opencv进行图像的几何变换

1.cv.resize()改变图像大小

原始图像（opencv读取后会变为BGR图像）：

import cv2 as cv
img = cv.imread('1.JPG',0)

img = cv.resize(img,(256,256))  #改变大小到（256,256）

cv.imshow('img',img)
cv.imwrite('img.jpg',img)
cv.waitKey(0)

效果图：

2.cv .warpAffine（）进行图像变换

使用np创建平移矩阵$M$，而后将其传递给warpAffine()。
$M=\left[\begin{array}{ccc}1& 0& t_x\\ 0& 1& t_y\end{array}\right]$

import cv2 as cv
import numpy as np
img = cv.imread('1.JPG',0)
img = cv.resize(img,(256,256))

rows,cols = img.shape
M = np.float32([[1,0,50],[0,1,50]])   #转移矩阵
dst = cv.warpAffine(img,M,(cols,rows))      #参数：平移图片，转移矩阵，输出大小(width，height)

cv.imshow('img',dst)
cv.waitKey(0)
cv.destroyAllWindows()

3.cv .getRotationMatrix2D（）获得旋转矩阵

旋转矩阵：$M=\left[\begin{array}{cc}cos\theta & -sin\theta \\ sin\theta & cos\theta \end{array}\right]$，角度为$\theta$。

OpenCV提供了可缩放的旋转以及可调整的旋转中心,可以在任何位置旋转,修改后的变换矩阵为:
$$\left[\begin{array}{ccc}\alpha & \beta & (1-\alpha )\cdot center.x-\beta \cdot center.y\\ -\beta & \alpha & \beta \cdot center.x+(1-\alpha )\cdot center.y\end{array}\right]$$
其中：
$$\begin{array}{l}\alpha =scale\cdot \cos \theta ,\\ \beta =scale\cdot \sin \theta \end{array}$$

import cv2 as cv
img = cv.imread('1.JPG',0)
img = cv.resize(img,(256,256))
rows,cols = img.shape

# cols-1 和 rows-1 是坐标限制
M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)  #参数：center, angle, scale
dst = cv.warpAffine(img,M,(cols,rows))    # #参数：img：平移图片，M：变换矩阵，输出大小(width，height)

cv.imshow('img',dst)
cv.imwrite('img.jpg',dst)
cv.waitKey(0)
cv.destroyAllWindows()

cv .getAffineTransform()获得仿射变换矩阵

在仿射变换中，原始图像中的所有平行线在输出图像中仍将平行。

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
img = cv.imread('1.JPG')

rows,cols,ch = img.shape
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv.getAffineTransform(pts1,pts2)
dst = cv.warpAffine(img,M,(cols,rows))

plt.figure(12)
plt.subplot(121),plt.axis('off'),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.axis('off'),plt.imshow(dst,),plt.title('Output')
plt.savefig('img.jpg',)
plt.show()
cv.waitKey(0)

cv.getPerspectiveTransform()获得透视变换矩阵

对于透视变换，您需要3x3变换矩阵。即使在转换后，直线也将保持直线。要找到此变换矩阵，您需要在输入图像上有4个点，在输出图像上需要相应的点。在这四个点中，其中三个不应共线。然后可以通过函数cv.getPerspectiveTransform找到变换矩阵。然后将次矩阵送入cv .warpPerspective

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv
img = cv.imread('1.JPG')
rows,cols,ch = img.shape

pts1 = np.float32([[0,0],[300,0],[0,300],[300,300]])  #源图像中四边形顶点的坐标
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])   #目标图像中相应四边形顶点的坐标。
M = cv.getPerspectiveTransform(pts1,pts2)
dst = cv.warpPerspective(img,M,(300,300))

plt.figure(12)
plt.subplot(121),plt.axis('off'),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.axis('off'),plt.imshow(dst,),plt.title('Output')
plt.savefig('img.jpg',)
plt.show()
cv.waitKey(0)