opencv—常用函数学习_“干货“_10

目录

二七、离散余弦变换

[执行离散余弦变换 (dct) 和逆变换 (idct)](#执行离散余弦变换 (dct) 和逆变换 (idct))

解释

实际应用

JPEG压缩示例(简化版)

二八、图像几何变换

仿射变换 (warpAffine 和 getAffineTransform)

透视变换 (warpPerspective 和 getPerspectiveTransform)

旋转变换 (getRotationMatrix2D)

极坐标变换 (warpPolar 和 linearPolar)

http://t.csdnimg.cn/i8pqt ------ opencv---常用函数学习_"干货"_总(VIP)

散的正在一部分一部分发,不需要VIP。

资料整理不易,有用话给个赞和收藏吧。


二七、离散余弦变换

在OpenCV中,离散余弦变换(DCT)和其逆变换(IDCT)是常用于图像压缩和处理的技术。DCT将图像数据从时域转换到频域,而IDCT则是将数据从频域转换回时域。OpenCV提供了两个主要函数:dctidct

|----------|-----------|
| 离散余弦变换函数 ||
| dct | idct |
| 执行离散余弦变换 | 执行离散余弦逆变换 |

执行离散余弦变换 (dct) 和逆变换 (idct)
复制代码
import cv2
import numpy as np

# 读取图像并转换为灰度图
image = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)

# 将图像转换为浮点型
image_float = np.float32(image) / 255.0

# 执行离散余弦变换
dct_image = cv2.dct(image_float)

# 显示DCT变换后的图像
cv2.imshow('DCT Image', dct_image)
cv2.waitKey(0)

# 执行离散余弦逆变换
idct_image = cv2.idct(dct_image)

# 将结果转换回0-255范围的图像
idct_image = np.uint8(idct_image * 255)

# 显示逆变换后的图像
cv2.imshow('IDCT Image', idct_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

解释

  • dct函数:对输入图像进行离散余弦变换。该函数将图像数据从时域转换到频域,通常用于压缩算法,如JPEG压缩。
  • idct函数:对频域数据进行逆变换,恢复到时域。

实际应用

离散余弦变换在图像压缩中有广泛的应用。例如,在JPEG压缩中,图像被分割成8x8的块,并对每个块执行DCT变换,然后进行量化处理。

JPEG压缩示例(简化版)
复制代码
# 读取图像并转换为灰度图
image = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)
h, w = image.shape

# 将图像转换为浮点型
image_float = np.float32(image) / 255.0

# 分块处理(8x8)
block_size = 8
dct_blocks = np.zeros_like(image_float)

# 执行DCT变换
for i in range(0, h, block_size):
    for j in range(0, w, block_size):
        block = image_float[i:i+block_size, j:j+block_size]
        dct_block = cv2.dct(block)
        dct_blocks[i:i+block_size, j:j+block_size] = dct_block

# 显示DCT变换后的图像
cv2.imshow('DCT Blocks', dct_blocks)
cv2.waitKey(0)

# 执行逆DCT变换
idct_blocks = np.zeros_like(dct_blocks)
for i in range(0, h, block_size):
    for j in range(0, w, block_size):
        block = dct_blocks[i:i+block_size, j:j+block_size]
        idct_block = cv2.idct(block)
        idct_blocks[i:i+block_size, j:j+block_size] = idct_block

# 将结果转换回0-255范围的图像
idct_image = np.uint8(idct_blocks * 255)

# 显示逆变换后的图像
cv2.imshow('IDCT Blocks', idct_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

通过这些示例,可以看到如何使用OpenCV中的DCT和IDCT函数来进行离散余弦变换及其逆变换。根据具体的应用需求,可以灵活运用这些函数来实现复杂的图像处理和压缩任务。

