OpenCV 图形API(80)图像与通道拼接函数-----仿射变换函数warpAffine()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

对图像应用仿射变换。

函数 warpAffine 使用指定的矩阵对源图像进行变换:
dst ( x , y ) = src ( M 11 x + M 12 y + M 13 , M 21 x + M 22 y + M 23 ) \texttt{dst} (x,y) = \texttt{src} ( \texttt{M} _{11} x + \texttt{M} _{12} y + \texttt{M} _{13}, \texttt{M} _{21} x + \texttt{M} _{22} y + \texttt{M} _{23}) dst(x,y)=src(M11x+M12y+M13,M21x+M22y+M23)

当设置了标志 WARP_INVERSE_MAP 时,使用上述公式。

否则,变换矩阵会先通过 invertAffineTransform 被求逆,然后才代入上面的公式中代替 M。

该函数不能在原地(in-place)操作。

函数原型

cpp 复制代码
GMat cv::gapi::warpAffine 	
(
 	const GMat &  	src,
	const Mat &  	M,
	const Size &  	dsize,
	int  	flags = cv::INTER_LINEAR,
	int  	borderMode = cv::BORDER_CONSTANT,
	const Scalar &  	borderValue = Scalar() 
) 		

参数

  • 参数 src:输入图像。
  • 参数 M:2×3 的变换矩阵。
  • 参数 dsize:输出图像的尺寸(宽度,高度)。
  • 参数 flags:
    插值方法的组合(参见 InterpolationFlags);
    可选标志 WARP_INVERSE_MAP,表示矩阵 M 是一个"逆变换"(即从目标图像映射到源图像,dst → src)。
  • 参数 borderMode:像素外推方法(参见 BorderTypes);
    不支持 BORDER_TRANSPARENT 模式。
  • 参数 borderValue:当边界模式为常量填充时所使用的像素值;
    默认值为 0(黑色)。

代码示例

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>
#include <opencv2/gapi/imgproc.hpp>

using namespace cv;
using namespace cv::gapi;

int main() {
    // 加载输入图像
    Mat src = imread("/media/dingxin/data/study/OpenCV/sources/images/Lenna.png");
    if (src.empty()) {
        std::cerr << "无法加载图像!" << std::endl;
        return -1;
    }

    // 定义仿射变换矩阵 M
    // 示例:将图像旋转 45 度,并平移 (50, 50)
    double angle = 45; // 旋转角度
    double scale = 1;  // 缩放比例
    Point2f center(src.cols / 2.0, src.rows / 2.0); // 旋转中心
    Mat M = getRotationMatrix2D(center, angle, scale);
    // 添加平移
    M.at<double>(0, 2) += 50;
    M.at<double>(1, 2) += 50;

    // 定义输出图像尺寸
    Size new_size(src.cols, src.rows);

    // 定义 G-API 图像处理图(graph)
    GMat in;  // 输入节点

    // 应用仿射变换
    GMat out = gapi::warpAffine(in, M, new_size, INTER_LINEAR, BORDER_CONSTANT, Scalar(0, 0, 0));

    // 构建 GComputation
    GComputation computation(in, out);

    // 执行计算
    Mat dst;
    computation.apply(src, dst);

    // 显示结果
    imshow("原始图像", src);
    imshow("仿射变换后的图像", dst);
    waitKey();

    return 0;
}

运行结果

相关推荐
mys551817 分钟前
杨建允:企业应对AI搜索趋势的实操策略
人工智能·geo·ai搜索优化·ai引擎优化
小毅&Nora19 分钟前
【人工智能】【深度学习】 ⑦ 从零开始AI学习路径:从Python到大模型的实战指南
人工智能·深度学习·学习
牛阿大20 分钟前
关于前馈神经网络
人工智能·深度学习·神经网络
2的n次方_24 分钟前
从0到1打造专属数字人:魔珐星云SDK接入实战演示
人工智能·具身智能·魔珐星云
roman_日积跬步-终至千里27 分钟前
【模式识别与机器学习】机器学习练习题集 - 答案与解析
人工智能·机器学习
爱思德学术35 分钟前
中国计算机学会(CCF)推荐学术会议-C(人工智能):KSEM 2026
人工智能·知识图谱·知识工程·知识科学
玖日大大42 分钟前
英伟达 AI 芯片:架构演进与智能时代的算力基石
人工智能·架构
中国云报1 小时前
从单一算力到融合基础设施:中国电子云重构AI时代算力版图
人工智能·重构
一点 内容1 小时前
用户体验与商业化的两难:Chatbots的广告承载困境分析
人工智能·经验分享
白日做梦Q1 小时前
深度学习与机器学习的3个关键区别
人工智能·深度学习·机器学习