OpenCV图像处理技术（Python）——色彩空间与几何变换

© Fu Xianjun. All Rights Reserved.

1 .图像类型的转换

图像类型转换函数为:
BGR与RGB：dst=cv2.cvtColor(scr,cv2.COLOR_BGR2RGB)
BGR与灰度： dst=cv2.cvtColor(scr,cv2.COLOR_GRAY2BGR)
BGR与HSV: dst=cv2.cvtColor(scr,cv2.COLOR_HSV2BGR)
代码如下：

import cv2
import numpy as np
img1=cv2.imread("pig.jpg")
rgb=cv2.cvtColor(img1,cv2.COLOR_BGR2RGB)
cv2.imshow("BGR",img1)
cv2.imshow("RGB",rgb)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

2.提取指定颜色

提取指定颜色的函数语法格式为：
dst=cv2.inRange(scr,lowerb,upperb)
·lowerb为范围下界
·upperb为范围上界

代码如下：

import cv2
import numpy as np

img2=cv2.imread("pig.jpg")
cv2.imshow("SRC",img2)
hsv = cv2.cvtColor(img2, cv2.COLOR_BGR2HSV)
cv2.imshow("HSV",hsv)

lowerb_hsv = np.array([156,43,46])
upperb_hsv = np.array([180,255,255])

mask = cv2.inRange(hsv, lowerb_hsv, upperb_hsv)
cv2.imshow("MASK",mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

red = cv2.bitwise_and(img2,img2,mask=mask)
cv2.imshow("RED",red)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

3.简单的的几何变换

案例一：图像的缩放
代码如下：

import cv2
import numpy as np

img=cv2.imread("pig.jpg")
rows,cols,_ = img.shape

#第一种缩放方式
size1 = (int(rows*0.9),int(cols*0.8))#宽变成0.9倍，长变成0.8倍
img_resize1 = cv2.resize(img,size1)

#第二种缩放方式
img_resize2 = cv2.resize(img,None,fx=2,fy=1.5)#宽变成两倍，长变成1.5倍
cv2.imshow("SRC",img)
cv2.imshow("RESIZE1",img_resize1)
cv2.imshow("RESIZE2",img_resize2)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

案例二：图像翻转
代码如下：

img_flip2=cv2.flip(img,-1)#x，y轴同时翻转
cv2.imshow("FLIP2",img_flip2)
img_flip3=cv2.flip(img,1)#y轴翻转
cv2.imshow("FLIP3",img_flip3)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

案例三：图像仿射变换
1.平移
代码如下：

rows,cols,_ = img.shape
x = 100
y = 200
M = np.float32([[1,0,x],[0,1,y]])#转换矩阵
img_move=cv2.warpAffine(img,M,(cols,rows))#平移操作，注意（cols，rows）
cv2.imshow("MOVE",img_move)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

2.旋转
语法：

retval = cv2.getRotationMatrix2D(center,anle,scale)

center：旋转中心

angle：旋转角度，正数为逆时针旋转，负数为顺时针旋转

scale：缩放大小
代码如下：

height,width,_ = img.shape
M = cv2.getRotationMatrix2D((width/2, height/2), 45, 0.6)
img_rotate=cv2.warpAffine(img,M,(width, height))#平移操作
cv2.imshow("ROTATE",img_rotate)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

案例四：透视
语法1：

转换矩阵 M = cv2.getPerspectiveTransform(pts_o, pts_d)

pts_o为原始4个点坐标

pts_d为变换后4个点坐标

语法2：

dst = cv2.warpPerspective(img, M, dsize)

img为原图

dst为变换后的图

M为转换矩阵

dsize为变换后图像的大小
代码如下：

#读图
img = cv2.imread('shudu.jpg')
rows, cols,_ = img.shape

# 原始点阵
pts_o = np.float32([[88, 177], [716, 85], [216, 695], [957, 551]]) # 这四个点为原始图片上数独的位置
pts_d = np.float32([[0, 0], [600, 0], [0, 600], [600, 600]]) # 这是变换之后的图上四个点的位置

# 获取转换矩阵
M = cv2.getPerspectiveTransform(pts_o, pts_d)
# 应用变换
dst = cv2.warpPerspective(img, M, (600, 600)) # 最后一参数是输出dst的尺寸。可以和原来图片尺寸不一致。按需求来确定

cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：