目錄
- 幾何變換
- 1 縮放
- 2 翻轉(zhuǎn)
- 3 仿射
- 4 透視
- 5 重映射
- （一）復(fù)制
- （二）繞x軸翻轉(zhuǎn)
- （三）繞y軸翻轉(zhuǎn)
- （四）繞x軸y軸翻轉(zhuǎn)
- （五）x軸、y軸互換
- （六）圖像的縮放
幾何變換
圖像的幾何變換是指將一幅圖像映射到另一幅圖像內(nèi)。有縮放、翻轉(zhuǎn)、仿射變換、透視、重映射等操作。
1 縮放
使用cv2.resize()函數(shù)實現(xiàn)對圖像的縮放，但要注意cv2.resize()函數(shù)內(nèi)的dsize參數(shù)與原圖像的行列屬性是相反的，也就是：目標(biāo)圖像的行數(shù)是原始圖像的列數(shù)，目標(biāo)圖像的列數(shù)是原始圖像的行數(shù)。
下面舉例說明cv2.resize()函數(shù)的用法：
import cv2
img=cv2.imread('E:/python_opencv/tupian.jpg')
rows,cols=img.shape[0:2] #行數(shù)和列數(shù)等于img的長度和寬度
size=(int(cols*0.9),int(rows*0.5)) #比例：列變?yōu)樵瓉?.9倍，行變?yōu)?.5倍
rst=cv2.resize(img,size) #將img按size比例縮放
print('img.shape=',img.shape)
print('rst.shape=',rst.shape)
運(yùn)行程序的結(jié)果如下：
img.shape=(600,60,3)
rst.shape=(300,54,3)
可以看出，行數(shù)變?yōu)樵瓉淼?.5倍，列數(shù)變?yōu)樵瓉淼?.9倍。代碼中size的行列位置發(fā)生了交換。
2 翻轉(zhuǎn)
使用cv2.flip()函數(shù)對圖像翻轉(zhuǎn)，能夠?qū)崿F(xiàn)水平方向翻轉(zhuǎn)、垂直方向翻轉(zhuǎn)、兩個方向同時翻轉(zhuǎn)。
下面舉例說明cv2.flip()函數(shù)的用法：
import cv2
img=cv2.imread('E:/python_opencv/tupian.jpg')
x=cv2.flip(img,0) #圖x對原圖像繞x軸翻轉(zhuǎn)
y=cv2.flip(img,1) #圖y對原圖像繞y軸翻轉(zhuǎn)
xy=cv2.flip(img,-1) #圖xy對原圖像繞x軸y軸同時翻轉(zhuǎn)
cv2.imshow('img',img)
cv2.imshow('x',x)
cv2.imshow('y',y)
cv2.imshow('xy',xy)
cv2.waitKey()
cv2.destroyAllWindows()
程序運(yùn)行結(jié)果如下四幅圖，第一幅是原圖，第二幅是繞x軸翻轉(zhuǎn)，第三幅是繞y軸翻轉(zhuǎn)，第四幅是繞x軸y軸同時翻轉(zhuǎn)。
3 仿射
仿射變換是指圖像實現(xiàn)平移、旋轉(zhuǎn)等操作。
先設(shè)置一個變換矩陣M，然后使用cv2.warpAffine()函數(shù)對原圖像和變換矩陣M進(jìn)行仿射操作。
（一）平移
要實現(xiàn)圖像的平移，我們先自定義一個轉(zhuǎn)換矩陣，再進(jìn)行仿射平移變換。例程如下：
import cv2
import numpy as np
img=cv2.imread('E:\python_opencv/tupian.jpg')
height,width=img.shape[:2] #讀取原圖像的長和寬
x=100 #自定義轉(zhuǎn)換矩陣M的x軸移動值
y=200 #自定義轉(zhuǎn)換矩陣M的y軸移動值
M=np.float32([[1,0,x],[0,1,y]]) #構(gòu)造轉(zhuǎn)換矩陣M
move=cv2.warpAffine(img,M,(width,height)) #平移映射
cv2.imshow('orginal',img)
cv2.imshow('move',move)
cv2.waitKey()
cv2.destroyAllWindows()
程序運(yùn)行結(jié)果如下圖所示，左為原圖，右為平移后的圖。
（二）旋轉(zhuǎn)
使用函數(shù)cv2.getRotationMatrix2D()獲得轉(zhuǎn)移矩陣M，然后使用函數(shù)cv2.warpAffine()進(jìn)行仿射旋轉(zhuǎn)變換。例程如下：
import cv2
img=cv2.imread('E:\python_opencv/tupian.jpg')
height,width=img.shape[:2] #讀取原圖像的長和寬
M=cv2.getRotationMatrix2D((width/2,height/2),45,0.6) #以中心為原點，逆時針旋轉(zhuǎn)45°，且縮小為原圖的0.6倍，獲得轉(zhuǎn)移矩陣M
rotate=cv2.warpAffine(img,M,(width,height)) #旋轉(zhuǎn)映射
cv2.imshow('original',img)
cv2.imshow('rotation',rotate)
cv2.waitKey()
cv2.destroyAllWindows()
程序運(yùn)行結(jié)果如下圖所示，左為原圖，右為旋轉(zhuǎn)后的圖。
