OpenCV-Python教程:12.圖片的幾何轉(zhuǎn)換

轉(zhuǎn)換

OpenCV提供了兩個(gè)轉(zhuǎn)換函數(shù),cv2.warpAffine和cv2.warpPerspective,通過(guò)他們你可以進(jìn)行各種轉(zhuǎn)換,cv2.warpAffine接受2x3的轉(zhuǎn)換矩陣二cv2.warpPerspective接受3x3的轉(zhuǎn)換矩陣做為輸入。

縮放

OpenCV有一個(gè)函數(shù)cv2.resize()來(lái)干這個(gè),圖片的大小可以人工指定,或者你可以指定縮放因子。有不同的差值方式可以使用,推薦的插值方法是縮小時(shí)用cv2.INTER_AREA,放大用cv2.INTER_CUBIC(慢)和cv2.INTER_LINEAR。默認(rèn)情況下差值使用cv2.INTER_LINEAR。你可以使用下面兩種方法來(lái)改變圖片大小:

import cv2
import numpy as np

img = cv2.imread('messi5.jpg')
res = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)

#OR

height, width = img.shape[:2]
res = cv2.resize(img, (2*width, 2*height), interpolation=cv2.INTER_CUBIC)

平移

平移是改變物體的位置。如果你知道在(x, y)方向的變化是(tx, ty),你可以創(chuàng)建轉(zhuǎn)換矩陣M:

你可以把它變成Numpy的數(shù)組,類(lèi)型是np.float32的,然后把它傳給cv2.warpAffine()函數(shù),下面的例子平移(100, 50):

import cv2
import numpy as np

img = cv2.imread('messi5.jpg', 0)
rows, cols = img.shape

M = np.float32([[1,0,100],[0,1,50]])
dst = cv2.warpAffine(img, M, (cols,rows))

cv2.imshow('img', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

警告:
cv2.warpAffine()函數(shù)的第三個(gè)參數(shù)是輸出圖片的大小,應(yīng)該是(width, height)的形式,記住width=列數(shù),height=行數(shù)

旋轉(zhuǎn)

對(duì)一個(gè)圖片旋轉(zhuǎn)一個(gè)θ角是通過(guò)下面這個(gè)形式的轉(zhuǎn)換矩陣實(shí)現(xiàn)的:

但是OpenCV提供了可選中心的縮放旋轉(zhuǎn),所以你可以按任意點(diǎn)旋轉(zhuǎn)。轉(zhuǎn)換矩陣變?yōu)椋?/p>

其中:

要找到這個(gè)轉(zhuǎn)換矩陣,OpenCV提供了一個(gè)函數(shù),cv2.getRotationMatrix2D。看下面的例子,把圖片旋轉(zhuǎn)了90度

img = cv2.imread('messi5.jpg', 0)
rows, cols = img.shape

M = cv2.getRotationMatrix2D((cols/2,rows/2), 90, 1)
dst = cv2.warpAffine(img, M, (cols, rows))

結(jié)果:

仿射變換


在仿射變換里,所有原始圖片里的平行線在輸出的圖片里仍然平行,要找到轉(zhuǎn)換矩陣,我們需要輸入圖片的三個(gè)點(diǎn),和他們?cè)谳敵鰣D片里的對(duì)應(yīng)位置,然后cv2.getAffineTransform會(huì)創(chuàng)建一個(gè)2x3的矩陣,然后把這個(gè)矩陣傳給cv2.warpAffine.

看下面的例子,注意我選的三個(gè)點(diǎn)(綠色的點(diǎn))

img = cv2.imread('drawing.png')
rows, cols, ch = img.shape

pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])

M = cv2.getAffineTransform(pts1, pts2)

dst = cv2.warpAffine(img,M,(cols, rows))

plt.subplot(121), plt.imshow(img), plt.title('Input')
plt.subplot(122), plt.imshow(dst), plt.title('Output')
plt.show()

結(jié)果:


透視變換

對(duì)于透視變換,你需要一個(gè)3x3的轉(zhuǎn)換矩陣。轉(zhuǎn)換后直線仍然保持直線。要得到這個(gè)轉(zhuǎn)換矩陣,你需要輸入圖片上的4個(gè)點(diǎn),以及輸出圖片上對(duì)應(yīng)的點(diǎn)。在這四個(gè)點(diǎn)中,3個(gè)不能同線。然后cv2.getPerspectiveTransform函數(shù)就能得到轉(zhuǎn)換矩陣了,再用cv2.warpPerspective來(lái)接收這個(gè)3x3的轉(zhuǎn)換矩陣。

代碼:

img = cv2.imread('sudokusmall.png')
rows, cols, ch = img.shape

pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])

M = cv2.getPerspectiveTransform(pts1,pts2)

dst = cv2.warpPerspective(img, M,(300,300))

plt.subplot(121), plt.imshow(img), plt.title('Input')
plt.subplot(122), plt.imshow(dst), plt.title('Output')
plt.show()

END

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,533評(píng)論 6 531
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,055評(píng)論 3 414
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人,你說(shuō)我怎么就攤上這事。” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 175,365評(píng)論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我,道長(zhǎng),這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 62,561評(píng)論 1 307
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 71,346評(píng)論 6 404
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 54,889評(píng)論 1 321
  • 那天,我揣著相機(jī)與錄音,去河邊找鬼。 笑死,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 42,978評(píng)論 3 439
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 42,118評(píng)論 0 286
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 48,637評(píng)論 1 333
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 40,558評(píng)論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 42,739評(píng)論 1 369
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,246評(píng)論 5 355
  • 正文 年R本政府宣布,位于F島的核電站,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 43,980評(píng)論 3 346
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 34,362評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 35,619評(píng)論 1 280
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 51,347評(píng)論 3 390
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 47,702評(píng)論 2 370

推薦閱讀更多精彩內(nèi)容