OpenCV自学笔记八：几何变换

1. 缩放（Scale）：

缩放是指改变图像的尺寸大小。在OpenCV中，可以使用`cv2.resize()`函数来实现图像的缩放操作。该函数接受源图像、目标图像大小以及插值方法作为参数。

示例代码：i

mport cv2
 
# 读取图像
 
image = cv2.imread('input.jpg')
 
# 缩放图像
 
resized_image = cv2.resize(image, (800, 600))
 
# 显示图像
 
cv2.imshow('Resized Image', resized_image)
 
cv2.waitKey(0)
 
cv2.destroyAllWindows()

2. 翻转（Flip）：

翻转是指将图像按照水平或垂直方向进行镜像处理。在OpenCV中，可以使用`cv2.flip()`函数来实现图像的翻转操作。该函数接受源图像和翻转方式（0表示沿x轴翻转，1表示沿y轴翻转，-1表示同时沿x轴和y轴翻转）作为参数。

示例代码：

import cv2
 
# 读取图像
 
image = cv2.imread('input.jpg')
 
# 水平翻转图像
 
flipped_image = cv2.flip(image, 1)
 
# 显示图像
 
cv2.imshow('Flipped Image', flipped_image)
 
cv2.waitKey(0)
 
cv2.destroyAllWindows()

3. 仿射变换（Affine Transformation）：

仿射变换是指通过线性变换和平移变换来改变图像的形状和位置。在OpenCV中，可以使用`cv2.warpAffine()`函数来实现仿射变换。该函数接受源图像、仿射矩阵以及目标图像大小作为参数。

示例代码：

import cv2
 
import numpy as np
 
# 读取图像
 
image = cv2.imread('input.jpg')
 
# 定义仿射矩阵
 
matrix = np.float32([[1, 0, 100], [0, 1, 50]]) # 平移变换
 
# 进行仿射变换
 
affine_image = cv2.warpAffine(image, matrix, (image.shape[1], image.shape[0]))
 
# 显示图像
 
cv2.imshow('Affine Image', affine_image)
 
cv2.waitKey(0)
 
cv2.destroyAllWindows()

4. 透视变换（Perspective Transformation）：

透视变换是指通过透视关系对图像进行形状的扭曲。在OpenCV中，可以使用`cv2.getPerspectiveTransform()`函数获取透视变换矩阵，并使用`cv2.warpPerspective()`函数来应用透视变换。该函数接受源图像、透视变换矩阵以及目标图像大小作为参数。

示例代码：

import cv2
 
import numpy as np
 
# 读取图像
 
image = cv2.imread('input.jpg')
 
# 定义原始图像中四个角点的坐标
 
original_points = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])
 
# 定义目标图像中对应的四个角点的坐标
 
target_points = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]])
 
# 计算透视变换矩阵
 
perspective_matrix = cv2.getPerspectiveTransform(original_points, target_points)
 
# 进行透视变换
 
perspective_image = cv2.warpPerspective(image, perspective_matrix, (300, 300))
 
# 显示图像
 
cv2.imshow('Perspective Image', perspective_image)
 
cv2.waitKey(0)
 
cv2.destroyAllWindows()

5. 重映射（Remapping）：

重映射是指根据给定的映射关系，将图像中的像素重新定位到目标图像中的位置上。在OpenCV中，可以使用`cv2.remap()`函数来实现重映射操作。该函数接受源图像、x方向映射矩阵（map_x）和y方向映射矩阵（map_y）作为参数。

示例代码：

import cv2
 
import numpy as np
 
# 读取图像
 
image = cv2.imread('input.jpg')
 
# 定义映射关系
 
rows, cols = image.shape[:2]
 
map_x = np.zeros((rows, cols), np.float32)
 
map_y = np.zeros((rows, cols), np.float32)
 
for i in range(rows):
 
for j in range(cols):
 
# 将像素点的位置重新定位到目标图像中
 
map_x[i, j] = j
 
map_y[i, j] = i
 
# 进行重映射
 
remapped_image = cv2.remap(image, map_x, map_y, cv2.INTER_LINEAR)
 
# 显示图像
 
cv2.imshow('Remapped Image', remapped_image)
 
cv2.waitKey(0)
 
cv2.destroyAllWindows()