(03)python-opencv图像处理——图像的几何变换

news2024/10/10 5:43:14

前言

1、变换

2、缩放

3、平移变换

4、旋转

5、仿射变换

6、翻转

参考文献

前言

在本教程中：

你将会学到将不同的几何变换应用于图像，如平移、旋转、仿射变换等。
你会学到如下函数：cv.getPerspectiveTransform

图像的几何变换是图像处理和图像分析的基础内容之一。图像几何变换又称为图像空间变换，它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置。几何变换的特点是改变图像像素的空间位置，而不改变像素灰度值。

图像的几何变换主要包括：

位置变换：图像的平移、镜像、旋转
形状变换：图像的缩放
仿射变换

1、变换

OpenCV 提供了两个变换函数， cv.warpAffine 和 cv.getPerspectiveTransform ，用这两个函数就可以完成所有类型的变换。 cv.warpAffine 输入为 2x3 的变换矩阵， cv.getPerspectiveTransform 输入为 2x3 的变换矩阵。

2、缩放

缩放是调整图片的大小。 OpenCV 使用 cv.resize() 函数进行调整。可以手动指定图像的大小，也可以指定比例因子。可以使用不同的插值方法。对于下采样(图像上缩小)，最合适的插值方法是 cv.INTER_AREA 对于上采样(放大),最好的方法是 cv.INTER_CUBIC （速度较慢）和 cv.INTER_LINEAR (速度较快)。默认情况下，所使用的插值方法都是 cv.INTER_AREA 。你可以使用如下方法调整输入图片大小：

示例如下所示:

import cv2
# 读取图像
image = cv2.imread('images/demo2.png')
# 指定新的宽度和高度，使用 cv.INTER_LINEAR 插值进行放大
new_width = 200
new_height = 200
resized_image_linear = cv2.resize(image, (new_width, new_height), interpolation=cv2.INTER_LINEAR)
# 使用 cv.INTER_CUBIC 插值方法进行放大
resized_image_cubic = cv2.resize(image, (new_width, new_height), interpolation=cv2.INTER_CUBIC)
# 使用比例因子 0.5 对图像进行下采样，使用 cv.INTER_AREA 插值
scale_percent = 50  # 缩小 50%
width = int(image.shape[1] * scale_percent / 100)
height = int(image.shape[0] * scale_percent / 100)
resized_image_area = cv2.resize(image, (width, height), interpolation=cv2.INTER_AREA)
# 显示调整后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Resized Image (Linear)', resized_image_linear)
cv2.imshow('Resized Image (Cubic)', resized_image_cubic)
cv2.imshow('Resized Image (Area)', resized_image_area)
# 等待按键退出
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.resize(): 该函数用于缩放图像。你可以指定新尺寸 (new_width, new_height)，也可以用比例因子来缩放图像。
插值方法:
- cv2.INTER_LINEAR: 线性插值，适合放大图像时，速度较快。
- cv2.INTER_CUBIC: 三次插值，质量较高，适合放大图像时，速度较慢。
- cv2.INTER_AREA: 像素区域插值，适合下采样（缩小图像时），速度和效果较好。

3、平移变换

平移变换是物体位置的移动。如果知道 （x，y） 方向的偏移量，假设为 (t_x,t_y)，则可以创建如下转换矩阵 M：

您可以将变换矩阵存为 np.float32 类型的 numpy 数组，并将其作为 cv.warpAffine 的第二个参数。请参见以下转换（100,50）的示例：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('input_image.jpg')

# 图像尺寸
rows, cols = image.shape[:2]

# 定义平移矩阵，移动 100 个像素在 x 方向，50 个像素在 y 方向
M = np.float32([[1, 0, 100], [0, 1, 50]])

# 应用平移
shifted_image = cv2.warpAffine(image, M, (cols, rows))

# 显示原图像和平移后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Shifted Image', shifted_image)

cv2.waitKey(0)
cv2.destroyAllWindows()

4、旋转

以

角度旋转图片的转换矩阵形式为：

但 Opencv 提供了可变旋转中心的比例变换，所以你可以在任意位置旋转图片，修改后的转换矩阵为：

其中：

为了找到这个转换矩阵，opencv 提供了一个函数， cv.getRotationMatrix2D 。请查看下面的示例，它将图像相对于中心旋转 90 度，而不进行任何缩放。

import cv2
import numpy as np
# 读取图像
image = cv2.imread('images/demo2.png')
# 获取图像的尺寸（行数和列数）
rows, cols = image.shape[:2]
# 获取旋转矩阵，旋转中心为图像的中心，旋转角度为 45 度，缩放比例为 1.0
center = (cols / 2, rows / 2)
angle = 45  # 旋转角度
scale = 1.0  # 缩放比例
M = cv2.getRotationMatrix2D(center, angle, scale)
# 使用仿射变换进行旋转，输出图像的尺寸与输入图像相同
rotated_image = cv2.warpAffine(image, M, (cols, rows))
# 显示原图像
cv2.imshow('Original Image', image)
# 显示旋转后的图像
cv2.imshow('Rotated Image', rotated_image)
# 等待用户按键关闭窗口
cv2.waitKey(0)
# 销毁所有窗口
cv2.destroyAllWindows()

5、仿射变换

在仿射变换中，原始图像中的所有平行线在输出图像中仍然是平行的。为了找到变换矩阵，我们需要从输入图像中取三个点及其在输出图像中的对应位置。然后 cv.getPerspectiveTransform 将创建一个 2x3 矩阵，该矩阵将传递给 cv.warpAffine 。

示例

假设我们有一张图像，我们想对其进行仿射变换，比如将图像旋转和缩放。我们将选择三个点，并定义它们在输入图像和输出图像中的对应位置。

import cv2
import numpy as np
# 读取输入图像
image = cv2.imread('images/demo2.png')
# 定义输入图像中的三个点 (x, y) 坐标
points_input = np.float32([[50, 50], [200, 50], [50, 200]])
# 定义输出图像中对应的三个点
points_output = np.float32([[10, 100], [200, 50], [100, 250]])
# 计算仿射变换矩阵
M = cv2.getAffineTransform(points_input, points_output)
# 使用仿射变换矩阵进行变换
rows, cols = image.shape[:2]
warped_image = cv2.warpAffine(image, M, (cols, rows))
# 显示原图像和变换后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Warped Image', warped_image)
# 等待用户按键关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

6、翻转

旋转和翻转的区别:

旋转是指以图形某个点为中心，发生角度的变化。注意在旋转过程中，是图形整体都发生了角度变化，而图形各元素之间的相对位置没有改变
翻转（也叫镜像）是指图形围绕着翻转轴，做空间180°的运动，可知翻转过后得到的图形与原图形关于翻转轴对称

import cv2
# 读取图像
image = cv2.imread('images/demo2.png')
# 翻转图像
# 0 表示围绕 x 轴翻转（垂直翻转）
flipped_image_vertical = cv2.flip(image, 0)
# 1 表示围绕 y 轴翻转（水平翻转）
flipped_image_horizontal = cv2.flip(image, 1)
# -1 表示同时围绕 x 轴和 y 轴翻转
flipped_image_both = cv2.flip(image, -1)
# 显示原图像和翻转后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Flipped Image (Vertical)', flipped_image_vertical)
cv2.imshow('Flipped Image (Horizontal)', flipped_image_horizontal)
cv2.imshow('Flipped Image (Both)', flipped_image_both)
cv2.waitKey(0)
cv2.destroyAllWindows()