• 【OpenCV】Chapter3.图像的仿射变换

    最近想对OpenCV进行系统学习，看到网上这份教程写得不错，于是跟着来学习实践一下。
    【youcans@qq.com, youcans 的 OpenCV 例程, https://youcans.blog.csdn.net/article/details/125112487】
    程序仓库：https://github.com/zstar1003/OpenCV-Learning

    仿射变换原理

    仿射变换其实包含了一系列的操作：平移，缩放，旋转等，不过所有的操作都可以通过这个仿射变换矩阵来实现。

    仿射变换矩阵：

    [ x y 1 ] = [ a 0 a 1 a 2 a 3 a 4 a 5 0 0 1 ] [ x 0 y 0 1 ]

    [xy1]" role="presentation" style="position: relative;">[xy1]
    =
    [a0a1a2a3a4a5001]" role="presentation" style="position: relative;">[a0a1a2a3a4a5001]
    [x0y01]" role="presentation" style="position: relative;">[x0y01]
    ⎣ ⎡​xy1​⎦ ⎤​=⎣ ⎡​a0​a3​0​a1​a4​0​a2​a5​1​⎦ ⎤​⎣ ⎡​x0​y0​1​⎦ ⎤​

    其中 x x x， y y y表示输出图像像素的坐标， x 0 x_0 x0​, y 0 y_0 y0​表示输入图像像素的坐标

    变换名称 a 0 a_0 a0​ a 1 a_1 a1​ a 2 a_2 a2​ a 3 a_3 a3​ a 4 a_4 a4​ a 5 a_5 a5​
    平移10 △ x \triangle x △x01 △ y \triangle y △y
    均匀缩放 s s s000 s s s0
    不均匀缩放 s x s_x sx​000 s y s_y sy​0
    顺时针旋转角度 θ \theta θ c o s θ cos\theta cosθ s i n θ sin\theta sinθ0 − s i n θ -sin\theta −sinθ c o s θ cos\theta cosθ0
    逆时针旋转角度 θ \theta θ c o s θ cos\theta cosθ − s i n θ -sin\theta −sinθ0 s i n θ sin\theta sinθ c o s θ cos\theta cosθ0
    垂直偏移变换100h10
    水平偏移变换1h0010

    表格来源：https://github.com/datawhalechina/magic-cv

    在OpenCV中，需要定义的核心就是2行3列的仿射变换矩阵。

    主要函数：

    cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst

    参数说明：

    • scr：变换操作的输入图像
    • M：仿射变换矩阵，2行3列
    • dsize： 输出图像的大小，二元元组 (width, height)
    • dst：变换操作的输出图像，可选项
    • flags：插值方法，整型（int），可选项
      • cv2.INTER_LINEAR：线性插值，默认选项
      • cv2.INTER_NEAREST：最近邻插值
      • cv2.INTER_AREA：区域插值
      • cv2.INTER_CUBIC：三次样条插值
      • cv2.INTER_LANCZOS4：Lanczos 插值
    • borderMode：边界像素方法，整型（int），可选项，默认值为 cv2.BORDER_REFLECT
    • borderValue：边界填充值，可选项，默认值为 0（黑色填充）
    • 返回值：dst，变换操作的输出图像，ndarray 多维数组

    平移

    参照上面的表格，实现平移操作就需要保证 a 0 , a 4 = 1 a_0,a_4=1 a0​,a4​=1，同时 a 2 , a 5 a_2,a_5 a2​,a5​分别为x和y的平移距离。
    在这里插入图片描述
    示例程序：

    """
图像平移
"""
import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)
rows, cols, ch = img.shape

dx, dy = 100, 50  # dx=100 向右偏移量, dy=50 向下偏移量
MAT = np.float32([[1, 0, dx], [0, 1, dy]])  # 构造平移变换矩阵
# dst = cv2.warpAffine(img, MAT, (cols, rows))  # 默认为黑色填充
dst = cv2.warpAffine(img, MAT, (cols, rows), borderValue=(255, 255, 255))  # 设置白色填充

plt.figure(figsize=(9, 6))
plt.subplot(121), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title("Original")
plt.subplot(122), plt.imshow(cv2.cvtColor(dst, cv2.COLOR_BGR2RGB)), plt.title("Translational")
plt.show()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19

