需要源码请点赞关注收藏后评论区留言私信~~~
一、仿射变换
仿射变换是一种仅在二维平面中发生的几何变形，变换之后的图形仍然可以保持直线的平直性和平行性，也就是说原来的直线变换之后还是直线，平行线变换之后还是平行线，常见的仿射变换包括平移 旋转和倾斜
OpenCV通过cv2.warpAffine()方法实现仿射变换效果 语法如下
dst=cv2.warpAffine(src,M,dsize,flags,borderMode,borderValue)
M 一个二行三列的矩阵 根据此矩阵的值变换原图中的像素位置
dsize 输出图像的尺寸大小
flags 插值方式 建议使用默认方式
borderMode 边界类型
borderValue 边界值
M也被叫做仿射矩阵 实际上是一个2*3的列表
M=[[a,b,c],[d,e,f]] 仿射变换输出的图像按照以下公式计算
新x=原x*a+原y*b+c
新y=原x*d+原y*e+f
平移
平移就是让图像中的所有像素同时沿着水平或者垂直方向移动，实现这种效果只需要将M设置为以下即可
M=[[1,0,水平移动距离],[0,1,垂直移动的距离]]
让图像向右下方平移效果如下
import cv2 import numpy as np img = cv2.imread("demo.png") # 读取图像 rows = len(img) # 图像像素行数 cols = len(img[0]) # 图像像素列数 M = np.float32([[1, 0, 50], # 横坐标向右移动50像素 [0, 1, 100]]) # 纵坐标向下移动100像素 dst = cv2.warpAffine(img, M, (cols, rows)) cv2.imshow("img", img) # 显示原图 cv2.imshow("dst", dst) # 显示仿射变换效果 cv2.waitKey() # 按下任何键盘按键后 cv2.destroyAllWindows() # 释放所有窗体
旋转
OpenCV提供了getRotationMatrix2D方法自动计算旋转图像的M矩阵 语法如下
M=cv2.getRotationMartix2D(center,angle,scale)
center 旋转点的中心坐标
angle 旋转的角度 正数逆时针 负数顺时针
scale 缩放比例
下面让图像逆时针旋转30度的同时缩小到原来的百分之八十
import cv2 img = cv2.imread("demo.png") # 读取图像 rows = len(img) # 图像像素行数 cols = len(img[0]) # 图像像素列数 center = (rows / 2, cols / 2) # 图像的中心点 M = cv2.getRotationMatrix2D(center, 30, 0.8) # 以图像为中心，逆时针旋转30度，缩放0.8倍 dst = cv2.warpAffine(img, M, (cols, rows)) # 按照M进行仿射 cv2.imshow("img", img) # 显示原图 cv2.imshow("dst", dst) # 显示仿射变换效果 cv2.waitKey() # 按下任何键盘按键后 cv2.destroyAllWindows() # 释放所有窗体
倾斜
OpenCV需要定位图像的三个点来计算倾斜效果，这三个点分别是左上角 右上角和左下角，这样可以保证图像的平直性和平行性
同样有getAffineTransform方法来自动计算倾斜图像的M矩阵 语法如下
M=cv2.getAffineTransform(src,dst)
src 原图三个点的坐标 格式为三行两列的浮点数列表
dst 倾斜图像的三个点坐标 格式与src一样
下面让图像向右倾斜
import cv2 import numpy as np img = cv2.imread("demo.png") # 读取图像 rows = len(img) # 图像像素行数 cols = len(img[0]) # 图像像素列数 p1 = np.zeros((3, 2), np.float32) # 32位浮点型空列表，原图三个点 p1[0] = [0, 0] # 左上角点坐标 p1[1] = [cols - 1, 0] # 右上角点坐标 p1[2] = [0, rows - 1] # 左下角点坐标 p2 = np.zeros((3, 2), np.float32) # 32位浮点型空列表，倾斜图三个点 p2[0] = [50, 0] # 左上角点坐标，向右挪50像素 p2[1] = [cols - 1, 0] # 右上角点坐标，位置不变 p2[2] = [0, rows - 1] # 左下角点坐标，位置不变 M = cv2.getAffineTransform(p1, p2) # 根据三个点的变化轨迹计算出M矩阵 dst = cv2.warpAffine(img, M, (cols, rows)) # 按照M进行仿射 cv2.imshow('img', img) # 显示原图 cv2.imshow('dst', dst) # 显示仿射变换效果 cv2.waitKey() # 按下任何键盘按键后 cv2.destroyAllWindows() # 释放所有窗体
二、透视
透视就是让图像在三维空间中变形，从不同的角度观察物体，会看到不同的变形画面
OpenCV中需要通过定位图像的四个点计算透视效果，透视效果不能保证图像的平直性和平行性
OpenCV通过warpPerspective方法来实现透视效果
M=cv2.warpPerspective(src,M,dsize,flags,borderMode,borderValue)
M是一个三行三列的矩阵 根据此矩阵的值变换原图中的像素位置
通过getPerspectiveTransform方法来计算M矩阵
下面模拟从底部观察图像得到的透视效果
import cv2 import numpy as np img = cv2.imread("demo.png") # 读取图像 rows = len(img) # 图像像素行数 cols = len(img[0]) # 图像像素列数 p1 = np.zeros((4, 2), np.float32) # 32位浮点型空列表，保存原图四个点 p1[0] = [0, 0] # 左上角点坐标 p1[1] = [cols - 1, 0] # 右上角点坐标 p1[2] = [0, rows - 1] # 左下角点坐标 p1[3] = [cols - 1, rows - 1] # 右下角点坐标 p2 = np.zeros((4, 2), np.float32) # 32位浮点型空列表，保存透视图四个点 p2[0] = [90, 0] # 左上角点坐标，向右移动90像素 p2[1] = [cols - 90, 0] # 右上角点坐标，向左移动90像素 p2[2] = [0, rows - 1] # 左下角点坐标，位置不变 p2[3] = [cols - 1, rows - 1] # 右下角点坐标，位置不变 M = cv2.getPerspectiveTransform(p1, p2) # 根据四个点的变化轨迹计算出M矩阵 dst = cv2.warpPerspective(img, M, (cols, rows)) # 按照M进行仿射 cv2.imshow('img', img) # 显示原图 cv2.imshow('dst', dst) # 显示仿射变换效果 cv2.waitKey() # 按下任何键盘按键后 cv2.destroyAllWindows() # 释放所有窗体
创作不易 觉得有帮助请点赞关注收藏~~~
