【OpenCV】3 图像基本处理(几何变换-- 平移、缩放、旋转，仿射变换+透视变换)

1 仿射变换cv2.warpAffine(src, M, dsize，flags，borderMode, borderValue)

1.1 函数cv2.warpAffine(src, M, dsize，flags，borderMode, borderValue)

• 说明：一般先构建变换矩阵，然后用仿射函数cv2.warpAffine()进行变换
• 函数：cv2.warpAffine(src, M, dsize，flags，borderMode, borderValue)
  其中：
  • src- 输入图像
  • M- 变换矩阵
  • dsize- 输出图像的大小
  • flags- 插值方法的组合（int 类型！）
  • borderMode- 边界像素模式（int 类型！）
  • borderValue- （重点！）边界填充值; 默认情况下为0，填充黑色
  • 上述参数中： M作为仿射变换矩阵，一般反映平移或旋转的关系，为InputArray类型
  • flags表示插值方式，默认为flags=cv2.INTER_LINEAR，表示线性插值，此外还有： 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）

1.2 图像平移

import cv2
import numpy as np
# 读入图像
img = cv2.imread('img2.png')
# （重点！！）构造移动矩阵H
H = np.float32([[1, 0, 50], [0, 1, 25]]) # 在x方向平移50距离，在y方向平移25距离
height, width = img.shape[:2]  # 获取行和列，即高、宽

# 注意这里width和height需要反置，即先宽后高
res = cv2.warpAffine(img, H, (width, height))  # 空白处默认用0填充
cv2.imshow('origin_pic', img)
cv2.imshow('new_pic', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.3 图像缩放cv2.resize(src,dsize=None,fx,fy,interpolation)

函数：cv2.resize(src,dsize=None,fx,fy,interpolation)

• src：原图
• dsize：输出尺寸，与比例因子二选一
• fx:：沿水平轴的比例因子
• fy：沿垂直轴的比例因子
• interpolation： 插值方法
• 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）

import cv2
import numpy as np
img = cv2.imread('img2.png')
# 方法一：设置缩放比例，来对图像进行放大或缩小
res1 = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
height, width = img.shape[:2]
# 方法二：直接设置图像的大小，不需要缩放因子
# 注意：resize输出高宽比例与原来一样，要先width, 后height
res2 = cv2.resize(img, (int(0.8*width), int(0.8*height)),interpolation=cv2.INTER_LANCZOS4)
cv2.imshow('origin_picture', img)
#|cv2.imshow('res1', res1)
cv2.imshow('res2', res2)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.4 图像旋转cv2.getRotationMatrix2D()

函数：cv2.getRotationMatrix2D(center, angle, scale)

• center： 图片旋转中心
• angle： 旋转角度
• scale： 缩放比例，0.5表示缩小一半，正为逆时针，负值为顺时针

import cv2
import numpy as np
img=cv2.imread('img2.png',1)
height, width=img.shape[:2]
#参数1：旋转中心，参数2：旋转角度，
#参数3：缩放因子，正为逆时针，负值为正时针
M=cv2.getRotationMatrix2D((width/2,height/2),45,1,)
#第三个参数是输出图像的尺寸中心
dst=cv2.warpAffine(img,M,(width, height))

cv2.imshow('origin_pic', img)
cv2.imshow('rotate', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.5 仿射变换cv2.getAffineTransform()

说明： 仿射变化需要一个M矩阵进行变换，但由于仿射变换比较复杂，一般直接找很难找到这个矩阵，因此cv2通过利用3个点前后变换的关系，使得图像完成平移、旋转、缩放、剪切、反射的变换。

函数：cv2.getAffineTransform(pos1, pos2)

• pos1： 变换前的位置
• pos2： 变换后的位置

import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
src = cv2.imread('bird.png')
#获取图像大小
height, width = src.shape[:2]
#设置图像仿射变换矩阵
pos1 = np.float32([[50,50], [200,50], [50,200]])
pos2 = np.float32([[10,100], [200,50], [100,250]])
M = cv2.getAffineTransform(pos1, pos2)
#图像仿射变换
result = cv2.warpAffine(src, M, (2*width, 2*height))
#显示图像
cv2.imshow("origin_pic", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

2 透视变换 cv2.getPerspectiveTransform(pos1,pos2)、cv2.warpPerspective(src, M, dsize)

本质：将图像投影到一个新的平面
函数：cv2.getPerspectiveTransform(pos1,pos2)

• pos1: 透视变换前的4点对应位置
• pos2: 透视变换后的4点对应位置

说明： 先使用cv2.getPerspectiveTransform(pos1, pos2)，再使用cv2.warpPerspective(src, M, dsize)，与cv2.warpAffine()相似。

import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
src = cv2.imread('bird.png')
#获取图像大小
height, width = src.shape[:2]
#设置图像透视变换矩阵
pos1 = np.float32([[114, 82], [287, 156],[8, 100], [143, 177]])
pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]])
M = cv2.getPerspectiveTransform(pos1, pos2)
#图像透视变换
result = cv2.warpPerspective(src, M, (2*width,2*height))
#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

如

2.1 使用示例：

#encoding:utf-8
import cv2
import numpy as np

#读取图片
src = cv2.imread('paper.png')

#获取图像大小
rows, cols = src.shape[:2]

#将源图像高斯模糊，去掉图像中一些噪声
img = cv2.GaussianBlur(src, (3,3), 0)
#进行灰度化处理
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#边缘检测（检测出图像的边缘信息）
edges = cv2.Canny(gray,50,250,apertureSize = 3)
cv2.imwrite("canny.jpg", edges)
cv2.imshow("canny", edges)
#通过霍夫变换得到A4纸边缘，用于检测直线
# lines 返回直线中的点
lines = cv2.HoughLinesP(edges, 1, np.pi/180,50,minLineLength=90,maxLineGap=10)
print(lines)  # lines.shape : (4,1,4)

#绘制边缘
for x1, y1, x2, y2 in lines[0]:
    cv2.line(gray, (x1,y1), (x2, y2), (0, 0, 255), 1)

# 透视变换，根据四个顶点设置图像透视变换矩阵
pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]])
pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]]) # 左上角 右上角 左下角 右下角
M = cv2.getPerspectiveTransform(pos1, pos2) # 四个点，因此用透视变换
print(M)
result = cv2.warpPerspective(src, M, (190, 272))

# 根据3点，图像仿射变换
# pos1 = np.float32([[114, 82], [287, 156], [8, 322]])
# pos2 = np.float32([[0, 0], [188, 0], [0, 262]])
# M = cv2.getAffineTransform(pos1,pos2)
# print(M)
# result = cv2.warpAffine(src, M, (2*cols, 2*rows))

#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)

cv2.imshow("gray", gray)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

3 插值方法

3.1 最近邻插值

缺点：容易出现锯齿状