Opencv实现图像的基本变换

1.图像缩放

函数
resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None):
src:输入的图片 ；
dsize:缩放的目标尺寸大小；
dst:输入图片；
fx:x轴的缩放因子；
fy:y轴的缩放因子；
interpolation:插值算法；

插值算法：
（1）INTER_NEAREST：邻近插值算法，速度快，效果差；
（2）INTER_LINEAR:双线性插值（使用周围的四个像素作为参考）；
（3）INTER_CURBIC:三次插值（使用周围的十六个像素作为参考）；
（4）INTER_AREA：效果最好；

1.图像缩放
函数
resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None):
src:输入的图片 ；
dsize:缩放的目标尺寸大小； 
dst:输入图片；
fx:x轴的缩放因子；  
fy:y轴的缩放因子；
interpolation:插值算法；

插值算法：
（1）INTER_NEAREST：邻近插值算法，速度快，效果差；
（2）INTER_LINEAR:双线性插值（使用周围的四个像素作为参考）；
（3）INTER_CURBIC:三次插值（使用周围的十六个像素作为参考）；
（4）INTER_AREA：效果最好；
def Resize():
    img=cv2.imread('images/lenna.png')
    #resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None):
    #src:输入的图片 dsize:缩放的目标尺寸大小 dst:输入图片 fx:x轴的缩放因子  fy:y轴的缩放因子  interpolation:插值算法
    dst=cv2.resize(src=img,dsize=(500,500))
    cv2.imshow('img',img)
    cv2.imshow('dst',dst)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

---

2.图像翻转

flip(src, flipCode, dst=None):
Src:输入的原始图像；
flipCode:翻转的方式；
Dst:输出图像；

flipCode==0表示上下翻转；
flipCode>0表示左右翻转；
flipCode<0表示上下+左右翻转；

def Rotate():
    img=cv2.imread('images/lenna.png')
    dst=cv2.flip(src=img,flipCode=0)
    cv2.imshow('img',img)
    cv2.imshow('dst',dst)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
1
2
3
4
5
6
7

---

3.图像的旋转

rotate(src, rotateCode, dst=None):
Src:输入的原始图像；
rotateCode:旋转的方式；
Dst:输出图像；
旋转方式：
ROTATE_90_CLOCKWISE:顺时针旋转90度；
ROTATE_180：旋转180度；
ROTATE_90_COUNTERCLOCKWISE：逆时针旋转90度；

def Rotate():
    img = cv2.imread('images/lenna.png')
    dst = cv2.rotate(src=img,rotateCode=cv2.ROTATE_90_CLOCKWISE)
    cv2.imshow('img', img)
    cv2.imshow('dst', dst)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
1
2
3
4
5
6
7

---

4.仿射变换获取矩阵

（1）仿射变换：图像的旋转，缩放，平移的总称；
warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None):
Src:输入的原始图像；
M:变换矩阵；
Dsize:输出的图像大小；
Flags：与resize中的插值算法一致；
borderMode：边界外推法标志；
borderValue：填充边界的值；
Dst:输出图像；

矩阵的平移：
（1）矩阵中的每个像素值都是由(x,y)组成；
（2）其变换矩阵为2x2的矩阵（单位阵）；
（3）平移向量为2x1的向量；，所以平移矩阵为2x3的矩阵；

def WrapAffine():
    img = cv2.imread('images/lenna.png')
    #进行横向的平移，不进行竖向的平移
    M=np.float32([[1,0,100],[0,1,0]])
    dst = cv2.warpAffine(src=img,M=M,dsize=(450,450),flags=cv2.INTER_LINEAR)
    cv2.imshow('img', img)
    cv2.imshow('dst', dst)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9

进行横向的平移，不进行竖向的平移

获取变换矩阵
getRotationMatrix2D(center, angle, scale):
Center：旋转中心点；
Angle：旋转角度（逆时针旋转）；
Scale：缩放比例；

def GetRotationMatrix2D():
    img = cv2.imread('images/lenna.png')
    # 进行横向的平移，不进行竖向的平移
    M=cv2.getRotationMatrix2D(center=(300,300),angle=45,scale=1.0)
    dst = cv2.warpAffine(src=img, M=M, dsize=(450, 450), flags=cv2.INTER_LINEAR)
    cv2.imshow('img', img)
    cv2.imshow('dst', dst)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9

获得变换矩阵
getAffineTransform(src, dst)
Src:三个点确定输入变换的位置；
Dst:三个点确定输出变换的位置；

def GetAffineTransform():
    img = cv2.imread('images/lenna.png')
    #输入图像的三个坐标点
    src=np.float32([[100,100],[100,300],[100,300]])
    #输出图像的三个坐标点
    dst=np.float32([[200,200],[300,350],[350,450]])
    M=cv2.getAffineTransform(src=src,dst=dst)
    dst = cv2.warpAffine(src=img, M=M, dsize=(450, 450), flags=cv2.INTER_LINEAR)
    cv2.imshow('img', img)
    cv2.imshow('dst', dst)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12