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
临床数据科学和人工智能兴趣组1 分钟前
399元现在超值!学R语言,订阅我们专栏就够了,包括了所有的内容,不断更新!
人工智能·数据挖掘·r语言·r语言-4.2.1·临床研究
sjh7524229692 分钟前
Deepseek Harness的四种模式
人工智能
一比七品牌咨询2 分钟前
科技企业品牌定位:如何把技术优势转化为品牌优势?
大数据·人工智能·品牌策划·品牌全案策划·深圳品牌策划公司·品牌定位
东莞市云毅网络有限公司3 分钟前
用 SQLite FTS5 给企业知识库做问答检索原型:中文二元切分与 BM25 排序
python·sqlite·自动化运维·geo·数据监测
一木 之林3 分钟前
深度学习-计算优化与分布式训练-111-128
人工智能·深度学习
BingoGo6 分钟前
一个ChatGPT 超级省额度方案!用 TaskQuay 连接网页 ChatGPT 和本地 Codex
人工智能·后端
承渊政道6 分钟前
PR-Agent鸿蒙PC适配全记录:从Python服务端代理到ArkTS原生评审客户端
python·华为·代理模式·agent·harmonyos·pc端
万象新讯7 分钟前
自筹资金、加速器孵化和获得融资的创业公司,可以分别申请哪些AWS扶持政策?
人工智能
Thomas.Sir7 分钟前
第49课:TensorFlow|项目性能调优全方案【训练提速、推理提速、资源占用优化】
人工智能·python·tensorflow