    在这里插入图片描述

    旋转

    以原点为中心

    仿射变换矩阵：
    在这里插入图片描述
    示例程序：

    """
图像旋转(以原点为中心)
"""
import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)
rows, cols, ch = img.shape

theta = np.pi / 8.0  # 顺时针旋转角度
cosTheta = np.cos(theta)
sinTheta = np.sin(theta)
MAT = np.float32([[cosTheta, -sinTheta, 0], [sinTheta, cosTheta, 0]])  # 构造旋转变换矩阵
# dst = cv2.warpAffine(img, MAT, (cols, rows))  # 默认为黑色填充
dst = cv2.warpAffine(img, MAT, (cols, rows), borderValue=(255, 255, 255))  # 设置白色填充

plt.figure(figsize=(9, 6))
plt.subplot(121), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title("Origin")
plt.subplot(122), plt.imshow(cv2.cvtColor(dst, cv2.COLOR_BGR2RGB)), plt.title("Rotation")
plt.show()


    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22

    在这里插入图片描述

    以任意点为中心

    以任意点为中心旋转似乎乍一看有些难度，不过换一种思路，可以采用先平移后旋转再平移的操作。
    仿射变换矩阵：
    在这里插入图片描述
    为了操作简便，OpenCV提供了cv2.getRotationMatrix2D函数， 根据旋转角度和位移计算旋转变换矩阵 MAR.

    cv2.getRotationMatrix2D(center, angle, scale) → M

    参数说明：

    • center：旋转中心坐标，二元元组 (x0, y0)
    • angle：旋转角度，单位为角度，逆时针为正数，顺时针为负数
    • scale： 缩放因子
    • 返回值：M， 旋转变换矩阵，2行3列

    示例程序：

    """
图像旋转(以任意点为中心)
"""
import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)
height, width = img.shape[:2]  # 图片的高度和宽度

theta1, theta2 = 30, 45  # 顺时针旋转角度，单位为角度
x0, y0 = width // 2, height // 2  # 以图像中心作为旋转中心
MAR1 = cv2.getRotationMatrix2D((x0, y0), theta1, 1.0)
MAR2 = cv2.getRotationMatrix2D((x0, y0), theta2, 1.0)
imgR1 = cv2.warpAffine(img, MAR1, (width, height))  # 旋转变换，默认为黑色填充
imgR2 = cv2.warpAffine(img, MAR2, (width, height), borderValue=(255, 255, 255))  # 设置白色填充

plt.figure(figsize=(10, 6))
plt.subplot(131), plt.axis('off'), plt.title(r"$Origin$")
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.subplot(132), plt.axis('off'), plt.title(r"$Rotation {}^o$".format(theta1))
plt.imshow(cv2.cvtColor(imgR1, cv2.COLOR_BGR2RGB))
plt.subplot(133), plt.axis('off'), plt.title(r"$Rotation {}^o$".format(theta2))
plt.imshow(cv2.cvtColor(imgR2, cv2.COLOR_BGR2RGB))
plt.show()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25

    在这里插入图片描述

    直角旋转

    直角旋转指的是旋转角度为 90，180，270度，这时无需再去写仿射变换矩阵。
    OpenCV提供了cv2.rotate(src, rotateCode) 这个函数可以快速实现该功能。

    cv2.rotate( src, rotateCode[, dst] ) → M

    参数说明：

    • src：变换操作的输入图像
    • rotateCode：枚举，指定旋转角度。
      • cv2.ROTATE_90_CLOCKWISE：顺时针旋转 90 度
      • cv2.ROTATE_180： 旋转 180 度
      • cv2.ROTATE_90_COUNTERCLOCKWISE：逆时针旋转 90 度
    • 返回值：dst，变换操作的输出图像，ndarray 多维数组

