第十三节，OPenCV学习（二）图像的简单几何变换

 

 

图像的简单几何变换

几何变换不改变图像的像素值，只是在图像平面上进行像素的重新安排

适当的几何变换可以最大程度地消除由于成像角度、透视关系乃至镜头自身原因所造成的几何失真所产生的的负面影响。

一、图像的平移

在平移之前，需要构造一个平移矩阵，并将其传给仿射函数cv2.warpAffine()

import cv2
import numpy as np

img = cv2.imread('dog.jpg')
# 构造平移矩阵H
H = np.float32([[1,0,50],[0,1,25]])
rows, cols = img.shape[:2]
print(img.shape)
print(rows,cols)
res = cv2.warpAffine(img,H,(cols,rows))
cv2.imshow('origin_img',img)
cv2.imshow('new_img',res)
cv2.waitKey(0)
cv2.destroyAllWindows()

二、图像的放大和缩小

图像的放大和缩小有一个专门的函数，cv2.resize()，需要设置缩放的比例，一种办法是设置缩放因子，另一种办法是直接设置图像的大小，在缩放以后，图像必然会发生变化，涉及图像的插值问题。

缩放有几种不同的插值（interpolation）方法，在缩小时推荐使用cv2.INTER_AREA，扩大时推荐使用cv2.INTER_CUBIC和cv2.INTER_LINEAR。

import cv2
import numpy as np
img = cv2.imread('dog.jpg')
# 一是通过设置图像缩放比例，即缩放因子
res1 = cv2.resize(img,None,fx=2,fy=2,interpolation=cv2.INTER_LINEAR)
height,width = img.shape[:2]
# 而是直接设置图像的大小
res2 = cv2.resize(img,(int(0.8*width),int(0.8*height)),interpolation=cv2.INTER_AREA)
cv2.imshow('origin',img)
cv2.imshow('res1',res1)
cv2.imshow('res2',res2)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、图像的旋转

 对于图像的旋转，需要构造旋转矩阵，一般图像的旋转矩阵是在原点处进行的：

OpenCV采用了另一种方式：

cv2.getRotationMarix2D( )函数需要三个参数：旋转中心、旋转角度、旋转后图像的缩放比例：

import cv2
import numpy as np

img = cv2.imread('dog.jpg')
rows, cols = img.shape[:2]
# 第一个参数是旋转中心，第二个参数是旋转角度，第三个参数是缩放比例
M1 = cv2.getRotationMatrix2D((cols/2, rows/2), 45, 0.5)
M2 = cv2.getRotationMatrix2D((cols/2, rows/2), 45, 2)
M3 = cv2.getRotationMatrix2D((cols/2, rows/2), 45, 1)
res1 = cv2.warpAffine(img, M1, (cols, rows))
res2 = cv2.warpAffine(img, M2, (cols, rows))
res3 = cv2.warpAffine(img, M3, (cols, rows))
cv2.imshow('res1', res1)
cv2.imshow('res2', res2)
cv2.imshow('res3', res3)
cv2.waitKey(0)
cv2.destroyAllWindows()

四、图像的仿射

 仿射变换是指在向量空间中进行一次线性变换（乘以一个矩阵）并加上一个平移，变换为另一个向量空间的过程。

仿射变化也是需要一个M矩阵就可以，但是由于仿射变换比较复杂，很难找到这个矩阵，opencv提供了根据变换前后三个点的对应关系来自动求解M， 这个函数是cv2.getAffineTransoform(pts1, pts2)事实上，仿射变换代表的是两幅图之间的关系，我们通常使用2x3矩阵来表示仿射变换如下:

import cv2
import numpy as np
img = cv2.imread('dog.jpg')
rows, cols = img.shape[:2]
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])
# 构造矩阵
M = cv2.getAffineTransform(pts1, pts2)
res = cv2.warpAffine(img, M, (cols, rows))
cv2.imshow('origin', img)
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows() 

五、图像的透射

仿射变换（affinetransform）与透视变换(prespectivetransform)在图像还原、图像局部变化处理方面有重要意义。

import cv2
import numpy as np

img = cv2.imread('dog.jpg')

rows, cols = img.shape[:2]

pts1 = np.float32([[56, 65], [238, 52], [28, 237], [239, 240]])

pts2 = np.float32([[0, 0], [200, 0], [0, 200], [200, 200]])

M = cv2.getPerspectiveTransform(pts1, pts2)

res = cv2.warpPerspective(img, M, (cols, rows))

cv2.imshow('yuantu', img)

cv2.imshow('res', res)

cv2.waitKey(0)

cv2.destroyAllWindows()