4 透視
透視變換是指將矩陣圖形投影到另一個視平面，可以映射為任意四邊形，所以透視變換也被稱為投影映射（ProjectionMapping），并不是字面意義上的“透視”。透視與上節(jié)的仿射不同，仿射可以將矩陣映射為任意平行四邊形。
使用cv2.warpPerspective()函數(shù)實現(xiàn)透視變換。例程如下：
#完成圖像透視
import cv2
import numpy as np
img=cv2.imread('E:/python_opencv/tupian.jpg')
rows,cols=img.shape[:2] #讀取原圖像的長和寬
print(rows,cols)
#生成旋轉(zhuǎn)矩陣M
pts1=np.float32([[150,50],[400,50],[60,450],[310,450]])
pts2=np.float32([[50,50],[rows-50,50],[50,cols-50],[rows-50,cols-50]])
M=cv2.getPerspectiveTransform(pts1,pts2)
#使用函數(shù)cv2.warpPerspective()進(jìn)行透視變換
dst=cv2.warpPerspective(img,M,(cols,rows))
cv2.imshow('img',img)
cv2.imshow('dst',dst)
cv2.waitKey()
cv2.destroyAllWindows()
程序運(yùn)行結(jié)果如下圖所示，左為原圖，右為透視變換的圖。
我們可以看到，原圖片經(jīng)過透視映射后，變成另一個視角下的任意四邊形了。
5 重映射
重映射是修改了像素點的位置，從而生成一幅新的圖像，包括：復(fù)制、繞x軸y軸翻轉(zhuǎn)，x軸y軸互換，圖像縮放等。
均使用cv2.remap()重映射函數(shù)進(jìn)行操作。
需要注意cv2.remap()中的兩個參數(shù)mapx、mapy。mapx表示對應(yīng)位置上x軸坐標(biāo)值，mapy表示對應(yīng)位置上y軸坐標(biāo)值。
（一）復(fù)制
使用cv2.remap()函數(shù)完成圖像復(fù)制，需先定義mapx，mapy的值，然后循環(huán)映射每個像素點到對應(yīng)的位置上。
代碼如下：
import cv2
import numpy as np
img=cv2.imread('E:/python_opencv/tupian.jpg')
rows,cols=img.shape[:2] #讀取行列數(shù)
mapx=np.zeros(img.shape[:2],np.float32) #mapx參數(shù)設(shè)定為對應(yīng)位置上的x軸坐標(biāo)值
mapy=np.zeros(img.shape[:2],np.float32) #mapy參數(shù)設(shè)定為對應(yīng)位置上的y軸坐標(biāo)值
for i in range(rows): #對每個元素復(fù)制映射
for j in range(cols):
mapx.itemset((i,j),j)
mapy.itemset((i,j),i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow('original',img)
cv2.imshow('result',rst)
cv2.waitKey()
cv2.destroyAllWindows()
執(zhí)行后結(jié)果如下所示，可以看到，實現(xiàn)了圖像的復(fù)制重映射。
（二）繞x軸翻轉(zhuǎn)
重映射法對圖像繞x軸翻轉(zhuǎn)，表明mapx的值保持不變，mapy的值調(diào)整為總行數(shù)-1-當(dāng)前行號，其余部分代碼不變，所以循環(huán)體內(nèi)代碼變?yōu)椋?/p>
for i in range(rows):
for j in range(cols):
mapx.itemset((i,j),j) #mapx的值保持不變
mapy.itemset((i,j),rows-1-i) #mapy的值調(diào)整為總行數(shù)-1-當(dāng)前行號
（三）繞y軸翻轉(zhuǎn)
重映射法對圖像繞y軸翻轉(zhuǎn)，表明mapx的值調(diào)整為總行數(shù)-1-當(dāng)前列號，mapy的值保持不變，所以循環(huán)體內(nèi)代碼變?yōu)椋?/p>
for i in range(rows):
for j in range(cols):
mapx.itemset((i,j),cols-1-j) #mapx的值調(diào)整為總列數(shù)-1-當(dāng)前列號
mapy.itemset((i,j),i) #mapy的值保持不變
（四）繞x軸y軸翻轉(zhuǎn)
重映射也能實現(xiàn)圖像繞x軸和y軸的同時翻轉(zhuǎn)，只需將前兩個部分合并，使mapx的值調(diào)整為總行數(shù)-1-當(dāng)前列號，mapy的值調(diào)整為總行數(shù)-1-當(dāng)前行號。例程如下：
import cv2
import numpy as np
img=cv2.imread('E:\python_opencv/tupian.jpg')