    示例程序：

    """
图像旋转(直角旋转)
"""
import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)

imgR90 = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)
imgR180 = cv2.rotate(img, cv2.ROTATE_180)
imgR270 = cv2.rotate(img, cv2.ROTATE_90_COUNTERCLOCKWISE)

plt.figure(figsize=(9, 7))
plt.subplot(221), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title(r"$Origin$")
plt.subplot(222), plt.imshow(cv2.cvtColor(imgR90, cv2.COLOR_BGR2RGB)), plt.title(r"$Rotation 90^{o}$")
plt.subplot(223), plt.imshow(cv2.cvtColor(imgR180, cv2.COLOR_BGR2RGB)), plt.title(r"$Rotation 180^{o}$")
plt.subplot(224), plt.imshow(cv2.cvtColor(imgR270, cv2.COLOR_BGR2RGB)), plt.title(r"$Rotation 270^{o}$")
plt.show()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19

    在这里插入图片描述

    翻转

    仿射变换矩阵：
    在这里插入图片描述
    OpenCV提供了cv2.flip函数，可以将图像沿水平方向、垂直方向、或水平/垂直方向同时进行翻转。

    cv2.flip(src, flipCode[, dst]) -> dst

    参数说明：

    • scr：变换操作的输入图像
    • flipCode：控制参数，整型（int），flipCode>0 水平翻转，flipCode=0 垂直翻转，flipCode<0 水平和垂直翻转
    • dst：变换操作的输出图像，可选项

    示例程序：

    """
图像翻转
"""
import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)

imgFlip1 = cv2.flip(img, 0)  # 垂直翻转
imgFlip2 = cv2.flip(img, 1)  # 水平翻转
imgFlip3 = cv2.flip(img, -1)  # 水平和垂直翻转

plt.figure(figsize=(9, 6))
plt.subplot(221), plt.axis('off'), plt.title("Original")
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))  # 原始图像
plt.subplot(222), plt.axis('off'), plt.title("Flipped Horizontally")
plt.imshow(cv2.cvtColor(imgFlip2, cv2.COLOR_BGR2RGB))  # 水平翻转
plt.subplot(223), plt.axis('off'), plt.title("Flipped Vertically")
plt.imshow(cv2.cvtColor(imgFlip1, cv2.COLOR_BGR2RGB))  # 垂直翻转
plt.subplot(224), plt.axis('off'), plt.title("Flipped Horizontally & Vertically")
plt.imshow(cv2.cvtColor(imgFlip3, cv2.COLOR_BGR2RGB))  # 水平垂直翻转
plt.show()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23

    在这里插入图片描述

    缩放

    OpenCV提供了cv2.resize函数，实现图像的缩放。

    cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) → dst

    参数说明：

    • scr：变换操作的输入图像
    • dsize： 输出图像的大小，二元元组 (width, height)
    • dst：变换操作的输出图像，可选项
    • fx, fy：x 轴、y 轴上的缩放比例，实型，可选项
    • interpolation：插值方法，整型，可选项
      • cv2.INTER_LINEAR：双线性插值（默认方法）
      • cv2.INTER_AREA：使用像素区域关系重采样，缩小图像时可以避免波纹出现
      • cv2.INTER_NEAREST：最近邻插值
      • cv2.INTER_CUBIC：4x4 像素邻域的双三次插值
      • cv2.INTER_LANCZOS4：8x8 像素邻域的Lanczos插值
    • 返回值：dst，变换操作的输出图像，ndarray 多维数组

    示例程序：

    """
图像缩放
"""
import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)

height, width = img.shape[:2]  # 图片的高度和宽度
imgZoom1 = cv2.resize(img, (int(0.75 * width), int(height)))
imgZoom2 = cv2.resize(img, None, fx=0.75, fy=1.0, interpolation=cv2.INTER_AREA)

plt.figure(figsize=(8, 6))
plt.subplot(121), plt.axis('off'), plt.title("Zoom: 0.75*W,1.0*H")
plt.imshow(cv2.cvtColor(imgZoom1, cv2.COLOR_BGR2RGB))
plt.subplot(122), plt.axis('off'), plt.title("Zoom: fx=0.75,fy=1.0")
plt.imshow(cv2.cvtColor(imgZoom2, cv2.COLOR_BGR2RGB))
plt.show()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19

