位置: IT常识 - 正文

OpenCV图像几何变换专题(缩放、翻转、仿射变换及透视)【python-Open_CV系列(五)】(opencv几何变换)

编辑:rootadmin
OpenCV图像几何变换专题(缩放、翻转、仿射变换及透视)【python-Open_CV系列(五)】

推荐整理分享OpenCV图像几何变换专题(缩放、翻转、仿射变换及透视)【python-Open_CV系列(五)】(opencv几何变换),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:opencv图像类型转换,opencv图像缩小怎么实现,opencv 变形,opencv 图像,opencv几何图形识别,opencv几何图形识别,opencv图像几何变换,opencv几何图形识别,内容如对您有帮助,希望把文章链接给更多的朋友!

OpenCV图像几何变换专题(缩放、翻转、仿射变换及透视)(python为工具) 【Open_CV系列(五)】

文章目录准备图片1. 缩放 cv2.resize()方法2. 翻转 cv2.flip()方法3. 仿射变换 warpAffine()方法3.1 平移3.2 旋转3.3 倾斜4. 透视

ʚʕ̯•͡˔•̯᷅ʔɞ 🍹欢迎各路大佬来到小啾主页指点☀️欢迎大家前来学习OpenCV图像几何变换专题 - Open_CV系列博文第五篇,我是侯小啾。 本期blog可以作为日常复制的脚手架代码来运用。 ✨博客主页:云雀编程小窝 🌹꧔ꦿ 🌹꧔ꦿ博文内容如对您有所帮助,还请给个点赞 + 关注 + 收藏✨             

如有疑问欢迎随时在评论区交流。☀️

准备图片

选择一张shape为(500,500,3)的梵高的《星月夜》以便示例。            

1. 缩放 cv2.resize()方法

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

src 原图(的数组)dsize: 输出图像的大小 格式:(a,b)。 设定dsize后就无需再设置fx和fyfx 可选参数 水平方向缩放比fy 可选参数 垂直方向缩放比

fx和fy不同于dsize,fx和fy是各是一个比值,如设为2,则表示放大2倍,设为1/2则表示缩小到原来的12\displaystyle \frac{1}{2}21​。

import cv2img = cv2.imread("The_Starry_Night.jpg")dst1 = cv2.resize(img, (200, 200))dst2 = cv2.resize(img, (900, 900))cv2.imshow("img", img)cv2.imshow("dst1", dst1)cv2.imshow("dst2", dst2)cv2.waitKey()cv2.destroyAllWindows()

执行结果如图所示,相比原图,图像得到了指定大小的缩小与放大。

使用fx和fy参数,则需要手动把dsize设为None。

import cv2img = cv2.imread("The_Starry_Night.jpg") # 将宽缩小到原来的1/3、高缩小到原来的1/2dst3 = cv2.resize(img, None, fx=1 / 3, fy=1 / 2) # 将宽高扩大2倍dst4 = cv2.resize(img, None, fx=2, fy=2) cv2.imshow("img", img)cv2.imshow("dst3", dst3) cv2.imshow("dst4", dst4) cv2.waitKey() cv2.destroyAllWindows()

结果呈现:

2. 翻转 cv2.flip()方法

flip(src, flipCode, dst=None)

src 图像(数组)flipCode 翻转代码。可以是0,正数,负数。0表示沿X轴(水平方向的轴)翻转。1表示沿Y轴(竖直方向的轴)翻转。 负数表示同时沿X轴和Y轴翻转。

讲原图经过着三种翻转后,与原图拼在一块,呈现出了这种奇观:

import cv2img = cv2.imread("The_Starry_Night.jpg")dst1 = cv2.flip(img, 0)dst2 = cv2.flip(img, 1)dst3 = cv2.flip(img, -1)cv2.imshow("img", img)cv2.imshow("dst1", dst1)cv2.imshow("dst2", dst2)cv2.imshow("dst3", dst3)cv2.waitKey()cv2.destroyAllWindows()

将翻转结果放在同一张画布中

import cv2import numpy as npimg = cv2.imread("The_Starry_Night.jpg")dst1 = cv2.flip(img, 0)dst2 = cv2.flip(img, 1)dst3 = cv2.flip(img, -1)a, b, c = img.shapecanvas = np.ones((2 * a, 2 * b, c), np.uint8) * 255canvas[0:b, 0:a] = imgcanvas[b:2*b, 0:a] = dst1canvas[0:b, a:2*a] = dst2canvas[b:2*b, a:2*a] = dst3cv2.imshow("pic", canvas)cv2.waitKey()cv2.destroyAllWindows()# 保存图片# cv2.imwrite("final_pic", canvas)

结果呈现:

3. 仿射变换 warpAffine()方法

常见的仿射变换有平移,旋转和倾斜变换。 仿射变换使用cv2.warpAffine()方法完成

warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)

src 原图

M 是一个二行三列的矩阵,也称仿射矩阵。warpAffine方法根据此矩阵的值来变换像素的位置。 M = [[a, b, c], [d, e, f]],则像素的变换公式为: X = x × a + y × b + c Y = x × d + y × e + f 其中x,y指原像素的x、y轴坐标。X,Y指变换后的X,Y坐标。

OpenCV图像几何变换专题(缩放、翻转、仿射变换及透视)【python-Open_CV系列(五)】(opencv几何变换)

dsize 输出图像的尺寸。(不带放缩,增大的部分用黑色色素(0)填充)

这三个参数是常用的参数。其余参数建议使用默认值。 flags表示插入方式,borderMode是边界类型,borderValue表示边界值(默认0)。dst表示反射变换后输出的图像。

3.1 平移

以将《星月夜》向左平移50个像素,向下平移100个像素为例。 则M数组应写为[[1, 0, 50], [0, 1, 100]]:

import cv2import numpy as npimg = cv2.imread("The_Starry_Night.jpg")rows = len(img)cols = len(img[0])M = np.float32([[1, 0, 50], [0, 1, 100]]) dst = cv2.warpAffine(img, M, (cols, rows))cv2.imshow("img", img) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

如图所示,图像按照我们的预期成功被平移。 只是这样得到的图像有色素损失,我们丢失了超出画布之外的数据。 为了避免损失,可以取设置dsize参数来控制输出图像的大小。

修改后的代码如下:

import cv2import numpy as npimg = cv2.imread("The_Starry_Night.jpg")rows = len(img)cols = len(img[0])M = np.float32([[1, 0, 50], [0, 1, 100]])dst = cv2.warpAffine(img, M, (cols+200, rows+200))cv2.imshow("img", img)cv2.imshow("dst", dst)cv2.waitKey()cv2.destroyAllWindows()

优化后的程序执行效果:

3.2 旋转

旋转也是通过M矩阵来实现的,这个矩阵的运算较复杂, OpenCV提供了getRotationMatrix2D()方法来计算旋转操作的M矩阵

getRotationMatrix2D(center, angle, scale)

center 指旋转中心的坐标angle指旋转的角度scale值缩放的比例。(旋转过程支持缩放)import cv2img = cv2.imread("The_Starry_Night.jpg")rows = len(img) cols = len(img[0]) center = (rows / 2, cols / 2) M = cv2.getRotationMatrix2D(center, 30, 0.8) dst = cv2.warpAffine(img, M, (cols, rows)) cv2.imshow("img", img) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

旋转效果如图所示:

3.3 倾斜

OpenCV需要定位到图像的三个点的位置来计算倾斜效果,即左上角,右上角和左下角。 图像的倾斜也是根据M矩阵实现,得出矩阵的运算较复杂,通过getAffineTransform 方法实现。

语法

getAffineTransform(src, dst)

src是原图像的左上角,右上角和左下角三个点的坐标。三维数组格式,形如[[a, b], [c, d], [e, f]]。dst是倾斜后这三个点预期的坐标。格式同上。

要保持左上,右下,左下三个点的顺序不能乱。

以将《星月夜》保持左下角和右上角坐标不变,左上角((0,0)处)向右移动150个像素长度。 代码如下:

import cv2import numpy as npimg = cv2.imread("The_Starry_Night.jpg")rows = len(img)cols = len(img[0])p1 = np.array([[0, 0], [cols - 1, 0], [0, rows - 1]], dtype=np.float32)p2 = np.array([[150, 0], [cols - 1, 0], [0, rows - 1]], dtype=np.float32)M = cv2.getAffineTransform(p1, p2)dst = cv2.warpAffine(img, M, (cols, rows))cv2.imshow('img', img)cv2.imshow('dst', dst)cv2.waitKey()cv2.destroyAllWindows()

程序执行效果如下:

4. 透视

透视的实现使用的是warpPerspective()方法,而不再是用于平移、旋转、倾斜的warpAffine()方法。 使用warpPerspective()方法也需要通过M矩阵来计算透视效果,计算透视的M矩阵可以使用getPerspectiveTransform()方法。

getPerspectiveTransform(src, dst, solveMethod=None)

该方法常用的参数有两个,分别为原图的四个点的坐标(scr) 和 透视后四个点的坐标(dst)。Opcv需要通过定位图像的这四个点来计算透视效果。四个点依次为左上,右上,左下,右下。 坐标格式为二维数组格式,形如[[a, b],[c, d],[e, f],[g, h]]。

示例代码如下:

import cv2import numpy as npimg = cv2.imread("The_Starry_Night.jpg")rows = len(img)cols = len(img[0])# 原图的四点坐标p1 = np.zeros((4, 2), np.float32)p1[0] = [0, 0]p1[1] = [cols - 1, 0]p1[2] = [0, rows - 1]p1[3] = [cols - 1, rows - 1]# 透视后的四点坐标p2 = np.zeros((4, 2), np.float32)p2[0] = [150, 0]p2[1] = [cols - 150, 0]p2[2] = [0, rows - 1] # 不变p2[3] = [cols - 1, rows - 1] # 不变M = cv2.getPerspectiveTransform(p1, p2)dst = cv2.warpPerspective(img, M, (cols, rows))cv2.imshow('The_Starry_Night', img)cv2.imshow('The_Starry_Night2', dst)cv2.waitKey()cv2.destroyAllWindows()

展示原图和透视后的图像效果:

🌹꧔ꦿ本系列blog传送门:   ✨OpenCV图像处理基本操作 【Python-Open_CV系列(一)】   ✨OpenCV像素处理基本操作 【Python-Open_CV系列(二)】   ✨OpenCV之 BGR、GRAY、HSV色彩空间&色彩通道专题 【Python-Open_CV系列(三)】   ✨OpenCV绘制图像与文字(可作为脚手架代码)(python) 【Python-Open_CV系列(四)】   ✨OpenCV图像几何变换专题(缩放、翻转、仿射变换及透视)【python-Open_CV系列(五)】   ✨基于梵·高《向日葵》的 图像阈值处理专题(二值处理、反二值处理、截断处理、自适应处理及Otsu方法)【Python-Open_CV系列(六)】   ✨OpenCV基本功 之 图像的掩模、运算 & 合并专题 -小啾带学【Python-Open_CV系列(七)】   ✨《三英战吕布》 - 图像模板匹配 【Python-Open_CV系列(八)】   ✨OpenCV滤波器 龙门石窟篇【Python-Open_CV系列(九)】(均值滤波器、中值滤波器、高斯滤波器、双边滤波器)   ✨Open_CV形态学运算专题 (腐蚀&膨胀、开&闭运算、梯度运算、顶帽运算黑帽运算 )【Python-Open_CV系列(十)】   ✨霍夫变换看不懂?小啾带你串一遍:OpenCV图形检测专题 这样学最简单【Python-Open_CV系列(十一)】   ✨小啾带你开天眼 之 开启py-OpenCV摄像头及视频处理【Python-Open_CV系列(十二)】   ✨小啾带你开天眼 之 人脸检测与识别(以及华强、皇叔、高祖配墨镜特效)【Python-Open_CV系列(十三)】

本文链接地址:https://www.jiuchutong.com/zhishi/300614.html 转载请保留说明!

上一篇:VUE中watch的详细使用教程(vue watch)

下一篇:总结JS中常用的数组的方法大全(总结js中常用的字符)

  • 增值税税率变化时间节点
  • 利息收入交税税率
  • 收取商标权使用费分录
  • 企业所得税包含哪些税种
  • 国外酒店打印的住宿单可以入账吗
  • 税控盘和税控钥匙一样吗
  • 5月工资按多少天算
  • 电子发票的有效性在哪里查看
  • 增值税专票税种
  • 个体工商户五级税率
  • 同一张记账凭证可以出现多笔分录吗
  • 物业企业门禁卡如何记账?
  • 电子发票不小心删掉了怎么办
  • 公司罚款作为一种对过错方式的处罚
  • 增值税专票电话号码错了有关系吗
  • 进项税发票不认证可以吗
  • 装修公司在装修完后增加费用
  • 不同税额怎么抵扣
  • 小规模纳税人简易计税方法
  • 怎么知道是不是强制执行
  • 企业法人信息变更
  • 职工报销费用的处理流程
  • 出差伙食补贴没发
  • 股东以资产入股公司
  • 物流公司增项
  • 收取赔偿金开具什么发票
  • 供应商赠送的原材料怎么做分录
  • 公司购买房子涉及什么税
  • 进项税额转出会计处理
  • windows中的网络协议的配置原理
  • 注册会计师考试科目有哪些
  • window10最新20h2
  • PHP:xml_parser_get_option()的用法_XML解析器函数
  • 个人所得税专项扣除子女教育标准
  • 支付宝流量红包怎么取消
  • kali linux怎么修改用户名
  • 股东投资款验资后可以转出吗
  • 深入理解php内核
  • 固定资产置换存货的账务处理
  • 税法工资薪金总额
  • qr code在线生成二维码
  • 商品流通企业的经营过程分为
  • ajax不刷新页面
  • 基于Java+Springboot+vue在线版权登记管理系统设计实现
  • php怎么写数据库
  • 使用uni-app开发网站
  • vue使用计算属性声明在什么配置项中
  • 小型微利企业的认定标准
  • 未缴纳的出资款怎样清算
  • 为什么盈余公积减少,未分配利润增加
  • 解决PostgreSQL服务启动后占用100% CPU卡死的问题
  • 个人抬头的发票可以入账吗
  • 固定资产的认定标准2022
  • 什么情况下固定资产进项税不能抵扣
  • 企业所得税汇算清缴操作流程
  • 业务招待费能计入项目成本吗
  • 企业处置固定资产增值税税率
  • 押金为什么要一个月才退
  • 待摊费用会计处理
  • sql server中查看创建的数据库命令
  • sql server查询数据库大小
  • ubuntu x
  • openmpi编译
  • vtpwsr
  • 视频对比度饱和度亮度最佳值
  • mac桌面应用
  • .hpp是什么文件
  • w10 2021年更新
  • win10升级win1
  • centos安装命令yum
  • UNITY开发工程师
  • linux系统中rpm命令主要功能
  • jQuery webuploader分片上传大文件
  • jquery去重复数组
  • 小规模纳税人可以开增值税专用发票吗
  • 我的电脑为什么没有微软商店
  • 广西国税发票查询系统
  • 税务总局和各省税务机关
  • 跨省开税票
  • 什么是社保补缴的标准
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设