OpenCV图像的剪切和移位(python)

一、图像的剪切

获取剪切范围内的像素矩阵，如：
$$\begin{gathered} 假设：以图片左顶点为原点，向右为x轴，向下为y轴 \\ img[0:250,200:450]获取点(200,0)为剪切图片的左顶点250\times 250的像素矩阵 \end{gathered}$$

import cv2
img = cv2.imread('image.jpg', 1)
cv2.imshow('img', img)
imgInfo = img.shape
dst = img[0:250,200:450] # 剪切
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

二、图像的移位

1. API 调用实现

import numpy as np
import cv2
img = cv2.imread('image.jpg', 1)
cv2.imshow('img', img)
imgInfo = img.shape
height = imgInfo[0] # 获取高
width = imgInfo[1] # 获取宽
matShift = np.float32([[1,0,50],[0,1,80]]) # 2×3矩阵
# 参数: 1 图片 2 移位矩阵matShift 3 尺寸info
dst = cv2.warpAffine(img, matShift, (width, height))
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

实现原理：
$$\begin{gathered} 将[[1,0,50],[0,1,80]]拆分为2\times 2和2\times 1的矩阵 \\ [[1,0],[0,1]]2\times 2设为A \\ [[50],[80]]2\times 1设为B \\ [[x],[y]]2\times 1设为C \\ A\ast C+B=[[1\times x+0\times y],[0\times x+1\times y]]+[[50],[80]]=[[x+50],[y+80]] \\ 即，在x轴上向右移动50px，在y轴上向下移动80px \end{gathered}$$
移位结果：

根据上述的原理，同样也可以实现图片的缩放 (类似于最近临域插值法)：
$$\begin{gathered} 假设A为:[[0.5,0],[0,0.5]],设B为:0,设C为：[[x],[y]] \\ A\ast C+B=[[0.5x],[0.5y]] \end{gathered}$$

import cv2
import numpy as np
img = cv2.imread('image.jpg', 1)
cv2.imshow('img', img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
matShift = np.float32([[0.5,0,0], [0,0.5,0]]) # 缩放比为0.5
dst = cv2.warpAffine(img, matShift, (round(width*0.5), round(height*0.5)))
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

2. 直接通过循环实现像素位置的变换

import cv2
import numpy as np
img = cv2.imread('image.jpg', 1)
cv2.imshow('img', img)
imgInfo = img.shape
height = imgInfo[0] # 获取高
width = imgInfo[1] # 获取宽
h = 60 #在高方向上移动的像素
w = 100 # 在宽方向上移动的像素
dst = np.zeros((height, width,3), np.uint8) # 创建一个画板
for i in range(height-h):
    for j in range(width-w):
        dst[i+h][j+w] = img[i][j]
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

图片向下移动了60px，向右移动了100px，结果如下：