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 )

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)

[[[120 255 255]]]

不断调整后取[120-10, 60,60] 和 [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()

图像的几何变换

OpenCV提供了两个变换函数：cv.warpAffine 和 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()

平移

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

$$ M=\left[\begin{array}{lll} 1 & 0 & t_{x} \\ 0 & 1 & t_{y} \end{array}\right] $$

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()

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

$$ M=\left[\begin{array}{cc} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right] $$

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：

$$ \left[\begin{array}{ccc} \alpha & \beta & (1-\alpha) \cdot { center. } x-\beta \cdot { center. } y \\ -\beta & \alpha & \beta \cdot { center. } x+(1-\alpha) \cdot { center. } y \end{array}\right] $$

其中：

$$ \begin{array}{l} \alpha= { scale } \cdot \cos \theta \\ \beta= { scale } \cdot \sin \theta \end{array} $$

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（$\theta=90$）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()

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)

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)

C++