条插值（较慢，但更平滑）。
    • INTER_LANCZOS4: 兰索斯插值（最慢，最高质量，尤其适用于大幅图像缩放）。

使用示例

cv::Mat inputImage; // 假设已经加载了输入图像cv::Mat resizedImage;
cv::resize(inputImage, resizedImage, cv::Size(640, 480)); // 指定目标尺寸为 640x480// 或者按比例缩放
cv::resize(inputImage, resizedImage, {}, 0.5, 0.5); // 缩小至原图一半大小// 现在 resizedImage 存储了调整大小后的图像

旋转（Rotation）

        根据指定的旋转中心、旋转角度和可选的缩放因子通过getRotationMatrix2D 函数生成一个2x3的旋转变换矩阵，该矩阵可以与 cv::warpAffine() 函数结合使用，实现图像的旋转操作。

使用示例

cv::Mat inputImage; // 假设已经加载了输入图像
cv::Point2f center(inputImage.cols / 2.0f, inputImage.rows / 2.0f); // 设置旋转中心为图像中心double angle = 45.0 * CV_PI / 180.0; // 转换为弧度，逆时针旋转45度
double scale = 1.0; // 不进行缩放cv::Mat rotMat = cv::getRotationMatrix2D(center, angle, scale);// 接下来可以使用 rotMat 与 cv::warpAffine() 函数配合，实现图像的实际旋转操作
cv::Mat rotatedImage;
cv::warpAffine(inputImage, rotatedImage, rotMat, inputImage.size());

平移（Translation）

        图像平移是一种常见的图像处理操作，它将图像中的所有像素沿着指定的方向移动一定的距离。在 OpenCV 中，可以通过仿射变换来实现图像的平移。

下面是一个简单的步骤来实现图像的平移：

  1. 定义平移矩阵：首先，需要定义一个平移矩阵，它是一个 2x3 的矩阵，用于指定平移的距离。对于二维图像，平移矩阵的形式如下：

 1, 0, dx

 0, 1, dy

     2.应用仿射变换：接下来，使用 cv::warpAffine 函数来应用定义的平移矩阵，实现图像的平移。

使用示例

#include <opencv2/opencv.hpp>int main() {// 读取图像cv::Mat image = cv::imread("image.jpg");// 定义平移矩阵cv::Mat M = (cv::Mat_<double>(2,3) << 1, 0, 100, 0, 1, 50); // 在 x 方向上平移 100 像素，在 y 方向上平移 50 像素// 应用仿射变换cv::Mat translatedImage;cv::warpAffine(image, translatedImage, M, image.size());// 显示原始图像和平移后的图像cv::imshow("Original Image", image);cv::imshow("Translated Image", translatedImage);cv::waitKey(0);return 0;
}

仿射变换（Affine Transformation）

        仿射变换是一种特殊的平面几何变换，包括平移、旋转、缩放和剪切（shear），但不包括透视效应。该函数根据提供的三对对应点生成一个2x3的仿射变换矩阵，该矩阵可以与 cv::warpAffine() 函数结合使用，实现图像的仿射变换。

仿射变换步骤：

  1. 计算仿射变换矩阵: 根据给定的源图像中三个点 src 与目标图像中对应三个点 dst，计算出一个2x3的仿射变换矩阵。该矩阵描述了从源图像到目标图像的线性变换关系，可以应用于整个图像，使得图像中所有点都按照仿射变换规则进行映射。

  2. 返回结果: 返回计算得到的仿射变换矩阵，类型为 cv::Mat，大小为 2x3，元素类型通常为 CV_64F（双精度浮点数）。

使用示例

cv::Point2f srcPts[3] = { /* 三个源图像对应点坐标 */ };
cv::Point2f dstPts[3] = { /* 三个目标图像对应点坐标 */ };cv::Mat affineTransform = cv::getAffineTransform(srcPts, dstPts);// 接下来可以使用 affineTransform 与 cv::warpAffine() 函数配合，实现图像的实际仿射变换操作
cv::Mat transformedImage;
cv::warpAffine(inputImage, transformedImage, affineTransform, inputImage.size());

透视变换（Perspective Transformation）

        透视变换是一种复杂的二维几何变换，能够模拟真实世界中物体因距离差异而产生的远小近大的透视效果，常用于图像的校正、拼接、虚拟现实（VR）、增强现实（AR）等应用。

透视变换步骤：

  1. 计算透视变换矩阵: 根据给定的源四边形顶点 src 和目标四边形顶点 dst，使用最小二乘法计算出一个3x3的透视变换矩阵。该矩阵描述了从源四边形到目标四边形的线性变换关系，可以应用于整个图像，使得图像中所有点都按照透视变换规则进行映射。

