opencv006图像处理之仿射变换(旋转,缩放,平移)

空间变换中的仿射变换对应着五种变换,平移,缩放,旋转,翻转,错切。而这五种变化由原图像转变到变换图像的过程,可以用仿射变换矩阵进行描述。而这个变换过程可以用一个2*3的矩阵与原图进行相乘得到。关键就是这个矩阵M:

仿射变换的函数:

平移,旋转

python 复制代码
cv2.warpAffine(scr, M, dsize, flags, mode, value)

透视

python 复制代码
 cv2.warpPerspective(img1, M, desize......)
  • M: 变换矩阵
  • desize: 输出图片大小
  • flags:与resize中的插值算法一致
  • mode:边界外推法标志(有默认值)
  • value:填充边界值(有默认值)

平移

读入的是二维的图像,所以就不用写最后一行了


向右平移200 (向左就是负数,其他同理)

变换矩阵,最少是float32

M = np.float32(\[1, 0, 200, 0, 1, 0])

向下平移200

变换矩阵,最少是float32

M = np.float32(\[1, 0, 0, 0, 1, 200])

向右下平移

变换矩阵,最少是float32

M = np.float32(\[1, 0, 200, 0, 1, 200])

这个是向右平移的代码:

python 复制代码
import cv2
import numpy as np
img1 = cv2.imread("F:\est01\e1.jpg")
h, w, ch = img1.shape
# 变换矩阵,最少是float32
M = np.float32([[1, 0, 200], [0, 1, 0]])
# 平移操作
# 注意opencv中先宽后高
new_img1 = cv2.warpAffine(img1, M, dsize=(w, h))
cv2.imshow('img1', img1)
cv2.imshow('new_img1', new_img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

旋转

可以用opencv获取变换矩阵

在进行旋转操作时,不方便手动 计算变换矩阵,opencv中提供了获取变换矩阵的api

方法1:

使用cv2.getRotationMatrix2D

python 复制代码
M = cv2.getRotationMatrix2D(center, angle, 缩放比例)
python 复制代码
import cv2
import numpy as np
img1 = cv2.imread("F:\est01\e1.jpg")
h, w, ch = img1.shape
# 获取变换矩阵
M = cv2.getRotationMatrix2D((100, 100), 30, 1)
new_img1 = cv2.warpAffine(img1, M, (w, h))
cv2.imshow('img1', img1)
cv2.imshow('new_img1', new_img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

另一种方法:

使用cv2.getAffineTransform(src, dst)

python 复制代码
M = cv2.getAffineTransform(src, dst)

可以通过三个点来确定变换后的位置,相当于解方程,三个点对应三个方程,解出偏移的参数,旋转的角度

python 复制代码
src = np.float32([[200, 100], [300, 100], [200, 300]])
dst = np.float32([[100, 150], [360, 200], [280, 120]])
M = cv2.getAffineTransform(src, dst)
new_img1 = cv2.warpAffine(img1, M, (w, h))

三个点是随便写的,所以有些许奇怪 哈哈哈

效果像把图片向某个方向拉

透视

将一种坐标系变成另一种坐标系,可以把倾斜的图片变正

函数:

python 复制代码
cv2.warpPerspective(img,M,desize.......)

对于透视变换来说,M是一个3*3的矩阵

cv2.getPerspectiveTransform(src,dst)获取透视变换矩阵,需要4个点,即图片的四个角

python 复制代码
src = np.float32([[50, 50], [630, 0], [0, 640], [630, 630]])
dst = np.float32([[0, 0], [640, 0], [0, 640], [640, 640]])
M = cv2.getPerspectiveTransform(src, dst)
new_img1 = cv2.warpPerspective(img1, M, (640, 640))
相关推荐
GEOshijie1234 小时前
GEO服务商算法适配承诺怎么验收?48小时响应的合同化考核方案
人工智能·python
wordbaby4 小时前
大模型 API 核心概念笔记
人工智能
卷无止境4 小时前
FastAPI 前端托管全攻略:从静态文件到大型全栈项目架构
后端·python
hrrrrxeeeee4 小时前
业务岗简历 AI 加分指南:CAIE、国考证书搭配量化案例写法
人工智能
yingyuecom4 小时前
Hi,导演:AI视频创作正在从“模型调用”走向“生产工作流”
大数据·人工智能
雨晨源码(同名B站)4 小时前
基于深度学习YoloV11农业病害虫害检测系统 智慧农业信息化综合管理平台 (附源码+lw文档+ppt)
数据库·人工智能·深度学习·yolo·信息可视化
QQ5416451215 小时前
【驿帮查件助手python开源】开源聚合查件机器人,实现 24 类驿站批量查件取代短信通知。技术方案分享
python·机器人·开源·驿站查件机器人
weixin_446260855 小时前
列表式交叉编码器微调 vs 智能体指令优化大模型重排器:医保医疗流程重排序系统性研究
人工智能
卷无止境5 小时前
当FastAPI项目开始"膨胀",代码该往哪儿放
后端·python
用户8356290780515 小时前
Python设置PowerPoint幻灯片背景的方法
后端·python