文章目录
opencv的8种图像变换1. 图像放大、缩小2. 图像平移3. 图像旋转4. 图像仿射变换5. 图像裁剪6. 图像的位运算（AND, OR, XOR）7. 图像的分离和融合8. 图像的颜色空间
opencv的8种图像变换
1. 图像放大、缩小
我们先看下原图 import cv2 import matplotlib.pyplot as plt import numpy as np img = cv2.imread(‘image/logo.png’) plt.imshow(img)
看下图像大小 #height,width, channel height,width,channel = img.shape
图像放大缩小 使用cv2.resize()方法 cv2.resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None) 参数解释
dsize形参是个数组，数组的宽度在前，高度在后（output_width,output_height） 图像缩放之后，肯定像素要进行重新计算的，就靠这个参数来指定重新计算像素的方式，有以下几种： INTER_NEAREST - 最近邻插值 INTER_LINEAR - 双线性插值，如果最后一个参数你不指定，默认使用这种方法 INTER_CUBIC - 4x4像素邻域内的双立方插值 INTER_LANCZOS4 - 8x8像素邻域内的Lanczos插值
#图像放大 resized_img = cv2.resize(img,(width2,height2),interpolation=cv2.INTER_LINEAR) plt.imshow(resized_img)
看下此时图像大小，确守放大了1倍
图像缩小 #图像缩小 smaller_img = cv2.resize(img,None,fx=0.5,fy=0.5,interpolation=cv2.INTER_LINEAR) plt.imshow(smaller_img) 可以看到图像缩小了一倍
2. 图像平移
warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None) src：输入图像 M：运算矩阵，2行3列的，数据类型要求是float32位及以上 dsize：运算后矩阵的大小，也就是输出图片的尺寸。是个元祖，宽度在前，高度在后 dst：输出图像 flags：插值方法的组合，与resize函数中的插值一样，可以查看cv2.resize borderMode：像素外推方法，边界像素的模型( int 类型)，详情参考官网 borderValue：在恒定边框的情况下使用的borderValue值； 边界填充的颜色, 默认为 (0, 0, 0) (黑色)
图像平移 #图像平移 #先获取原来的高和宽 height,width = img.shape[:2] M = np.float32([[1,0,20],[0,1,10]]) #图像平移。向右平移20个像素，向下平移10个像素 move_img = cv2.warpAffine(img,M,(width,height))
我们详细分析下M这个矩阵 下面的M相当于就是一个运算矩阵。2行3列
根据定义，我们的坐标就可以根据A，B来进行运算
可以很轻易的得出以下方程
通过方程我们就可以很轻易的看出，c1和c2就相当于是让图像平移，而a和b这2个参数就是对图像进行旋转，缩放等操作。
对图片进行三维旋转 #图像旋转 #先获取原来的高和宽 height,width = img.shape[:2] M = np.float32([[1,0.2,0],[0.2,1,0]]) #图像平移。向右平移20个像素，向下平移10个像素 scoll_img = cv2.warpAffine(img,M,(width,height))
plt.imshow(scoll_img)
3. 图像旋转
rot_mat = cv2.getRotationMatrix2D(center, -5, 1)
参数说明：center表示中间点的位置，-5表示顺时针旋转5度，1表示进行等比列的缩放
cv2.warpAffine(img, rot_mat, (img.shape[1], img.shape[0]))
参数说明： img表示输入的图片，rot_mat表示仿射变化矩阵，(image.shape[1], image.shape[0])表示变换后的图片大小
#先获取原来的高和宽 height,width = img.shape[:2]
#设置旋转的中心 center = (width //2.0, height//2.0) #旋转中心
M2 = cv2.getRotationMatrix2D(center,180,1) #1表示旋转过程中有没缩放，180表示逆时针旋转，负数表示顺时针旋转
rotation_img = cv2.warpAffine(img,M2,(width,height))
plt.imshow(rotation_img)
等比例旋转180
4. 图像仿射变换
对于更复杂仿射变换，OpenCV提供了函数cv2.getAffineTransform()来生成仿射函数cv2.warpAffine()所使用的转换矩阵M。 该函数的语法格式为： retval=cv2.getAffineTransform(src, dst) src代表输入图像的三个点坐标。 dst代表输出图像的三个点坐标。 参数值src和dst是包含三个一维数组(x, y)点的二维数组。 指代原始图像和目标图像内平行四边形的三个顶点（左上角、右上角、左下角）
上述参数通过函数cv2.getAffineTransform()定义了两个平行四边形。 src和dst中的三个点分别对应平行四边形的左上角、右上角、左下角三个点。 函数cv2.warpAffine()以函数cv2.getAffineTransform()获取的转换矩阵M为参数，将src中的点仿射到dst中。 函数cv2.getAffineTransform()对所指定的点完成映射后，将所有其他点的映射关系按照指定点的关系计算确定。
#图像仿射变换 p1 = np.float32([[120,35],[215,45],[135,120]]) p2 = np.float32([[135,45],[300,110],[130,230]]) M3 = cv2.getAffineTransform(p1,p2) #计算一个变换矩阵 trans_img = cv2.warpAffine(img,M3,(width,height)) plt.imshow(trans_img)
5. 图像裁剪
#图像剪裁，裁剪像素范围
crop_img = img[20:100,20:40] plt.imshow(crop_img)
6. 图像的位运算（AND, OR, XOR）
位运算都是针对多张图形来计算的 我们先创建两个图形 绘制长方形 #长方形 rectangle = np.zeros((300,300),dtype=‘uint8’) rect_img = cv2.rectangle(rectangle,(25,25),(275,275),255,-1) cv2.rectangle(img, pt1, pt2, color, thickness, lineType, shift )
参数表示依次为： （图片，长方形框左上角坐标, 长方形框右下角坐标， 字体颜色，字体粗细）
plt.imshow(rect_img)
画布画圆 circle(img, center, radius, color, thickness=None, lineType=None, shift=None): 含义：图片，中心店，半径，颜色，圆轮廓粗细，线类型。
#画圆 rectangle = np.zeros((300,300),dtype=‘uint8’) circle_img = cv2.circle(rectangle,(150,150),150,255,-1) plt.imshow(circle_img)
#与运算 and_img = cv2.bitwise_and(rect_img,circle_img) plt.imshow(and_img)
可见两张图重合的部分被画出
#或运算 OR or_img = cv2.bitwise_or(rect_img,circle_img) plt.imshow(or_img)
#异或运算 XOR 两张图片不重叠的部分 xor_img = cv2.bitwise_xor(rect_img,circle_img) plt.imshow(xor_img)
7. 图像的分离和融合
#图像的分离 B,G,R = cv2.split(img)
plt.imshow(B)
plt.imshow(G)
plt.imshow®
在使用opencv和matplotlib的过程中会遇到图像反色或者生成的是伪彩色图像的问题， 原因是两个读取RGB通道的顺序是不一样的，opencv的顺序是B-G-R，而matplotlib的顺序是R-G-B，所以这个区分就会产生一些矛盾。
图像合并 matplotlib这样显示才是正常颜色 plt.imshow(cv2.merge([R,G,B]))
对比下直接用matplotlib和cv2的显示
8. 图像的颜色空间
#颜色空间 #灰度 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) plt.imshow(gray)
#HSV(色度，饱和度，纯度) hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) plt.imshow(hsv)
#lab lab = cv2.cvtColor(img,cv2.COLOR_BGR2LAB) plt.imshow(lab)
相关阅读
您阅读本篇文章共花了：
发表评论