  2. 返回结果: 返回计算得到的透视变换矩阵，类型为 cv::Mat，大小为 3x3，元素类型通常为 CV_64F（双精度浮点数）。

使用示例

cv::Point2f srcPts[4] = { /* 四个源图像顶点坐标 */ };
cv::Point2f dstPts[4] = { /* 四个目标图像顶点坐标 */ };cv::Mat perspTransf = cv::getPerspectiveTransform(srcPts, dstPts);// 接下来可以使用 perspTransf 与 cv::warpPerspective() 函数配合，实现图像的实际透视变换操作
cv::Mat transformedImage;
cv::warpPerspective(inputImage, transformedImage, perspTransf, inputImage.size());

这篇关于opencv基础篇 ——（九）图像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！


http://www.chinasem.cn/article/943958。

相关文章

基于人工智能的图像分类系统

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务，目标是自动识别图像中的对象类别。通过卷积神经网络（CNN）等深度学习技术，我们可以构建高效的图像分类系统，广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统，包括环境
阅读更多...
使用opencv优化图片（画面变清晰）

使用opencv优化图片（画面变清晰）

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化，使其看起来更清晰，同时保持尺寸不变，通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多，主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器：相机传
阅读更多...
零基础学习Redis(10) -- zset类型命令使用

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合，内部除了存储元素外，还会存储一个score，存储在zset中的元素会按照score的大小升序排列，不同元素的score可以重复，score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]
阅读更多...
【Linux 从基础到进阶】Ansible自动化运维工具使用

【Linux 从基础到进阶】Ansible自动化运维工具使用

Ansible自动化运维工具使用 Ansible 是一款开源的自动化运维工具，采用无代理架构（agentless），基于 SSH 连接进行管理，具有简单易用、灵活强大、可扩展性高等特点。它广泛用于服务器管理、应用部署、配置管理等任务。本文将介绍 Ansible 的安装、基本使用方法及一些实际运维场景中的应用，旨在帮助运维人员快速上手并熟练运用 Ansible。 1. Ansible的核心概念
阅读更多...
opencv 滚动条

opencv 滚动条

参数介绍:createTrackbar( trackbarname , "hello" , &alpha_slider ,alpha_max ,  on_trackbar )  ;在标签中显示的文字（提示滑动条的用途） TrackbarName创建的滑动条要放置窗体的名字 “hello”滑动条的取值范围从 0 到 alpha_max (最小值只能为 zero).滑动后的值存放在
阅读更多...
AI基础 L9 Local Search II 局部搜索

AI基础 L9 Local Search II 局部搜索

Local Beam search 对于当前的所有k个状态，生成它们的所有可能后继状态。 检查生成的后继状态中是否有任何状态是解决方案。 如果所有后继状态都不是解决方案，则从所有后继状态中选择k个最佳状态。 当达到预设的迭代次数或满足某个终止条件时，算法停止。 — Choose k successors randomly, biased towards good ones — Close
阅读更多...
android-opencv-jni

android-opencv-jni

//------------------start opencv--------------------@Override public void onResume(){ super.onResume(); //通过OpenCV引擎服务加载并初始化OpenCV类库，所谓OpenCV引擎服务即是 //OpenCV_2.4.3.2_Manager_2.4_*.apk程序包，存
阅读更多...
音视频入门基础：WAV专题（10）——FFmpeg源码中计算WAV音频文件每个packet的pts、dts的实现

音视频入门基础：WAV专题（10）——FFmpeg源码中计算WAV音频文件每个packet的pts、dts的实现

一、引言 从文章《音视频入门基础：WAV专题（6）——通过FFprobe显示WAV音频文件每个数据包的信息》中我们可以知道，通过FFprobe命令可以打印WAV音频文件每个packet（也称为数据包或多媒体包）的信息，这些信息包含该packet的pts、dts： 打印出来的“pts”实际是AVPacket结构体中的成员变量pts，是以AVStream->time_base为单位的显
阅读更多...
C 语言基础之数组

C 语言基础之数组

文章目录 什么是数组数组变量的声明多维数组 什么是数组 数组，顾名思义，就是一组数。 假如班上有 30 个同学，让你编程统计每个人的分数，求最高分、最低分、平均分等。如果不知道数组，你只能这样写代码： int ZhangSan_score = 95;int LiSi_score = 90;......int LiuDong_score = 100;int Zhou
阅读更多...
OpenCV结构分析与形状描述符（11）椭圆拟合函数fitEllipse()的使用

OpenCV结构分析与形状描述符（11）椭圆拟合函数fitEllipse()的使用

操作系统：ubuntu22.04 OpenCV版本：OpenCV4.9 IDE:Visual Studio Code 编程语言：C++11 算法描述 围绕一组2D点拟合一个椭圆。 该函数计算出一个椭圆，该椭圆在最小二乘意义上最好地拟合一组2D点。它返回一个内切椭圆的旋转矩形。使用了由[90]描述的第一个算法。开发者应该注意，由于数据点靠近包含的 Mat 元素的边界，返回的椭圆/旋转矩形数据
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2