Python3+OpenCV2實現影象的幾何變換

Python OpenCV · 發表 2019-05-12 21:58:26

摘要：幾何變換可以看成影象中物體（或畫素）空間位置改變，或者說是畫素的移動。幾何運算需要空間變換和灰度級差值兩個步驟的演算法，畫素通過變換對映到新的座標位置，新的位置可能是在幾個畫素之間，即不一定為整數座標。這時就需要灰度級差值將對映的新座標匹配到輸出畫素之間。最簡單的插值方法是最近鄰插值，就...

幾何變換可以看成影象中物體（或畫素）空間位置改變，或者說是畫素的移動。

幾何運算需要空間變換和灰度級差值兩個步驟的演算法，畫素通過變換對映到新的座標位置，新的位置可能是在幾個畫素之間，即不一定為整數座標。這時就需要灰度級差值將對映的新座標匹配到輸出畫素之間。最簡單的插值方法是最近鄰插值，就是令輸出畫素的灰度值等於對映最近的位置畫素，該方法可能會產生鋸齒。這種方法也叫零階插值，相應比較複雜的還有一階和高階插值。

插值演算法感覺只要瞭解就可以了，影象處理中比較需要理解的還是空間變換。

總結一下最近看的關於OpenCV影象幾何變換的一些筆記。

這是原圖:

原圖

1、平移

import cv2
import numpy as np

img = cv2.imread("linuxidc.com.jpg", 1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
mode = imgInfo[2]

dst = np.zeros(imgInfo, np.uint8)

for i in range( height ):
for j in range( width - 100 ):
dst[i, j + 100] = img[i, j]

cv2.imshow('linuxidc.com', dst)
cv2.waitKey(0)

示例很簡單，就是將影象向右平移了100個畫素，如圖：

2、映象

import cv2
import numpy as np

img = cv2.imread('linuxidc.com.jpg', 1)
cv2.imshow('src', img)
imgInfo = img.shape
height= imgInfo[0]
width = imgInfo[1]
deep = imgInfo[2]

dst = np.zeros([height*2, width, deep], np.uint8)

for i in range( height ):
for j in range( width ):
dst[i,j] = img[i,j]
dst[height*2-i-1,j] = img[i,j]

for i in range(width):
dst[height, i] = (0, 0, 255)
cv2.imshow('www.linuxidc.com', dst)
cv2.waitKey(0)

生成一個如下效果圖：

3、縮放

import cv2
img = cv2.imread("linuxidc.com.jpg", 1)
imgInfo = img.shape
print( imgInfo )
height = imgInfo[0]
width = imgInfo[1]
mode = imgInfo[2]

# 1 放大 縮小 2 等比例 非等比例
dstHeight = int(height * 0.5)
dstWeight = int(width * 0.5)

# 最近鄰域插值 雙線性插值 畫素關係重取樣 立方插值
dst = cv2.resize(img, (dstWeight,dstHeight))
print(dst.shape)
cv2.imshow('www.linuxidc.com', dst)
cv2.waitKey(0)

使用resize直接進行縮放操作，同時還可以使用鄰域插值法進行縮放，程式碼如下:

# 1info 2 空白模板 3 重新計算x, y
import cv2
import numpy as np
img = cv2.imread('linuxidc.com.jpg', 1)
imgInfo = img.shape # 先高度,後寬度
height = imgInfo[0]
width = imgInfo[1]
dstHeight = int(height/2)
dstWidth = int(width/2)

dstImage = np.zeros([dstHeight, dstWidth, 3], np.uint8)
for i in range( dstHeight ):
for j in range(dstWidth):
iNew = i * ( height * 1.0 / dstHeight )
jNew = j * ( width * 1.0 / dstWidth )

dstImage[i,j] = img[int(iNew),int(jNew)]

cv2.imshow('linuxidc.com', dstImage)
cv2.waitKey(0)

示例效果圖如下：

4、旋轉

import cv2

img = cv2.imread('linuxidc.com.jpg', 1)
cv2.imshow('src', img)
imgInfo = img.shape
height= imgInfo[0]
width = imgInfo[1]
deep = imgInfo[2]

# 定義一個旋轉矩陣
matRotate = cv2.getRotationMatrix2D((height*0.5, width*0.5), 45, 0.7) # mat rotate 1 center 2 angle 3 縮放係數

dst = cv2.warpAffine(img, matRotate, (height, width))

cv2.imshow('www.linuxidc.com',dst)
cv2.waitKey(0)

旋轉需要先定義一個旋轉矩陣,cv2.getRotationMatrix2D(),引數1:需要旋轉的中心點.引數2:需要旋轉的角度.引數三:需要縮放的比例。效果如下圖:

5、仿射

import cv2
import numpy as np

img = cv2.imread('linuxidc.com.jpg', 1)
cv2.imshow('src', img)
imgInfo = img.shape
height= imgInfo[0]
width = imgInfo[1]
deep = imgInfo[2]
# src 3 -> dst 3 (左上角, 左下角,右上角)
matSrc = np.float32([[0,0],[0,height-1],[width-1, 0]]) # 需要注意的是 行列 和 座標 是不一致的
matDst = np.float32([[50,50],[100, height-50],[width-200,100]])

matAffine = cv2.getAffineTransform(matSrc,matDst) #mat 1 src 2 dst 形成組合矩陣
dst = cv2.warpAffine(img, matAffine,(height, width))
cv2.imshow('www.linuxidc.com',dst)
cv2.waitKey(0)

需要確定影象矩陣的三個點座標,及(左上角, 左下角,右上角).定義兩個矩陣,matSrc 為原圖的三個點座標,matDst為進行仿射的三個點座標,通過cv2.getAffineTransform()形成組合矩陣.效果如下: