【OpenCV C++&Python】(三)改变颜色空间、图像的几何变换

简介:

改变颜色空间、图像的几何变换

Python

改变颜色空间

OpenCV有150多种颜色空间转换方法,其中常用的方法是:BGR↔ Gray和BGR↔ HSV。

对于颜色转换,我们使用函数cv.cvtColor(input_image, flag)实现,其中flag决定转换的类型。

对于BGR→ Gray转换,我们使用flag:cv.COLOR_BGR2GRAY。 BGR → HSV则使用 cv.COLOR_BGR2HSV。要获取其他flag,只需在Python终端中运行以下命令:

import cv2 as cv
flags = [i for i in dir(cv) if i.startswith('COLOR_')]
print( flags )
AI 代码解读

注意: OpenCV中,HSV的色调(H)范围为[0, 179],饱和度(S)范围为[0, 255],值(V)范围为[0, 255]。不同的软件使用不同的范围。因此,如果要将OpenCV的HSV值与它们进行比较,则需要规范化这些范围。

提取彩色对象:

在HSV表示颜色比BGR颜色空间更容易。现在我们知道了如何将BGR图像转换为HSV,我们可以使用它来提取彩色对象。下面,我们将尝试提取图中深蓝色瓶盖:

如何找到要定位颜色的HSV值?

你只需传递所需的BGR值给 cv.cvtColor()。例如,查找蓝色的HSV值:

import cv2 as cv
import numpy as np

blue = np.uint8([[[255, 0, 0]]])
hsv_blue = cv.cvtColor(blue, cv.COLOR_BGR2HSV)
print(hsv_blue)
AI 代码解读
[[[120 255 255]]]
AI 代码解读

不断调整后取[120-10, 60,60] [120+10, 255, 255] 作为下界和上界。

image = cv.imread('cap.jpg')
#  将图像从BGR转换到HSV颜色空间
hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
# 定义HSV中蓝色的下界和上界
lower_blue = np.array([110, 60, 60])
upper_blue = np.array([130, 255, 255])
# [lower_blue,upper_blue]内的像素为255,其他为0
mask = cv.inRange(hsv, lower_blue, upper_blue)
# 对mask和image按位和  提取深蓝色瓶盖
res = cv.bitwise_and(image, image, mask=mask)
cv.imshow('image', image)
cv.imshow('mask', mask)
cv.imshow('res', res)
k = cv.waitKey(0)
cv.destroyAllWindows()
AI 代码解读

图像的几何变换

OpenCV提供了两个变换函数:cv.warpAffine cv.warpPerspective,使用它们可以执行各种变换。cv.warpAffine 使用2x3的变换矩阵,而 cv.warpPerspective将3x3变换矩阵作为输入。

缩放

OpenCV的cv.resize() 用于缩放图像。有多种插值方法:cv.INTER_AREA用于收缩,cv.INTER_CUBIC (slow)和 cv.INTER_LINEAR用于放大。默认情况下,插值方法为 cv.INTER_LINEAR。可以通过指定倍数或指定大小调整图像大小的方法:

import cv2 as cv
# 指定倍数
img = cv.imread('image.jpg')
res1 = cv.resize(img, None, fx=0.5, fy=0.5, interpolation=cv.INTER_AREA)  
# 或者:指定大小
height, width = img.shape[:2]
res2 = cv.resize(img, (int(1.5 * width), int(1.5 * height)), interpolation=cv.INTER_CUBIC)  
cv.imshow('res1', res1)
cv.imshow('res2', res2)
k = cv.waitKey(0)
cv.destroyAllWindows()
AI 代码解读

平移

平移是物体位置的移动。如果知道(x,y)方向上的偏移(tx,ty),则可以按如下方式创建平移矩阵M

M=[10tx01ty]

你可以将M放入np.float32的Numpy数组中。并将其传递到 cv.warpAffine()函数。以下给出有关(100,50)移位的示例:

import numpy as np
import cv2 as cv

img = cv.imread('idiot.jpg')
rows, cols, _ = img.shape
M = np.float32([[1, 0, 100], [0, 1, 50]])
dst = cv.warpAffine(img, M, (cols, rows))  
cv.imshow('img', dst)  
cv.waitKey(0)
cv.destroyAllWindows()
AI 代码解读

cv.warpAffine()的第三个参数是输出图像的大小,其形式应为 (宽度、高度) 。记住宽度=列数,高度=行数。

旋转

旋转角度为θ的变换矩阵为

M=[cosθsinθsinθcosθ]

但OpenCV提供了具有可调旋转中心的缩放旋转,可以在任何位置(center.x,center.y)旋进行转。修改后的变换矩阵如下所示:

[αβ(1α)center.xβcenter.yβαβcenter.x+(1α)center.y]

其中:

