OpenCV_Python官方文档10——图像几何变换

OpenCV-Python Tutorials

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

图像的几何变换主要包括：缩放、平移、旋转、仿射、透视等等。图像变换是建立在矩阵运算基础上的，通过矩阵运算可以很快的找到对应关系。

图像缩放

主要函数

• cv2.resize() 具体内容点击此处查看

注意：cv2.resize函数的dst和dsize参数输入是 （宽度，高度），与img.shape相反。
对于img.shape的输出参数以及对应坐标请点击这里查看

import cv2
import numpy as np
import matplotlib.pyplot as plt 
import os 
os.chdir('C:/Users/lenovo/Pictures/')

dolphin = cv2.imread('dolphin.jpg')

#dst = cv2.resize(dolphin,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)
#or
rows,cols = dolphin.shape[:2]
dst = cv2.resize(dolphin,(2*cols,2*rows),interpolation=cv2.INTER_CUBIC)#放大一倍
dst1 = cv2.resize(dolphin,None,fx=0.5,fy=0.5,interpolation=cv2.INTER_AREA)#缩小一倍

imgs = [dolphin,dst,dst1]
titles = ['dolphin','dst','dst1']
for i in range(len(imgs)):
    plt.subplot(1,len(imgs),i+1)
    imgs[i]=cv2.cvtColor(imgs[i],cv2.COLOR_BGR2RGB)
    plt.imshow(imgs[i],'gray')
    plt.title(titles[i])
    plt.axis('off')
plt.show()

输出结果

通过坐标轴可以看到图像的放大和缩小

主要函数

dst = cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])

• src - 原输入图像

• M - 仿射变换矩阵 ，一般反映平移或旋转的关系，为InputArray类型的2×3的变换矩阵

• dsize - 输出变换图像的大小（这个大小如果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）

• flags - 插值方法的组合（int 类型！）

• borderMode - 边界像素模式（int 类型！）

• borderValue - （重点！）边界填充值; 默认为0，即为黑色

• flags：插值方法，共5种

  • INTER_LINEAR - 双线性插值（默认）
  • INTER_NEAREST - 最近邻插值
  • INTER_AREA - 基于像素局部的重采样插值
  • INTER_CUBIC - 三次样条插值
  • INTER_LANCZOS4 - 基于8x8像素邻域的Lanczos（兰索斯）插值

注意：也就是说cv2.warpAffine()函数的dst和dsize参数输入是 （宽度，高度），与img.shape相反。
对于img.shape的输出参数以及对应坐标请点击这里查看

图像平移

如果想要沿(x,y)方向移动，移动的距离为(tx,ty)即沿着x轴平移距离tx，沿着y轴平移距离ty，可以以下面方式构建平移矩阵。通过numpy来产生这个矩阵M。
$$M=\left[\begin{array}{ccc}1& 0& tx\\ 0& 1& ty\end{array}\right]$$

将图像沿x轴平移300像素，沿y轴平移500像素

import cv2
import numpy as np
import matplotlib.pyplot as plt 
import os 
os.chdir('C:/Users/lenovo/Pictures/')

img = cv2.imread('dolphin.jpg')

#平移
M = np.float32([[1,0,300],[0,1,500]])#仿射矩阵
rows,cols = img.shape[: