目录
10 图像的几何变换
10.1 目标
- 学习将不同的几何变换应用到图像上，如平移、旋转、仿射变换等。
- 你会看到这些函数: cv.getPerspectiveTransform
10.2 变换
OpenCV提供了两个转换函数cv.warpAffine和cv.warpPerspective，您可以使用它们进行各
种转换。cv.warpAffine采用2x3转换矩阵，而cv.warpPerspective采用3x3转换矩阵作为输
入。
10.2.1 缩放
缩放只是调整图像的大小。为此，OpenCV带有一个函数cv.resize()。图像的大小可以手动指定，也可以指定缩放比例。也可使用不同的插值方法。首选的插值方法是cv.INTER_AREA用于缩小，cv.INTER_CUBIC（慢）和cv.INTER_LINEAR用于缩放。默认情况下，出于所有调整大小的目的，使用的插值方法为cv.INTER_LINEAR。您可以使用以下方法调整输入图像的大小：
import cv2 as cv img = cv.imread('../girl6/25.jpg') res1 = cv.resize(img, None, fx=2, fy=2, interpolation=cv.INTER_CUBIC) # 或者 height, width, channel = img.shape res2 = cv.resize(img, (2 * width, 2 * height), interpolation=cv.INTER_CUBIC) cv.imshow('img', img) cv.imshow('res1', res1) cv.imshow('res2', res2) cv.waitKey(0) cv.destroyAllWindows()
可以看到res1和res2两种方法都将图像放到2倍。
编辑
10.2.2 平移
平移是物体位置的移动。如果您知道在
方向上的位移，则将其设为
，你可以创建转换矩阵
，如下所示：
您可以将其放入np.float32类型的Numpy数组中，并将其传递给cv.warpAffine函数。参见下
面偏移为(100, 50)的示例：
import numpy as np import cv2 as cv img = cv.imread('../girl6/24.jpg') rows, cols, channel = img.shape M = np.float32([[1, 0, 100], [0, 1, 50]]) res = cv.warpAffine(img, M, (rows, cols)) cv.imshow('img', img) cv.imshow('res', res) cv.waitKey(0) cv.destroyAllWindows()
警告：cv.warpAffine函数的第三个参数是输出图像的大小，其形式应为(width，height) 。记住width =列数， height =行数。
你将看到下面的结果：
编辑
10.2.3 旋转
图像旋转角度为θ是通过以下形式的变换矩阵实现的：
但是OpenCV提供了可缩放的旋转以及可调整的旋转中心，因此您可以在自己喜欢的任何位置旋转。修改后的变换矩阵为：
其中：
为了找到此转换矩阵，OpenCV提供了一个函数cv.getRotationMatrix2D。请检查以下示例，该示例将图像相对于中心旋转90度而没有任何缩放比例。
import cv2 as cv img = cv.imread('../girl6/25.jpg') rows, cols = img.shape[:2] # cols-1 和 rows-1是坐标限制 M = cv.getRotationMatrix2D(((cols - 1) / 2., (rows - 1) / 2), 90, 1) dst = cv.warpAffine(img, M, (cols, rows)) cv.imshow('img', img) cv.imshow('dst', dst) cv.waitKey(0) cv.destroyAllWindows()
运行结果如下：
编辑
10.2.4 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将平行。为了找到变换矩阵，我们需要输入图像中的三个点及其在输出图像中的对应位置。然后cv.getAffineTransform将创建一个2x3矩阵，该矩阵将传递给cv.warpAffine。
查看以下示例，并查看我选择的点（以绿色标记）：
import cv2 import matplotlib.pyplot as plt import numpy as np img = cv2.imread('../girl6/20.jpg') imgInfo = img.shape height = imgInfo[0] width = imgInfo[1] pts1 = np.float32([[50, 50], [200, 50], [50, 200]]) pts2 = np.float32([[10, 100], [200, 50], [100, 250]]) M = cv2.getAffineTransform(pts1, pts2) dst = cv2.warpAffine(img, M, (width, height)) plt.subplot(121), plt.imshow(img, 'gray'), plt.title('Input') plt.subplot(122), plt.imshow(dst, 'gray'), plt.title('Output') plt.show()
运行结果如下：
编辑
10.2.5 透视变换
对于透视变换，您需要3x3变换矩阵。即使在转换后，直线也将保持直线。要找到此变换矩阵，您需要在输入图像上有4个点，在输出图像上需要相应的点。在这四个点中，其中三个不应共线。然后可以通过函数cv.getPerspectiveTransform找到变换矩阵。然后将cv.warpPerspective应用于此3x3转换矩阵。
代码如下：
import cv2 as cv import numpy as np import matplotlib.pyplot as plt img = cv.imread('../girl6/20.jpg') rows, cols, ch = img.shape pts1 = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]]) pts2 = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]]) M = cv.getPerspectiveTransform(pts1, pts2) dst = cv.warpPerspective(img, M, (300, 300)) plt.subplot(121), plt.imshow(img), plt.title('Input') plt.subplot(122), plt.imshow(dst), plt.title('Output') plt.show()
运行结果如下：
编辑
欢迎评论区留言，一起探讨OpenCV成神之路的奥秘。
顺便给我加个关注，点个赞，加个收藏，让我们一起登上神坛。
编辑