α=scalecosθβ=scalesinθ

OpenCV提供了一个函数 cv.getRotationMatrix2D来得到这个变换矩阵。下面的示例将图像相对于中心旋转90度(θ=90)而不进行任何缩放(scale=1)。

import cv2 as cv
img = cv.imread('image.jpg')
rows, cols, _ = img.shape
# (旋转的中心点x,旋转的中心点y,旋转的角度,图像缩放因子)
M = cv.getRotationMatrix2D(((cols - 1) / 2.0, (rows - 1) / 2.0), 90, 1)
dst = cv.warpAffine(img, M, (cols, rows))
cv.imshow('img', dst)
cv.waitKey(0)
cv.destroyAllWindows()
AI 代码解读

仿射变换

在仿射变换中,原始图像中的所有平行线在输出图像中仍然是平行的。为了找到变换矩阵,我们需要从输入图像中选取三个点并指定其在输出图像中的相应位置,然后传递给cv.getAffineTransform创建一个2x3矩阵,最后该该矩阵将传递cv.warpAffine进行变换。

import cv2 as cv
import numpy as np

img = cv.imread('affine.jpg')
rows, cols, ch = img.shape
img[45:55, 45:55, :] = [255, 0, 0]
img[195:205, 45:55, :] = [0, 255, 0]
img[45:55, 195:205, :] = [0, 0, 255]
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])
M = cv.getAffineTransform(pts1, pts2)
dst = cv.warpAffine(img, M, (cols, rows))
cv.imshow('img', img)
cv.imshow('dst', dst)
cv.waitKey(0)


AI 代码解读

透视变换

对于透视变换,需要输入图像上的4个点和输出图像上的相应点来得到变换矩阵,且在这4个点中,有3个不应共线。在OpenCV中可以使用 cv.getPerspectiveTransform求出该变换矩阵,然后使用cv.warpPerspective应用这个变换矩阵。

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

img = cv.imread('perspective.jpg')

rows, cols, ch = img.shape
pts1 = np.float32([[290, 139], [362, 121], [331, 209], [409, 191]])
pts2 = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]])
M = cv.getPerspectiveTransform(pts1, pts2)
dst = cv.warpPerspective(img, M, (300, 300))  //

cv.imshow('img', img)
cv.imshow('dst', dst)
cv.waitKey(0)

AI 代码解读

C++

改变颜色空间

#include <opencv2\opencv.hpp>
using namespace cv;
int main()
{
    Mat image = imread("cap.jpg");
    // 将图像从BGR转换到HSV颜色空间
    Mat hsv, mask, res;
    cvtColor(image, hsv, COLOR_BGR2HSV);
    // [Scalar(110, 60, 60), Scalar(130, 255, 255)]内的像素为255,其他为0
    inRange(hsv, Scalar(110, 60, 60), Scalar(130, 255, 255),mask);
    // 对mask和image按位和  提取深蓝色瓶盖
    bitwise_and(image, image, res,mask);
    imshow("image", image);
    imshow("mask", mask);
    imshow("res", res);
    waitKey(0);
    return 0;
}
AI 代码解读

图像的几何变换

缩放

#include <opencv2\opencv.hpp>
using namespace cv;
int main()
{
    Mat img = imread("image.jpg");
    Mat res1, res2;
    // 指定倍数
    resize(img,res1, Size(),0.5,0.5,INTER_AREA);
    // 指定大小
    int height = img.rows* 1.5;
    int width = img.cols* 1.5;
    resize(img, res2, Size(width,height), 0, 0, INTER_CUBIC);
    imshow("res1", res1);
    imshow("res2", res2);
    waitKey(0);
    return 0;
}
AI 代码解读

平移

#include <opencv2\opencv.hpp>
using namespace cv;
int main()
{
    Mat img = imread("image.jpg");
    Mat dst;

    //定义平移矩阵
    Mat M = cv::Mat::zeros(2, 3, CV_32FC1);
    M.at<float>(0, 0) = 1;
    M.at<float>(0, 2) = 100; //水平平移量
    M.at<float>(1, 1) = 1;
    M.at<float>(1, 2) = 50; //竖直平移量
    warpAffine(img, dst, M, Size(img.cols,img.rows));
    imshow("dst", dst);
    waitKey(0);
    return 0;
}
AI 代码解读

旋转

#include <opencv2\opencv.hpp>
using namespace cv;
int main()
{
    Mat img = imread("image.jpg");
    Mat dst;

    //定义平移矩阵
    Mat M = getRotationMatrix2D(Point((img.cols - 1) / 2, (img.rows - 1) / 2), 90, 1);
    warpAffine(img, dst, M, Size(img.cols,img.rows));
    imshow("dst", dst);
    waitKey(0);
    return 0;
}
AI 代码解读

仿射变换

#include <opencv2\opencv.hpp>
using namespace cv;
int main()
{
    Mat img = imread("affine.jpg");
    Mat dst;
    Mat roi1 = img(Range(45, 55), Range(45, 55));
    Mat roi2 = img(Range(195, 205), Range(45, 55));
    Mat roi3 = img(Range(45, 55), Range(195, 205));
    roi1 = Scalar(255, 0, 0);
    roi2 = Scalar(0, 255, 0);
    roi3 = Scalar(0, 0, 255);
    Mat pts1 = (Mat_<float>(3, 2) << 50, 50, 200, 50, 50, 200);
    Mat pts2 = (Mat_<float>(3, 2) << 10, 100, 200, 50, 100, 250);
    Mat M = getAffineTransform(pts1, pts2);
    warpAffine(img, dst, M, Size(img.cols, img.rows));
    imshow("img", img);
    imshow("dst", dst);
    waitKey(0);
    return 0;
}
AI 代码解读

