图像几何变换
图像缩放
图像缩放只是调整图像的大小，为此， OpenCV 为我们提供了一个函数 cv.resize() ，原函数如下：
resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None) • 1
src 表示的是输入图像，而 dsize 代表的是输出图像的大小，如果为 0 ，则：
dsize=Size(round(fxsrc.cols),round(fysrc.rows))
dsize 和 fx 、 fy 不能同时为 0 。
fx 、fy 是沿 x 轴和 y 轴的缩放系数，默认取 0 时，算法如下：
fx=(double)dsize.width/src.cols fy=(double)dsize.height/src.rows
最后一个参数 interpolation 表示插值方式：
INTER_NEAREST – 最近邻插值
INTER_LINEAR – 线性插值（默认）
INTER_AREA – 区域插值
INTER_CUBIC – 三次样条插值
INTER_LANCZOS4 – Lanczos插值
示例：
import cv2 as cv #读取图片 src = cv.imread('data.jpg') print(src.shape) #图像缩放 result = cv.resize(src, (300, 150)) print(result.shape) #显示图像 cv.imshow("src", src) cv.imshow("result", result) #等待显示 cv.waitKey() cv.destroyAllWindows()
需要注意的是，这里的 (300, 150) 设置的是 dsize 的列数为 300 ，行数为 150 。
同理，我们可以通过设定一个比例进行缩放，可以是等比例缩放，也可以是不等比例缩放，下面是等比例缩放的示例：
import cv2 as cv # 设定比例 scale = 0.5 #读取图片 src = cv.imread('data.jpg') rows, cols = src.shape[:2] #图像缩放 result = cv.resize(src, ((int(cols * scale), int(rows * scale)))) print(result.shape) #显示图像 cv.imshow("src", src) cv.imshow("result", result) #等待显示 cv.waitKey() cv.destroyAllWindows()
除了可通过设定 dszie 对图像进行缩放，我们还可以通过设定 fx 和 fy 对图像进行缩放：
import cv2 as cv #读取图片 src = cv.imread('data.jpg') print(src.shape) #图像缩放 result = cv.resize(src, None, fx=0.5, fy=0.5) print(result.shape) #显示图像 cv.imshow("src", src) cv.imshow("result", result) #等待显示 cv.waitKey() cv.destroyAllWindows()
图像平移
图像平移是通过仿射函数 warpAffine() 来实现的，原函数如下：
warpAffine(src, M, dsize, dst=None, flags=None,borderMode=None, borderValue=None) • 1
在图像平移中我们会用到前三个参数：
- 需要变换的原始图像
- 移动矩阵M
- 变换的图像大小(如果这个大小不和原始图像大小相同，那么函数会自动通过插值来调整像素间的关系)。
图像的平移是沿着 x 方向移动 tx 距离， y 方向移动 ty 距离，那么需要构造移动矩阵：
这里不妨各位创建一些矩阵来乘以这个M看看😂。
import cv2 as cv import numpy as np #读取图片 src = cv.imread('data.jpg') rows, cols = src.shape[:2] # 定义移动距离 tx = 50 ty = 100 # 生成 M 矩阵 affine = np.float32([[1, 0, tx], [0, 1, ty]]) dst = cv.warpAffine(src, affine, (cols, rows)) # 显示图像 cv.imshow('src', src) cv.imshow("dst", dst) # 等待显示 cv.waitKey(0) cv.destroyAllWindows()
图像旋转
图像旋转主要调用 getRotationMatrix2D() 函数和 warpAffine() 函数实现，绕图像的某一个中心点旋转，具体如下：
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
参数分别为：旋转中心、旋转度数、scale
rotated = cv2.warpAffine(src, M, (cols, rows))
参数分别为：原始图像、旋转参数、原始图像宽高
图像旋转：设（ x0 , y0 ）是旋转后的坐标，（ x , y ）是旋转前的坐标，( m , n )是旋转中心， a 是旋转的角度(顺时针)，( left , top )是旋转后图像的左上角坐标，则公式如下：
python具体实现如下：
import cv2 as cv #读取图片 src = cv.imread('data.jpg') # 原图的高、宽 rows, cols = src.shape[:2] # 绕图像的中心旋转 # 参数：旋转中心 旋转度数 scale M = cv.getRotationMatrix2D((cols/2, rows/2), 90, 1) # dst = cv.warpAffine(src, M, (cols, rows)) # 显示图像 cv.imshow("src", src) cv.imshow("dst", dst) # 等待显示 cv.waitKey() cv.destroyAllWindows()
图像翻转
图像翻转在 OpenCV 中调用函数 flip() 实现，原函数如下：
flip(src, flipCode, dst=None) • 1
- src：原始图像。
- flipCode：翻转方向，如果 flipCode 为 0 ，则以 X 轴为对称轴翻转，如果 fliipCode >0 则以 Y 轴为对称轴翻转，如果 flipCode < 0 则在 X 轴、 Y 轴方向同时翻转。
实例如下：
import cv2 as cv import matplotlib.pyplot as plt # 读取图片 由 GBR 转 RGB img = cv.imread('data.jpg') src = cv.cvtColor(img, cv.COLOR_BGR2RGB) # 图像翻转 img1 = cv.flip(src, 0) img2 = cv.flip(src, 1) img3 = cv.flip(src, -1) # plt 显示图形 titles = ['Source', 'Ima1', 'Ima2', 'Ima3'] images = [src, img1, img2, img3] for i in range(4): plt.subplot(2, 2, i + 1) plt.imshow(images[i]) plt.title(titles[i]) plt.xticks([]) plt.yticks([]) plt.show()
注意，这里用的matplotlib画的图，所以要对图像进行转化cv.COLOR_BGR2RGB，cv读取的图像是BGR的，在matplotlib中图像格式要为RGB
