这篇文章主要为大家展示了“OpenCV中常用图像几何变换有哪些”,内容简而易懂,条理清晰,希望能够帮助大家解决疑惑,下面让小编带领大家一起研究并学习一下“OpenCV中常用图像几何变换有哪些”这篇文章吧。
本章程序运行需要导入下面三个库,并定义了一个显示图像的函数
所学函数
##放大、缩小 cv.resize(img,dsize,[interpolation]) ##平移变换 M = np.array([[...]], dtype=np.float32) cv.warpAffine(img, M, dsize) ##镜像变换 cv.flip(img, 1) # 垂直镜像 cv.flip(img, 0) # 水平镜像 cv.flit(img, -1) # 水平垂直同时进行 ##旋转变换 M = cv.getRotationMatrix2D(center, angle, scale) img_rotate = cv.rotate(img, cv.ROTATE_90_CLOCKWISE) ##透视变换 M = cv.getPerspectiveTransform(src, dst) img = cv.warpPerspective(img, M, dsize)
读入图像
img = cv.imread('pic/rabbit500x333.jpg') show(img)
显示
裁剪:数组选择方法(冒号)
#裁剪 rabbit = img[150:450:] #限定行数,列数和三通道 show(rabbit)
显示
放大和缩小:resize()函数
插值方法
程序实现
#放大缩小 #cv.resize(img,dsize,[interpolation]) dsize表示大小,[interpolation]是插值方法,可选,有默认值 img2 = cv.resize(img,(500,400)) #放大为宽500高400 #使用定义插值方法 #一般来说放大地话选择LINEAR方法,缩小选择AREA方法 img3 = cv.resize(img,(500,400),interpolation=cv.INTER_NEAREST) show(np.hstack([img2,img3]))
显示
原理、平移矩阵推导
读入图像
img = cv.imread('pic/rabbit500x333.jpg') show(img)
显示
程序实现
# M = np.array([[...]],dtype=np.float32) # cv.warAffine(img,M,dsize) cv里面图像仿射变换函数,M是上面矩阵,dsize是输出图像大小 M=np.array([ [1,0,100], [0,1,50] ],dtype=np.float32) #水平向右平移100个像素点,竖直向下平移50个像素点,原理见理论部分 img2 = cv.warpAffine(img,M,(333,500)) show(img2)
显示
原理、错切矩阵推导
读入图像
img = cv.imread('pic/rabbit500x333.jpg') show(img)
显示
水平错切
M = np.array([ [1,0.2,0], [0,1,0] ],dtype=np.float32) img3 = cv.warpAffine(img,M,(533,500)) show(img3)
显示
垂直错切
M = np.array([ [1,0,0], [0.3,1,0] ],dtype=np.float32) img3 = cv.warpAffine(img,M,(333,700)) show(img3)
显示
原理、镜像矩阵推导
读入图像
img = cv.imread('pic/rabbit500x333.jpg') show(img)
显示
水平镜像
Mx = np.array([ [-1,0,333], [0,1,0] ],dtype = np.float32) img2 = cv.warpAffine(img,Mx,(333,500)) #仿射变换函数 show(img2)
显示
垂直镜像
My = np.array([ [1,0,0], [0,-1,500] ],dtype=np.float32) img3 = cv.warpAffine(img,My,(333,500)) show(img3)
显示
opencv内置函数实现镜像变换
#垂直镜像 cv.flip(img,1)
#水平镜像 cv.flip(img,0)
#水平垂直同时进行 cv.flip(img,-1)
程序实现
img4 = cv.flip(img,1) #垂直镜像 img5 = cv.flip(img,0) #水平镜像 img6 = cv.flip(img,-1) #水平垂直镜像同时进行 show(np.hstack([img4,img5,img6]))
显示
原理、旋转矩阵推导
读入图像
img = cv.imread('pic/rabbit500x333.jpg') show(img)
显示
图像旋转
beta = np.pi/4 #旋转矩阵 M = np.array([ [np.cos(beta),np.sin(beta),0], [-np.sin(beta),np.cos(beta),0] ],dtype=np.float32) img2 = cv.warpAffine(img,M,(633,300)) show(img2)
显示
opencv内置获取旋转矩阵函数:
M = cv.getRotationMatrix2D(center,angle,scale)
center是旋转中心,angle是旋转角度,scale表示放大还是缩小
用上面函数获取旋转矩阵并实现图像旋转
h,w,c = img.shape #获取图像的高度和宽度,方便后面设置旋转中心 M2 = cv.getRotationMatrix2D((w//2,h//2),45,1) img3 = cv.warpAffine(img,M2,(533,500)) #仿射函数实现 show(img3
显示
opencv内置实现图像旋转函数
img_rotate =cv.rotate(img,cv.ROTATE_90_COUNTERCLOCKWISE)
只能进行90度倍数的旋转
程序实现
# 逆时针旋转90度 img_rotate = cv.rotate(img,cv.ROTATE_90_COUNTERCLOCKWISE) show(img_rotate)
显示
M = cv.getPerspectiveTransform(str,dst)
str:原始图像矩阵端点位置,dst:目标图像矩阵位置
img2 = cv.warpPerspective(img,M,(w,h))
读入图像
img = cv.imread('pic/parthenon500x750.jpg') show(img)
显示
程序实现
#在原图中定位四个点,这里找的是柱子前面四个点的大概位置,眼睛观察法找的 str = np.array([ [210,50], [610,270], [650,470], [150,450] ],dtype=np.float32) #目标图像中矩阵 dst = np.array([ [150,50], [650,50], [650,470], [150,470] ],dtype=np.float32) h,w,c = img.shape #透视变换将一个类似矩形的图形拉成一个矩形 M = cv.getPerspectiveTransform(str,dst) img2 = cv.warpPerspective(img,M,(w,h)) show(img2)
显示
应用:车道检测、图片矫正
原理:
最近邻插值图示:
双线性插值图示
读入图像
img = cv.imread('pic/rabbit50x33.jpg') show(img)
显示
程序实现
img1 = cv.resize(img,(330,500),interpolation=cv.INTER_NEAREST) #最近邻插值 img2 = cv.resize(img,(330,500),interpolation=cv.INTER_LINEAR_EXACT) #精确双线新插值 show(np.hstack([img1,img2]))
显示
可以看出最近邻插值还是比较模糊的,过渡结果没有双线性插值平滑
以上是“OpenCV中常用图像几何变换有哪些”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注亿速云行业资讯频道!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。