Python 图像处理 OpenCV （5）：图像的几何变换

前文传送门：

「Python 图像处理 OpenCV （1）：入门」

「Python 图像处理 OpenCV （2）：像素处理与 Numpy 操作以及 Matplotlib 显示图像」

「Python 图像处理 OpenCV （3）：图像属性、图像感兴趣 ROI 区域及通道处理」

「Python 图像处理 OpenCV （4）：图像算数运算以及修改颜色空间」

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)


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：

$$\texttt{dsize = Size(round(fxsrc.cols), round(fysrc.rows))}$$

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：

$$\texttt{fx=(double)dsize.width/src.cols}$$

$$\texttt{fy=(double)dsize.height/src.rows}$$

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

看一个简单的示例：

import cv2 as cv#读取图片
src = cv.imread('maliao.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()


结果如下：

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('maliao.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()


结果如下：

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('maliao.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()


结果如下：

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)


在图像平移中我们会用到前三个参数：

1. 需要变换的原始图像
2. 移动矩阵M
3. 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：

$$ M = [\begin{matrix} 1 & 0 & tx \ 0 & 1 & ty \end{matrix}] $$

我们通过 Numpy 来产生这个矩阵（必须是float类型的），并将其赋值给仿射函数 warpAffine() ，下面来看个示例：

import cv2 as cv
import numpy as np#读取图片
src = cv.imread('maliao.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()


结果如下：

注意： warpAffine 函数的第三个参数是输出图像的大小，我这里设置的大小是原图片的大小，所以结果会有部分遮挡。

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：

$$ \begin{bmatrix}x0 & y0 & 1\end{bmatrix} = \begin{bmatrix}x & y & 1\end{bmatrix} \begin{bmatrix}1 & 0 & 0 \ 0 & -1 & 0 \ -m & n & 1\end{bmatrix} \begin{bmatrix}\cos a & -\sin a & 0 \ \sin a & \cos a & 0 \ 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} 1 & 0 & 0 \ 0 & -1 & 0 \ left & top & 1 \end{bmatrix}$$

上面这个公式具体的推导过程可以参考这篇文章：https://www.cnblogs.com/xuanyuyt/p/7112876.html 。

示例如下：

import cv2 as cv#读取图片
src = cv.imread('maliao.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()


结果如下：

图像翻转

第一个图像翻转，这个可是制作表情包的利器。

图像翻转在 OpenCV 中调用函数 flip() 实现，原函数如下：

flip(src, flipCode, dst=None)


• 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。

示例如下：

import cv2 as cv
import matplotlib.pyplot as plt# 读取图片 由 GBR 转 RGB
img = cv.imread('maliao.jpg')
src = cv.cvtColor(img, cv.COLOR_BGR2RGB)# 图像翻转
# 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。
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()


结果如下：

示例代码

如果有需要获取源码的同学可以在公众号回复「OpenCV」进行获取。

参考

https://blog.csdn.net/Eastmount/article/details/82454335

https://www.cnblogs.com/korbin/p/5612427.html

http://www.woshicver.com/