rows,cols=img.shape[:2]
mapx=np.zeros(img.shape[:2],np.float32)
mapy=np.zeros(img.shape[:2],np.float32)
for i in range(rows):
for j in range(cols):
mapx.itemset((i,j),cols-1-j) #mapx的值調(diào)整為總列數(shù)-1-當(dāng)前列號
mapy.itemset((i,j),rows-1-i) #mapy的值調(diào)整為總行數(shù)-1-當(dāng)前行號
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow('original',img)
cv2.imshow('result',rst)
cv2.waitKey()
cv2.destroyAllWindows()
執(zhí)行后結(jié)果如下所示，可以看到，實現(xiàn)了圖像的繞x軸和y軸翻轉(zhuǎn)重映射過程。
（五）x軸、y軸互換
重映射中，x軸、y軸互換表明，mapx的值變?yōu)樗谛械男刑?，mapy的值變?yōu)樗诹械牧刑枴?/p>
但當(dāng)行數(shù)和列數(shù)不一致時，行或列無法完成映射的部分就被處理為0。示例代碼如下：
#使用函數(shù)cv2.remap()實現(xiàn)圖像繞x軸和y軸的互換
import cv2
import numpy as np
img=cv2.imread('E:\python_opencv/tupian.jpg')
rows,cols=img.shape[:2]
mapx=np.zeros(img.shape[:2],np.float32)
mapy=np.zeros(img.shape[:2],np.float32)
for i in range(rows):
for j in range(cols):
mapx.itemset((i,j),i) #mapx的值變?yōu)樗谛械男刑?
mapy.itemset((i,j),j) #mapy的值變?yōu)樗诹械牧刑?
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow('original',img)
cv2.imshow('result',rst)
cv2.waitKey()
cv2.destroyAllWindows()
結(jié)果如圖：
可以看到，列數(shù)多于行數(shù)的部分被置為0（黑色）。
（六）圖像的縮放
重映射提供了cv2.remap()函數(shù)能夠?qū)崿F(xiàn)圖像的放大或縮小。處理圖像后，可以將圖像固定在圍繞其中心的某個區(qū)域。
下面例程中，x軸和y軸均縮小為原來的0.25-0.75倍之間。
import cv2
import numpy as np
img=cv2.imread('E:\python_opencv/tupian.jpg')
rows,cols=img.shape[:2]
mapx=np.zeros(img.shape[:2],np.float32)
mapy=np.zeros(img.shape[:2],np.float32)
for i in range(rows):
for j in range(cols):
if 0.25*cols i 0.75*cols and 0.25*rows i 0.75*rows:
#在目標(biāo)圖像的x軸(0.25-0.75)倍之內(nèi)生成縮小圖像
mapx.itemset((i,j),2*(j-0.25*cols)+0.5)
#在目標(biāo)圖像的y軸(0.25-0.75)倍之內(nèi)生成縮小圖像
mapy.itemset((i,j),2*(i-rows*0.25)+0.5)
else:
#不在上述區(qū)域的點都取(0,0)坐標(biāo)點的值
mapx.itemset((i,j),0)
mapy.itemset((i,j),0)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR) #圖像縮放重映射
cv2.imshow('original',img)
cv2.imshow('result',rst)
cv2.waitKey()
cv2.destroyAllWindows()
到此這篇關(guān)于OpenCV+Python幾何變換的實現(xiàn)示例的文章就介紹到這了,更多相關(guān)OpenCV 幾何變換內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python基于OpenCV模板匹配識別圖片中的數(shù)字
- Python OpenCV高斯金字塔與拉普拉斯金字塔的實現(xiàn)
- Python OpenCV 基于圖像邊緣提取的輪廓發(fā)現(xiàn)函數(shù)
- Python opencv操作深入詳解
- Python+Opencv實現(xiàn)數(shù)字識別的示例代碼
- python中的opencv和PIL(pillow)轉(zhuǎn)化操作
- python利用opencv實現(xiàn)顏色檢測
- python+opencv實現(xiàn)車道線檢測
- python opencv實現(xiàn)圖像配準(zhǔn)與比較
- python OpenCV學(xué)習(xí)筆記
