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
l1t9 小时前
利用DeepSeek实现服务器客户端模式的DuckDB原型
服务器·c语言·数据库·人工智能·postgresql·协议·duckdb
寒月霜华10 小时前
机器学习-数据标注
人工智能·机器学习
paid槮11 小时前
机器视觉之图像处理篇
图像处理·opencv·计算机视觉
九章云极AladdinEdu11 小时前
超参数自动化调优指南:Optuna vs. Ray Tune 对比评测
运维·人工智能·深度学习·ai·自动化·gpu算力
人工智能训练师12 小时前
Ubuntu22.04如何安装新版本的Node.js和npm
linux·运维·前端·人工智能·ubuntu·npm·node.js
酷飞飞13 小时前
Python网络与多任务编程:TCP/UDP实战指南
网络·python·tcp/ip
cxr82814 小时前
SPARC方法论在Claude Code基于规则驱动开发中的应用
人工智能·驱动开发·claude·智能体
研梦非凡14 小时前
ICCV 2025|从粗到细:用于高效3D高斯溅射的可学习离散小波变换
人工智能·深度学习·学习·3d
数字化顾问14 小时前
Python:OpenCV 教程——从传统视觉到深度学习:YOLOv8 与 OpenCV DNN 模块协同实现工业缺陷检测
python
幂简集成14 小时前
Realtime API 语音代理端到端接入全流程教程(含 Demo,延迟 280ms)
人工智能·个人开发