透视变换

#include <opencv2\opencv.hpp>
using namespace cv;
int main()
{
    Mat img = imread("perspective.jpg");
    Mat dst;
    Mat pts1 = (Mat_<float>(4, 2) << 290, 139, 362, 121, 331, 209, 409, 191);
    Mat pts2 = (Mat_<float>(4, 2) << 0, 0, 300, 0, 0, 300, 300, 300);
    Mat M = getPerspectiveTransform(pts1, pts2);
    warpPerspective(img, dst, M, Size(300, 300));
    imshow("img", img);
    imshow("dst", dst);
    waitKey(0);
    return 0;
}
AI 代码解读

代码:

https://gitee.com/BinaryAI/open-cv-c--and-python

参考:

[1] https://docs.opencv.org/4.5.5/index.html

目录
打赏
0
0
0
0
2
分享
相关文章
浅蓝色代表什么颜色?——Python中的颜色表示与处理
本文介绍了浅蓝色在计算机图形和Web开发中的表示方法,包括RGB、十六进制和HSL三种常见格式,并详细说明了如何使用Python的Pillow和colorsys库来处理和转换这种颜色,最后给出了生成浅蓝色背景的CSS代码示例。
325 6
使用 OpenCV 和 Python 轻松实现人脸检测
本文介绍如何使用OpenCV和Python实现人脸检测。首先,确保安装了OpenCV库并加载预训练的Haar特征模型。接着,通过读取图像或视频帧,将其转换为灰度图并使用`detectMultiScale`方法进行人脸检测。检测到的人脸用矩形框标出并显示。优化方法包括调整参数、多尺度检测及使用更先进模型。人脸检测是计算机视觉的基础技术,具有广泛应用前景。
120 10
windows下使用python + opencv读取含有中文路径的图片 和 把图片数据保存到含有中文的路径下
在Windows系统中,直接使用`cv2.imread()`和`cv2.imwrite()`处理含中文路径的图像文件时会遇到问题。读取时会返回空数据,保存时则无法正确保存至目标目录。为解决这些问题,可以使用`cv2.imdecode()`结合`np.fromfile()`来读取图像,并使用`cv2.imencode()`结合`tofile()`方法来保存图像至含中文的路径。这种方法有效避免了路径编码问题,确保图像处理流程顺畅进行。
725 1
【C++面向对象——类的多态性与虚函数】计算图像面积(头歌实践教学平台习题)【合集】
本任务要求设计一个矩形类、圆形类和图形基类,计算并输出相应图形面积。相关知识点包括纯虚函数和抽象类的使用。 **目录:** - 任务描述 - 相关知识 - 纯虚函数 - 特点 - 使用场景 - 作用 - 注意事项 - 相关概念对比 - 抽象类的使用 - 定义与概念 - 使用场景 - 编程要求 - 测试说明 - 通关代码 - 测试结果 **任务概述:** 1. **图形基类(Shape)**:包含纯虚函数 `void PrintArea()`。 2. **矩形类(Rectangle)**:继承 Shape 类,重写 `Print
81 4
【Python篇】Python + OpenCV 全面实战:解锁图像处理与视觉智能的核心技能
【Python篇】Python + OpenCV 全面实战:解锁图像处理与视觉智能的核心技能
225 7
python利用pyqt5和opencv打开电脑摄像头并进行拍照
本项目使用Python的PyQt5和OpenCV库实现了一个简单的摄像头应用。用户可以通过界面按钮打开或关闭摄像头,并实时预览视频流。点击“拍照”按钮可以捕捉当前画面并保存为图片文件。该应用适用于简单的图像采集和处理任务。
464 0
python利用pyqt5和opencv打开电脑摄像头并进行拍照
|
8月前
|
在python终端中打印颜色的3中方式(python3经典编程案例)
这篇文章介绍了在Python终端中打印彩色文本的三种方式:使用`colorama`模块、`termcolor`模块和ANSI转义码。
136 8
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
该文章详细介绍了使用Python和OpenCV进行相机标定以获取畸变参数,并提供了修正图像畸变的全部代码,包括生成棋盘图、拍摄标定图像、标定过程和畸变矫正等步骤。
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
python多种方法压缩图片,opencv、PIL、tinypng、pngquant压缩图片
python多种方法压缩图片,opencv、PIL、tinypng、pngquant压缩图片
528 1
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达
1313 0
一文了解PnP算法,python opencv中的cv2.solvePnP()的使用,以及使用cv2.sovlePnP()方法标定相机和2D激光雷达

热门文章

最新文章