opencv几何变换(python)

几何变换

几何变换是指将一幅图像映射到另外一幅图像内的操作。

缩放

使用函数cv2.resize()实现对图像的缩放

dst = cv2.resize( src, dsize[, fx[, fy[, interpolation]]] )

• dst代表输出的目标图像，该图像的类型与src相同，其大小为dsize（当该值非零时），或者可以通过src.size()、fx、fy计算得到。

• src代表需要缩放的原始图像

• dsize代表输出图像大小。

• fx代表水平方向的缩放比例。

• fy代表垂直方向的缩放比例。

  在cv2.resize()函数中，目标图像的大小可以通过“参数dsize”或者“参数fx和fy”二者之一来指定，具体介绍如下。

  情况1：通过参数dsize指定

  如果指定参数dsize的值，则无论是否指定了参数fx和fy的值，都由参数dsize来决定目标图像的大小。

  dsize内第1个参数对应缩放后图像的宽度（width，即列数cols，与参数fx相关），第2个参数对应缩放后图像的高度（height，即行数rows，与参数fy相关）

  指定参数dsize的值时，x方向的缩放大小（参数fx）为：

  (double)dsize.width/src.cols
  

  同时，y方向的缩放大小（参数fy）为：

  (double)dsize.height/src.rows
  

  情况2：通过参数fx和fy指定

  如果参数dsize的值是None，那么目标图像的大小通过参数fx和fy来决定。此时，目标图像的大小为：

  dsize=Size(round(fx*src.cols), round(fy*src.rows)) 
  

  目标图像dst的最终大小和类型是通过src、dsize、fx、fy指定的。

• interpolation代表插值方式

  

  插值是指在对图像进行几何处理时，给无法直接通过映射得到值的像素点赋值。

  目标图像上的该像素点不能对应到原始图像的某个具体位置上，此时也要对这些像素点进行插值 处理，以完成映射。

  • 当缩小图像时，使用区域插值方式（INTER_AREA）能够得到最好的效果；

  • 当放大图像时，使用三次样条插值（INTER_CUBIC）方式和双线性插值（INTER_LINEAR）方式都能够取得较好的效果。

    三次样条插值方式速度较慢，双线性插值方式速度相对较快且效果并不逊色。

例子

使用函数cv2.resize()对一个数组进行简单缩放。

import cv2 
import numpy as np 
img=np.ones([2,4,3], dtype=np.uint8) 
size=img.shape[:2] 
rst=cv2.resize(img, size) 
print("img.shape=\n", img.shape) 
print("img=\n", img) 
print("rst.shape=\n", rst.shape) 
print("rst=\n", rst) 

注意

• 目标图像的行数是原始图像的列数。
• 目标图像的列数是原始图像的行数。

函数cv2.resize()内dsize参数与图像shape属性在行、列的顺序上是不一致的

• 在shape属性中，第1个值对应的是行数，第2个值对应的是列数
• 在dsize参数中，第1个值对应的是列数，第2个值对应的是行数

在使用cv2.resize()函数时，要额外注意参数dsize的属性顺序问题。

例子

1. 使用函数cv2.resize()完成一个简单的图像缩放。

import cv2 
img=cv2.imread("lena.jpg") 
rows, cols=img.shape[:2] 
size=(int(cols*0.9), int(rows*0.5)) 
rst=cv2.resize(img, size) 
print("img.shape=", img.shape) 
print("rst.shape=", rst.shape)

2. 控制函数cv2.resize()的fx参数、fy参数，完成图像缩放

import cv2 
img=cv2.imread("lena.jpg") 
rst=cv2.resize(img, None, fx=2, fy=0.5) 
print("img.shape=", img.shape) 
print("rst.shape=", rst.shape)

• fx进行的是水平方向的缩放
• fy进行的是垂直方向的缩放

翻转

图像的翻转采用函数cv2.flip()实现

该函数能够实现图像在水平方向翻转、垂直方向翻转、两个方向同时翻转

dst = cv2.flip( src, flipCode )

• dst代表和原始图像具有同样大小、类型的目标图像。

• src代表要处理的原始图像

• flipCode代表旋转类型。

  

  该函数中，目标像素点与原始像素点的关系可表述为：

  

例子

使用函数cv2.flip()完成图像的翻转

import cv2 
img=cv2.imread("lena.jpg") 
x=cv2.flip(img,0) 
y=cv2.flip(img,1) 
xy=cv2.flip(img, -1) 
cv2.imshow("img", img) 
cv2.imshow("x", x) 
cv2.imshow("y", y) 
cv2.imshow("xy", xy) 
cv2.waitKey() 
cv2.destroyAllWindows() 

仿射

仿射变换是指图像可以通过一系列的几何变换来实现平移、旋转等多种操作。

该变换能够保持图像的平直性和平行性。

平直性是指图像经过仿射变换后，直线仍然是直线；平行性是指图像在完成仿射变换后，平行线仍然是平行线。

OpenCV中的仿射函数为cv2.warpAffine()，其通过一个变换矩阵（映射矩阵）M实现变换，具体为：

dst(x, y)=src(M11x+M12y+M13, M21x+M22y+M23)

通过一个变换矩阵M，将原始图像O变换为仿射图像R。

采用仿射函数cv2.warpAffine()实现对图像的变换，该函数的语法格式如下：

dst = cv2.warpAffine( src, M, dsize[,