【python-opencv】图像几何变换

1、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。

import cv2 as cv
from google.colab.patches  cv2_imshow
image=cv.imread('变换.jpg')
# 得到图片的高和宽
height,width=image.shape[:2]
 定义对应的点
points1 = np.float32([[75,55],[340,[33,435],[400,433]])
points2 = np.float32([[0,0],[360,[0,420],420]])
 计算得到转换矩阵
M = cv.getPerspectiveTransform(points1,points2)
 实现透视变换转换
processed = cv.warpPerspective(image,M,(360,1)">))
cv2_imshow(processed)

结果：

参考：https://zhuanlan.zhihu.com/p/37023649

2、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

 numpy as np
 cv2 as cv
img = cv.imread(messi5.jpg)
res = cv.resize(img,None,fx=2,fy=2,interpolation = cv.INTER_CUBIC)
或者
height,width = img.shape[:2]
res = cv.resize(img,(2*width,2*height),interpolation = cv.INTER_CUBIC)

结果：

3、平移

平移是对象位置的转换。如果你知道（x，y）方向的偏移，让它为（tx，ty），你可以创建变换矩阵M，如下所示：

可以将其设置为np.float32类型的Numpy数组，并将其传递给cv.warpAffine()函数.

 cv2
 numpy as np

img = cv2.imread(img.jpg,0)
rows,cols = img.shape

M = np.float32([[1,100],1,50]])
dst = cv2.warpAffine(img,(cols,rows))

cv2.imshow(imgdst

4、图像旋转
通过变换矩阵实现图像旋转角度θ：

OpenCV提供可调旋转，旋转中心可调，因此可以在任何的位置旋转.修正的变换矩阵由下式给出:


为了找到这个转换矩阵，OpenCV提供了一个函数cv2.getRotationMatrix2D.

img = cv.imread( img.shape
 cols-1 和 rows-1 是坐标限制
M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)
dst = cv.warpAffine(img,rows))

结果：

5、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）：

img = cv.imread(drawing.png)
rows,cols,ch = img.shape
pts1 = np.float32([[50,50],[200,[50,200]])
pts2 = np.float32([[10,[100,250]])
M = cv.getAffineTransform(pts1,pts2)
dst = cv.warpAffine(img,rows))
plt.subplot(121),plt.imshow(img),plt.title(Input)
plt.subplot(122),plt.imshow(dst),1)">Output')

结果：

6、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。
请参见下面的代码：

img = cv.imread(sudoku.png img.shape
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,[300,300],300 cv.getPerspectiveTransform(pts1,pts2)
dst = cv.warpPerspective(img,(300,1)">))
plt.subplot(121),1)">)
plt.show()

结果：

 
 
参考：
http://woshicver.com/FifthSection/4_2_%E5%9B%BE%E5%83%8F%E5%87%A0%E4%BD%95%E5%8F%98%E6%8D%A2/
 
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。

【python-opencv】图像几何变换

相关推荐