opencv（3）我一定一定坚持学完啊！

opencv：图像空间转换与几何变换

1.颜色空间转换：从 BGR 到灰度图，或者BGR 到 HSV 等。
H（色彩/色度）的取值范围是 [0，179]， S（饱和度）的取值范围 [0，255]，V（亮度）的取值范围 [0，255]。

gary = cv.cvtColor(image, cv.COLOR_BGR2GRAY)  # 灰度图
hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)#hsv

2.利用色彩空间对物体进行追踪
在 HSV 颜色空间中要比在 BGR 空间中更容易表示一个特定颜色。在我们的程序中，我们要提取的是一个蓝色的物体。下面就是就是我们要做的几步：
• 从视频中获取每一帧图像
• 将图像转换到 HSV 空间
• 设置 HSV 阈值到蓝色范围。
• 获取蓝色物体，当然我们还可以做其他任何我们想做的事，比如：在蓝色
物体周围画一个圈。

import cv2 as cv
import numpy as np

def extrace_color():
    capture = cv.VideoCapture(0)
    while (True):
    #获取每一帧的画面
        ret, frame = capture.read()
        if ret == False:
            break;
        #将画面转换到HSV
        hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
        #设定要抓取的值的范围（蓝色）
        lower_hsv = np.array([110, 50, 50])
        heiger_hsv = np.array([130, 255, 255])
       #根据阈值来构件掩盖
        mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=heiger_hsv)
#对原图与掩盖进行位运算        dst=cv.bitwise_and(frame,frame,mask=mask)
        cv.imshow("mask", mask)
        cv.imshow("dst",dst)
        c = cv.waitKey(40)
        if c == 27:
            break
extrace_color()
cv.destroyAllWindows()

3.几何变换
扩展缩放改变图像的大小：cv…resize()
在缩放时我们推荐使用 cv2.INTER_AREA，
在扩展时我们推荐使用 v2.INTER_CUBIC（慢) 和 v2.INTER_LINEAR。

import  cv2 as cv
import  numpy as np

image=cv.imread('D:/code/opencv/images/1.png')
cv.imshow("退学",image)
res=cv2.resize(image,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)
#使用缩放因子
cv.imshow("1",res)
#OR
# 这里呢，我们直接设置输出图像的尺寸，所以不用设置缩放因子
height,width=image.shape[:2]
res1=cv2.resize(image,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
cv.imshow("2",res1)
cv.waitKey(0)
cv.destroyAllWindows()

4.平移：
cv2.warpAffine(
image,
matrix[:2, :],
dsize = (image.shape[1], image.shape[0]),
flags = params.cvInterpolation(),
borderMode = params.cvBorderMode(),
borderValue = params.cval,

平移就是将对象换一个位置。如果你要沿（x，y）方向移动，移动的距离
是（tx，ty），你可以以下面的方式构建移动矩阵：

src: 输入图像

M: 变换矩阵,反映平移或旋转的关系,为inputArray类型的2x3的变换矩阵

dsize:输出图像的大小

flags:插值方法, 有

   cv2.INTER_LINEAR,双线性插值(为默认设置)

  cv2.INTER_NEAREST,最近邻插值

   cv2.INTER_CUBIC, 样条插值,4x4像素邻域的双三次插值

   cv2.INTER_AREA:区域插值,v使用像素区域关系进行重采样

   cv2.INTER_LANCZOS4,lanczoc插值,8x8邻域的lanczoc插值

borderMode: 边界像素模式

borderbValue:重点,边界填充值,默认情况下,它为0

import  cv2 as cv
import  numpy as np

image=cv.imread('D:/code/opencv/images/1.png')
cv.imshow("退学",image)
rows,cols,c=image.shape
print(rows,cols,c)
M=np.array([1,0,10,0,1,10]).reshape(2,3)
print(M)
dst=cv.warpAffine(image,M,(rows,cols))
cv.imshow("1",dst)
cv.waitKey(0)
cv.destroyAllWindows()

！！！！我觉得就是这样写啊！为什么一直报错啊！！！！

5.旋转
同样也需要一个矩阵M
为了构建这个旋转矩阵，OpenCV 提供了一个函数：cv2.getRotationMatrix2D。

import  cv2 as cv
import  numpy as np

image=cv.imread('D:/code/opencv/images/1.png')
cv.imshow("退学",image)
rows,cols,c=image.shape
# 这里的第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子
# 可以通过设置旋转中心，缩放因子，以及窗口大小来防止旋转后超出边界的问题
M=cv.getRotationMatrix2D((cols/2,rows/2),45,0.6) # 第三个参数是输出图像的尺寸中心
dst=cv.warpAffine(image,M,(2*cols,2*rows))
cv.imshow("1",dst)
cv.waitKey(0)
cv.destroyAllWindows()

5.仿射变换
原图中平行的依然平行

import cv2
import numpy as np
from matplotlib import pyplot as plt
img=cv2.imread('drawing.png')
rows,cols,ch=img.shape
pts1=np.float32([[50,50],[200,50],[50,200]])
pts2=np.float32([[10,100],[200,50],[100,250]])
M=cv2.getAffineTransform(pts1,pts2)
dst=cv2.warpAffine(img,M,(cols,rows))
plt.subplot(121,plt.imshow(img),plt.title('Input'))
plt.subplot(121,plt.imshow(img),plt.title('Output'))
plt.show()

6.透视变换：
这个变换矩阵可以有函数cv2.getPerspectiveTransform() 构建。然后把这个矩阵传给函数cv2.warpPerspective。

import cv2
import numpy as np
from matplotlib import pyplot as plt
img=cv2.imread('sudokusmall.png')
rows,cols,ch=img.shape
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M=cv2.getPerspectiveTransform(pts1,pts2)
dst=cv2.warpPerspective(img,M,(300,300))
plt.subplot(121,plt.imshow(img),plt.title('Input'))
plt.subplot(121,plt.imshow(img),plt.title('Output'))
plt.show()