OpenCV图像处理之七种常用图像几何变换

更新时间:2023-04-04 02:47:10 阅读：评论：0

0 程序环境与所学函数

本章程序运行需要导入下面三个库，并定义了一个显示图像的函数

所学函数

##放大、缩小cv.resize(img,dsize,[interpolation])##平移变换m = np.array([[...]], dtype=np.float32)cv.warpaffine(img, m, dsize)##镜像变换cv.flip(img, 1) # 垂直镜像cv.flip(img, 0) # 水平镜像cv.flit(img, -1) # 水平垂直同时进行##旋转变换m = cv.getrotationmatrix2d(center, angle, scale)img_rotate = cv.rotate(img, cv.rotate_90_clockwi)##透视变换m = cv.getperspectivetransform(src, dst)img = cv.warpperspective(img, m, dsize)

1 裁剪、放大、缩小

读入图像

img =  cv.imread('pic/rabbit500x333.jpg')show(img)

显示

裁剪：数组选择方法（冒号）

#裁剪rabbit = img[150:450:] #限定行数，列数和三通道show(rabbit)

显示

放大和缩小：resize()函数

插值方法

程序实现

#放大缩小#cv.resize(img,dsize,[interpolation])  dsize表示大小，[interpolation]是插值方法，可选,有默认值img2 = cv.resize(img,(500,400))  #放大为宽500高400#使用定义插值方法#一般来说放大地话选择linear方法，缩小选择area方法img3 = cv.resize(img,(500,400),interpolation=cv.inter_nearest)show(np.hstack([img2,img3]))

显示

2 平移变换

原理、平移矩阵推导

读入图像

img = cv.imread('pic/rabbit500x333.jpg')show(img)

显示

程序实现

# m = np.array([[...]],dtype=np.float32) # cv.waraffine(img,m,dsize) cv里面图像仿射变换函数，m是上面矩阵，dsize是输出图像大小m=np.array([    [1,0西游记第一回,100],    [0,1,50]],dtype=np.float32)  #水平向右平移100个像素点，竖直向下平移50个像素点，原理见理论部分 img2 = cv.warpaffine(img,m,(333,500))show(img2)

显示

3 错切变换

原理、错切矩阵推导

读入图像

img = cv.imr欢乐一家人ead('pic/rabbit500x333.jpg')show(img)

显示

水平错切

m = np.array([    极大无关组怎么找[1,0.2,0],    [0,1,0]],dtype=np.float32) img3 = cv.warpaffine(img,m,(533,500))show(img3)

显示

垂直错切

m = np.array([    [1,0,0],    [0.3,1,0]],dtype=np.float32) img3 = cv.warpaffine(img,m,(333,700))show(img3)

显示

4 镜像变换

原理、镜像矩阵推导

读入图像

img = cv.imread('pic/rabbit500x333.jpg')show(img)

显示

水平镜像

mx = np.array([    [-1,0,333],    [0,1,0]],dtype = np.float32)img2 = cv.warpaffine(img,m马萨达x,(333,500))  #仿射变换函数show(img2)

显示

垂直镜像

my = np.array([    [1,0,0],    [0,-1,500]],dtype=np.float32) img3 = cv.warpaffine(img,my,(福莱尔汽车333,500))show(img3)

显示

opencv内置函数实现镜像变换

#垂直镜像 cv.flip(img,1)

#水平镜像 cv.flip(img,0)

#水平垂直同时进行 cv.flip(img,-1)

程序实现

img4 = cv.flip(img,1)  #垂直镜像img5 = cv.flip(img,0)  #水平镜像img6 = cv.flip(img,-1) #水平垂直镜像同时进行 show(np.hstack([img4,img5,img6]))

显示

5 旋转变换

原理、旋转矩阵推导

读入图像

img = cv.imread('pic/rabbit500x333.jpg')show(img)

显示

图像旋转

beta = np.pi/4#旋转矩阵m  = np.array([    [np.cos(beta),np.sin(beta),0],    [-np.sin(beta),np.cos(beta),0]],dtype=np.float32) img2 = cv.warpaffine(img,m,(633,300))show(img2)

显示

opencv内置获取旋转矩阵函数：

m = cv.getrotationmatrix2d(center,angle,scale)

center是旋转中心，angle是旋转角度，scale表示放大还是缩小

用上面函数获取旋转矩阵并实现图像旋转

h,w,c = img.shape  #获取图像的高度和宽度，方便后面设置旋转中心 m2 = cv.getrotationmatrix2d((w//2,h//2),45,1)img3 = cv.warpaffine(img,m2,(533,500))  #仿射函数实现show(img3

显示

opencv内置实现图像旋转函数

img_rotate =cv.rotate(img,cv.rotate_90_counterclockwi)

只能进行90度倍数的旋转

程序实现

# 逆时针旋转90度img_rotate = cv.rotate(img,cv.rotate_90_counterclockwi)show(img_rotate)

显示

6 透视变换

m = cv.getperspectivetransform(str,dst)

str:原始图像矩阵端点位置，dst：目标图像矩阵位置

img2 = cv.warpperspective(img,m,(w,h))

读入图像

img = cv.imread('pic/parthenon500x750.jpg')show(img)

显示

程序实现

#在原图中定位四个点，这里找的是柱子前面四个点的大概位置，眼睛观察法找的str = np.array([    [210,50],    [610,270],    [650,470],    [150,450]],dtype=np.float32) #目标图像中矩阵dst = np.array([    [150,50],    [650,50],    [650,470],    [150,470]],dtype=np.float32) h,w,c = img.shape #透视变换将一个类似矩形的图形拉成一个矩形m = cv.getperspectivetransform(str,dst)img2 = cv.warpperspective(img,m,(w,h))show(img2)

显示

应用：车道检测、图片矫正

7 最近邻插值、双线性插值

原理：