OpenCV基础之几何变换

OpenCV基础之几何变换

图像几个变换一般包括：旋转、平移、缩放、仿射变换和透视变换。

---

旋转

围绕图像的某个点进行给定角度的旋转变换，旋转矩阵的表现形式：

OpenCV提供了根据旋转中心和角度生成旋转矩阵的方法：cv2.getRotationMatrix2D
但是该方法获得旋转矩阵与上述略有不同形式：

 rows,cols,channels= img.shape
 degree = 45 #逆时针旋转90度 
 R = cv2.getRotationMatrix2D((cols//2,rows//2),degree,1) #1 为缩放尺度
 dst = cv2.warpAffine(img, R, (cols, rows)) #进行变换

平移

平移就是图像中的像素沿着x方向和y方向移动，平移矩阵的形式：

   img = cv2.imread("images/2.jpg")
   T = np.float32([[1, 0, 1000],[0, 1, 500]])
   dst = cv2.warpAffine(img, T, (img.shape[1], img.shape[0]))

缩放

图像的缩放就是图像的尺寸的宽和高发生放大或者缩小,OpenCV常用的方法是 cv2.resize()

    img = cv2.imread("images/2.jpg")
    rows, cols, channels=img.shape
    dst = cv2.resize(img, (0.5 * cols, 0.5 * rows), interpolation=cv2.INTER_CUBIC)

仿射变换

就是表示两幅图之间的关系，放射变换是线性的，所以表现的特点就是直线 变换后还是直线，矩形变换后还是矩形。
也就是旋转、平移、缩放的组合。它的变换矩阵是2 X 3，所以给定3对点就可以计算出该矩阵。

img = cv2.imread('drawing.png')
rows,cols,ch = img.shape
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv2.getAffineTransform(pts1,pts2)
dst = cv2.warpAffine(img,M,(cols,rows))

透视变换

在放射变换的基础上，图像变形还包括z方向，相机成像模型就是属于透视投影，特点：平行线可能不再平行，矩形变换后可能梯形等，它的变换矩阵是3 X 3 ，至少需要4对点。

img = cv2.imread('sudokusmall.png')
rows,cols,ch = img.shape

pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])

M = cv2.getPerspectiveTransform(pts1,pts2)

dst = cv2.warpPerspective(img,M,(300,300))

实例（图像任意角度旋转）

通过输入图片显示任意角度
思路：
1. 获得旋转矩阵
2. 计算转换后的图像尺寸
代码：

@img 图像
@degree 角度
def rotateImage(img,degree):
    rows,cols,channels= img.shape
    R = cv2.getRotationMatrix2D((cols//2,rows//2),degree,1)
    # 计算图像的尺寸
    corners = [[0, 0, 1], [rows, cols, 1], [0, cols, 1], [rows, 0, 1]]
    tmp = np.array(corners).transpose()
    ret=np.dot(R, tmp)
    width = max(math.ceil(abs(ret[1][0]-ret[1][1])),math.ceil(abs(ret[1][2]-ret[1][3])))
    height = max(math.ceil(abs(ret[0][0]-ret[0][1])),math.ceil(abs(ret[0][2]-ret[0][3])))
    # 平移
    T = np.zeros((2,3))
    T[0][2] =width//2 - cols//2
    T[1][2] =height//2 - rows//2

    print("Height:{},Width:{}".format(height,width))
    #for corner in corner:
    dst = cv2.warpAffine(img, R+T, (width, height))
    return dst