二八、图像几何变换

在OpenCV中,几何变换是图像处理中的基本操作,包括旋转、缩放、平移、透视变换等。下面介绍一些常用的几何变换函数及其使用示例。

|-----------------------|-------------------------|-----------------|---------------------|------------|
| 图像几何变换函数 |||||
| logPolar | warpPolar | linearPolar | getAffineTransform | warpAffine |
| 对图像进行对数极坐标变换 | 对图像进行极坐标变换 | 对图像进行线性极坐标变换 | 计算仿射变换矩阵 | 对图像进行仿射变换 |
| invertAffineTransform | getPerspectiveTransform | warpPerspective | getRotationMatrix2D | |
| 计算仿射变换矩阵的逆矩阵 | 计算透视变换矩阵 | 对图像进行透视变换 | 计算二维旋转矩阵 | |

仿射变换 (warpAffinegetAffineTransform)
复制代码
import cv2
import numpy as np

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 获取图像尺寸
rows, cols, ch = image.shape

# 定义三个点及其对应变换后的点
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])

# 计算仿射变换矩阵
M = cv2.getAffineTransform(pts1, pts2)

# 对图像进行仿射变换
dst = cv2.warpAffine(image, M, (cols, rows))

cv2.imshow('Affine Transform', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
透视变换 (warpPerspectivegetPerspectiveTransform)
复制代码
# 定义四个点及其对应变换后的点
pts1 = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])
pts2 = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]])

# 计算透视变换矩阵
M = cv2.getPerspectiveTransform(pts1, pts2)

# 对图像进行透视变换
dst = cv2.warpPerspective(image, M, (300, 300))

cv2.imshow('Perspective Transform', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
旋转变换 (getRotationMatrix2D)
复制代码
# 定义旋转中心、角度和缩放因子
center = (cols // 2, rows // 2)
angle = 45
scale = 1.0

# 计算旋转矩阵
M = cv2.getRotationMatrix2D(center, angle, scale)

# 对图像进行旋转变换
rotated = cv2.warpAffine(image, M, (cols, rows))

cv2.imshow('Rotated Image', rotated)
cv2.waitKey(0)
cv2.destroyAllWindows()
极坐标变换 (warpPolarlinearPolar)
复制代码
# 极坐标变换
polar_image = cv2.warpPolar(image, (cols, rows), (cols//2, rows//2), max(cols, rows) // 2, cv2.WARP_FILL_OUTLIERS)

# 对数极坐标变换
log_polar_image = cv2.logPolar(image, (cols//2, rows//2), 40, cv2.WARP_FILL_OUTLIERS)

cv2.imshow('Polar Transform', polar_image)
cv2.imshow('Log Polar Transform', log_polar_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这些示例展示了如何使用OpenCV中的几何变换函数来处理图像。根据具体的应用需求,可以灵活运用这些函数来实现复杂的图像处理任务。

相关推荐
wb043072013 小时前
性能优化实战:基于方法执行监控与AI调用链分析
java·人工智能·spring boot·语言模型·性能优化
AAA小肥杨3 小时前
基于k8s的Python的分布式深度学习训练平台搭建简单实践
人工智能·分布式·python·ai·kubernetes·gpu
MicroTech20253 小时前
微算法科技(MLGO)研发突破性低复杂度CFG算法,成功缓解边缘分裂学习中的掉队者问题
科技·学习·算法
mit6.8245 小时前
[Agent可视化] 配置系统 | 实现AI模型切换 | 热重载机制 | fsnotify库(go)
开发语言·人工智能·golang
future14126 小时前
MCU硬件学习
单片机·嵌入式硬件·学习
Percent_bigdata6 小时前
百分点科技发布中国首个AI原生GEO产品Generforce,助力品牌决胜AI搜索新时代
人工智能·科技·ai-native
Gloria_niki6 小时前
YOLOv4 学习总结
人工智能·计算机视觉·目标跟踪
好奇龙猫6 小时前
日语学习-日语知识点小记-构建基础-JLPT-N3阶段-二阶段(4):文法運用
学习
FriendshipT6 小时前
目标检测:使用自己的数据集微调DEIMv2进行物体检测
人工智能·pytorch·python·目标检测·计算机视觉
mtactor6 小时前
投资理财学习笔记
笔记·学习·金融