    在这里插入图片描述

    错切

    错切指平面景物在投影平面上的非垂直投影，使图像中的图形在水平方向或垂直方向产生扭变。
    以水平错切为例，仿射矩阵为
    在这里插入图片描述
    示例程序：

    """
图像错切
"""
import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)
height, width = img.shape[:2]  # 图片的高度和宽度

MAS = np.float32([[1, 0.2, 0], [0, 1, 0]])  # 构造错切变换矩阵
imgShear = cv2.warpAffine(img, MAS, (width, height))

plt.figure(figsize=(9, 6))
plt.subplot(121), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title("imgOrigin")
plt.subplot(122), plt.imshow(cv2.cvtColor(imgShear, cv2.COLOR_BGR2RGB)), plt.title("imgShear")
plt.show()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17

    在这里插入图片描述

    投影变换

    投影变换也称透视变换，指的是建立两平面场之间的对应关系，即将图片投影到一个新的视平面。
    OpenCV提供了cv2.warpPerspective函数实现投影变换的操作。

    cv2.getPerspectiveTransform(src, dst[,solveMethod]) → MP
    cv2.warpPerspective(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst

    参数说明：

    • src：变换前图像四边形顶点坐标
    • dst：变换后图像四边形顶点坐标
    • solveMethod：矩阵分解方法，传递给 cv2.solve 求解变换矩阵 MP
      • cv2.DECOMP_LU：选择最优轴的高斯消去法，默认方法
      • cv2.DECOMP_SVD：奇异值分解（SVD）方法
      • cv2.DECOMP_EIG：特征值分解方法，src 必须对称
      • cv2.DECOMP_QR：QR（正交三角）分解
      • cv2.DECOMP_CHOLESKY：Cholesky LLT 分解
    • MP：透视变换矩阵，3行3列
    • dsize： 输出图像的大小，二元元组 (width, height)
    • dst：变换操作的输出图像，可选项
    • flags：插值方法，整型（int），可选项
      • cv2.INTER_LINEAR：线性插值，默认选项
      • cv2.INTER_NEAREST：最近邻插值
      • cv2.INTER_AREA：区域插值
      • cv2.INTER_CUBIC：三次样条插值
      • cv2.INTER_LANCZOS4：Lanczos 插值
    • borderMode：边界像素方法，整型（int），可选项，默认值为 cv2.BORDER_REFLECT
    • borderValue：边界填充模式，可选项，默认值为 0（黑色填充）
    • 返回值：dst，透视变换操作的输出图像，ndarray 多维数组

    示例程序：

    """
投影变换
"""
import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread("../img/img.jpg")  # 读取彩色图像(BGR)
h, w = img.shape[:2]  # 图片的高度和宽度

pointSrc = np.float32([[0, 0], [w - 1, 0], [0, h - 100], [w - 1, h - 100]])  # 原始图像中 4点坐标
pointDst = np.float32([[180, 50], [w - 180, 50], [0, h - 100], [w - 1, h - 100]])  # 变换图像中 4点坐标
MP = cv2.getPerspectiveTransform(pointSrc, pointDst)  # 计算投影变换矩阵 M
imgP = cv2.warpPerspective(img, MP, (512, 512))  # 用变换矩阵 M 进行投影变换

plt.figure(figsize=(9, 6))
plt.subplot(121), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title("Original")
plt.subplot(122), plt.imshow(cv2.cvtColor(imgP, cv2.COLOR_BGR2RGB)), plt.title("Projective")
plt.show()

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19

    在这里插入图片描述

  • 相关阅读:
    大数据架构设计模式主要考虑八方面问题
    Python 基于 TCP 传输协议的网络通信实现
    【笔记】神经网络中的注意力机制
    Linux帧缓冲注册OLED驱动
    软件过程与建模学习之：Quality Management
    求1~100000之间所有的“水仙花数”，并输出
    uwsgi配置Django（在树莓派系统linux）
    无限递归一定会栈溢出吗
    【Python】文本文件处理
    CPI教程-异步接口创建及使用
  • 原文地址：https://blog.csdn.net/qq1198768105/article/details/126348592