OpenCV图像处理之七种常用图像几何变换

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_clockwise)
##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([
    [1,0,100],
    [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.imread('pic/rabbit500x333.jpg')
show(img)

显示

水平错切

m = np.array([
    [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,mx,(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,(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_counterclockwise)

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_counterclockwise)
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：

最近邻插值图示：

双线性插值图示

读入图像

img = cv.imread('pic/rabbit50x33.jpg')
show(img)

显示

程序实现

img1 = cv.resize(img,(330,500),interpolation=cv.inter_nearest) #最近邻插值
img2 = cv.resize(img,(330,500),interpolation=cv.inter_linear_exact) #精确双线新插值
 
show(np.hstack([img1,img2]))

显示

可以看出最近邻插值还是比较模糊的，过渡结果没有双线性插值平滑

以上就是opencv图像处理之七种常用图像几何变换的详细内容，更多关于opencv 图像几何变换的资料请关注其它相关文章！