时间:2021-05-22
前言
总结一下最近看的关于opencv图像几何变换的一些笔记.
这是原图:
1.平移
import cv2import numpy as npimg = cv2.imread("image0.jpg", 1)imgInfo = img.shapeheight = imgInfo[0]width = imgInfo[1]mode = imgInfo[2]dst = np.zeros(imgInfo, np.uint8)for i in range( height ): for j in range( width - 100 ): dst[i, j + 100] = img[i, j]cv2.imshow('image', dst)cv2.waitKey(0)demo很简单,就是将图像向右平移了100个像素.如图:
2.镜像
import cv2import numpy as npimg = cv2.imread('image0.jpg', 1)cv2.imshow('src', img)imgInfo = img.shapeheight= imgInfo[0]width = imgInfo[1]deep = imgInfo[2]dst = np.zeros([height*2, width, deep], np.uint8)for i in range( height ): for j in range( width ): dst[i,j] = img[i,j] dst[height*2-i-1,j] = img[i,j]for i in range(width): dst[height, i] = (0, 0, 255)cv2.imshow('image', dst)cv2.waitKey(0)demo生成一个如下效果:
3.缩放
import cv2img = cv2.imread("image0.jpg", 1)imgInfo = img.shapeprint( imgInfo )height = imgInfo[0]width = imgInfo[1]mode = imgInfo[2]# 1 放大 缩小 2 等比例 非等比例dstHeight = int(height * 0.5)dstWeight = int(width * 0.5)# 最近邻域插值 双线性插值 像素关系重采样 立方插值dst = cv2.resize(img, (dstWeight,dstHeight))print(dst.shape)cv2.imshow('image', dst)cv2.waitKey(0)使用resize直接进行缩放操作,同时还可以使用邻域插值法进行缩放,代码如下:
# 1 info 2 空白模板 3 重新计算x, yimport cv2import numpy as npimg = cv2.imread('image0.jpg', 1)imgInfo = img.shape # 先高度,后宽度height = imgInfo[0]width = imgInfo[1]dstHeight = int(height/2)dstWidth = int(width/2)dstImage = np.zeros([dstHeight, dstWidth, 3], np.uint8)for i in range( dstHeight ): for j in range(dstWidth): iNew = i * ( height * 1.0 / dstHeight ) jNew = j * ( width * 1.0 / dstWidth ) dstImage[i,j] = img[int(iNew),int(jNew)]cv2.imshow('image', dstImage)cv2.waitKey(0)4.旋转
import cv2img = cv2.imread('image0.jpg', 1)cv2.imshow('src', img)imgInfo = img.shapeheight= imgInfo[0]width = imgInfo[1]deep = imgInfo[2]# 定义一个旋转矩阵matRotate = cv2.getRotationMatrix2D((height*0.5, width*0.5), 45, 0.7) # mat rotate 1 center 2 angle 3 缩放系数dst = cv2.warpAffine(img, matRotate, (height, width))cv2.imshow('image',dst)cv2.waitKey(0)旋转需要先定义一个旋转矩阵,cv2.getRotationMatrix2D(),参数1:需要旋转的中心点.参数2:需要旋转的角度.参数三:需要缩放的比例.效果如下图:
5.仿射
import cv2import numpy as npimg = cv2.imread('image0.jpg', 1)cv2.imshow('src', img)imgInfo = img.shapeheight= imgInfo[0]width = imgInfo[1]deep = imgInfo[2]# src 3 -> dst 3 (左上角, 左下角,右上角)matSrc = np.float32([[0,0],[0,height-1],[width-1, 0]]) # 需要注意的是 行列 和 坐标 是不一致的matDst = np.float32([[50,50],[100, height-50],[width-200,100]])matAffine = cv2.getAffineTransform(matSrc,matDst) #mat 1 src 2 dst 形成组合矩阵dst = cv2.warpAffine(img, matAffine,(height, width))cv2.imshow('image',dst)cv2.waitKey(0)需要确定图像矩阵的三个点坐标,及(左上角, 左下角,右上角).定义两个矩阵,matSrc 为原图的三个点坐标,matDst为进行仿射的三个点坐标,通过cv2.getAffineTransform()形成组合矩阵.效果如下:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了Python图像处理之图像的缩放、旋转与翻转实现方法。分享给大家供大家参考,具体如下:图像的几何变换,如缩放、旋转和翻转等,在图像处理中扮演着重要
前言上一篇文章,我们讲解了图像金字塔,这篇文章我们来了解仿射变换。仿射?任何仿射变换都可以转换成,乘以一个矩阵(线性变化),再加上一个向量(平移变化)。实际上仿
对图像块应用仿射变换,我们将其称为图像扭曲(或者仿射扭曲)。该操作不仅经常应用在计算机图形学中,而且经常出现在计算机视觉算法中。一、仿射变换原理仿射变换能够保持
本文实例为大家分享了opencv实现图像几何变换的具体代码,供大家参考,具体内容如下图像伸缩(cv2.resize)图像的扩大与缩小有专门的一个函数,cv2.r
本文实例讲述了python图像处理之镜像实现方法。分享给大家供大家参考。具体分析如下:图像的镜像变化不改变图像的形状。图像的镜像变换分为三种:水平镜像、垂直镜像