OpenCV基础入门—几何变换

© Fu Xianjun. All Rights Reserved.

---

几何变换

几何变换是指一幅图像映射到另外一幅图像内的操作。OpenCV提供了多个与映射有关的函数，这些函数使用起来方便灵活，能够高效地完成图像映射。
根据OpenCV函数的不同，将映射关系划分为缩放、翻转、仿射变换、透视、重映射等。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、缩放

使用函数cv2.resize()来实现对图像的缩放。
形式为：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(当值非零)，或者通过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。
• interpolation代表插值方式。

（示例）：将图片宽变成0.9倍，长变成0.8倍
代码如下（示例）：

import cv2
import numpy as np
img=cv2.imread("pig.jpg")
rows,cols,_ = img.shape
size1 = (int(rows*0.9),int(cols*0.8))
img_resize1 = cv2.resize(img,size1)
cv2.imshow("SRC",img)
cv2.imshow("RESIZE1",img_resize1)
cv2.waitKey(0)
cv2.destroyAllWindows()

• 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。

二、翻转

使用函数cv2.flip()来实现对图像的翻转，水平翻转、垂直翻转、两个方向同时翻转。
形式为：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代表需要处理的原始图像。
• flipCode代表旋转类型。

flipCode参数的意义：

参数值	说明	意义
0	只能是0	绕着X轴转
正数	1、2、3等任意正数	绕着Y轴转
负数	-1、-2、-3等任意负数	围绕X、Y轴同时翻转

（示例）：绕x轴翻转
代码如下（示例）：

img_flip1=cv2.flip(img,0)#x轴翻转
cv2.imshow("FLIP1",img_flip1)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、图像仿射变换

函数cv2.warpAffine()实现仿射变换。
其语句为：dst = cv2.warAffine(src , M , dsize)

• src代表要仿射的原始图像。
• M代表一个2x3的变换矩阵。使用不同的变换矩阵，就可以实现不同的仿射变换。
• dsize代表输出图像的尺寸大小。

1.平移

代码如下（示例）：

rows,cols,_ = img.shape
x = 100
y = 200
M = np.float32([[1,0,x],[0,1,y]])
img_move=cv2.warpAffine(img,M,(cols,rows))
cv2.imshow("MOVE",img_move)
cv2.waitKey(0)
cv2.destroyAllWindows()

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（示例）：

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

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（示例）：

img = cv2.imread('shudu.jpg')
rows, cols,_ = img.shape
pts_o = np.float32([[88, 177], [716, 85], [216, 695], [957, 551]]) 
pts_d = np.float32([[0, 0], [600, 0], [0, 600], [600, 600]]) 
M = cv2.getPerspectiveTransform(pts_o, pts_d)
dst = cv2.warpPerspective(img, M, (600, 600))
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

小例题

将图像通过透视变换矫正

代码如下（示例）：

#读图
img = cv2.imread('lianxi.png')
rows, cols = img.shape[:2]
# 原始点阵
pts_o = np.float32([[45, 180], [220, 80], [60, 290], [270, 190]]) 
pts_d = np.float32([[0, 0], [200, 0], [0, 100], [200, 100]])
# 获取转换矩阵
M = cv2.getPerspectiveTransform(pts_o, pts_d)
# 应用变换
dst = cv2.warpPerspective(img, M, (200, 100))

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

效果如下（示例）：