OpenCV图像几何变换专题(缩放  
    
    
   、翻转

     


     


     

、仿射变换及透视)(python为工具) 【Open_CV系列（五）】

ʚʕ̯•͡˔•̯᷅ʔɞ

🍹欢迎各路大佬来到小啾主页指点

☀️欢迎大家前来学习OpenCV图像几何变换专题 - Open_CV系列博文第五篇  
    
    
   ，我是侯小啾    
    
    
。

本期blog可以作为日常复制的脚手架代码来运用   


     


     


   。

✨博客主页：云雀编程小窝

🌹꧔ꦿ

🌹꧔ꦿ博文内容如对您有所帮助

     


     


     

，还请给个点赞 + 关注 + 收藏

✨

            

如有疑问欢迎随时在评论区交流



 




 




 

。☀️

准备图片

选择一张shape为(500,500,3)的梵高的《星月夜》以便示例   

   

   

。

           

1. 缩放 cv2.resize()方法

cv2.resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)

src 原图（的数组） dsize: 输出图像的大小 格式：(a,b)    

     

     

  。

设定dsize后就无需再设置fx和fy fx 可选参数 水平方向缩放比 fy 可选参数 垂直方向缩放比

fx和fy不同于dsize 




 




 




，fx和fy是各是一个比值  

   

   

  ，如设为2

     

     

     
，则表示放大2倍  




  




  




，设为1/2则表示缩小到原来的

1

2

\displaystyle \frac{1}{2}

21​




  




  




  
。 import cv2 img = cv2.imread("The_Starry_Night.jpg") dst1 = cv2.resize(img, (200, 200)) dst2 = cv2.resize(img, (900, 900)) cv2.imshow("img", img) cv2.imshow("dst1", dst1) cv2.imshow("dst2", dst2) cv2.waitKey() cv2.destroyAllWindows()

执行结果如图所示  


  


  


 ，相比原图
     
     
     ，图像得到了指定大小的缩小与放大  


  


  


。

使用fx和fy参数
   




   




   




，则需要手动把dsize设为None     
     
     
 。

import cv2 img = cv2.imread("The_Starry_Night.jpg") # 将宽缩小到原来的1/3 




 




 




、高缩小到原来的1/2 dst3 = cv2.resize(img, None, fx=1 / 3, fy=1 / 2) # 将宽高扩大2倍 dst4 = cv2.resize(img, None, fx=2, fy=2) cv2.imshow("img", img) cv2.imshow("dst3", dst3) cv2.imshow("dst4", dst4) cv2.waitKey() cv2.destroyAllWindows()

结果呈现：

2. 翻转 cv2.flip()方法

flip(src, flipCode, dst=None)

src 图像（数组） flipCode 翻转代码




   




   




   。可以是0 



 



 



，正数                ，负数
 



 



 



。0表示沿X轴（水平方向的轴）翻转               。1表示沿Y轴（竖直方向的轴）翻转 




    




    




    。

负数表示同时沿X轴和Y轴翻转















。

讲原图经过着三种翻转后

    




    




    



，与原图拼在一块














，呈现出了这种奇观：

import cv2 img = cv2.imread("The_Starry_Night.jpg") dst1 = cv2.flip(img, 0) dst2 = cv2.flip(img, 1) dst3 = cv2.flip(img, -1) cv2.imshow("img", img) cv2.imshow("dst1", dst1) cv2.imshow("dst2", dst2) cv2.imshow("dst3", dst3) cv2.waitKey() cv2.destroyAllWindows()

将翻转结果放在同一张画布中

import cv2 import numpy as np img = cv2.imread("The_Starry_Night.jpg") dst1 = cv2.flip(img, 0) dst2 = cv2.flip(img, 1) dst3 = cv2.flip(img, -1) a, b, c = img.shape canvas = np.ones((2 * a, 2 * b, c), np.uint8) * 255 canvas[0:b, 0:a] = img canvas[b:2*b, 0:a] = dst1 canvas[0:b, a:2*a] = dst2 canvas[b:2*b, a:2*a] = dst3 cv2.imshow("pic", canvas) cv2.waitKey() cv2.destroyAllWindows() # 保存图片 # cv2.imwrite("final_pic", canvas)

结果呈现：

3. 仿射变换 warpAffine()方法

常见的仿射变换有平移                ，旋转和倾斜变换               。

仿射变换使用cv2.warpAffine()方法完成

warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)

src 原图

M 是一个二行三列的矩阵

     



     



     


，也称仿射矩阵  



     



     



    。warpAffine方法根据此矩阵的值来变换像素的位置















。

M = [[a, b, c], [d, e, f]]














，则像素的变换公式为：

X = x × a + y × b + c Y = x × d + y × e + f 其中x,y指原像素的x  

   

   

  、y轴坐标    
    
    
。X,Y指变换后的X,Y坐标   


     


     


   。

dsize 输出图像的尺寸



 




 




 

。（不带放缩  
    
    
   ，增大的部分用黑色色素(0)填充）

这三个参数是常用的参数   

   

   

。其余参数建议使用默认值    

     

     

  。

flags表示插入方式

     


     


     

，borderMode是边界类型 




 




 




，borderValue表示边界值（默认0）




  




  




  
。dst表示反射变换后输出的图像  


  


  


。

3.1 平移

以将《星月夜》向左平移50个像素  

   

   

  ，向下平移100个像素为例     
     
     
 。

则M数组应写为[[1, 0, 50], [0, 1, 100]]： import cv2 import numpy as np img = cv2.imread("The_Starry_Night.jpg") rows = len(img) cols = len(img[0]) M = np.float32([[1, 0, 50], [0, 1, 100]]) dst = cv2.warpAffine(img, M, (cols, rows)) cv2.imshow("img", img) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

如图所示

     

     

     
，图像按照我们的预期成功被平移




   




   




   。

只是这样得到的图像有色素损失  




  




  




，我们丢失了超出画布之外的数据
 



 



 



。

为了避免损失  


  


  


 ，可以取设置dsize参数来控制输出图像的大小               。

修改后的代码如下：

import cv2 import numpy as np img = cv2.imread("The_Starry_Night.jpg") rows = len(img) cols = len(img[0]) M = np.float32([[1, 0, 50], [0, 1, 100]]) dst = cv2.warpAffine(img, M, (cols+200, rows+200)) cv2.imshow("img", img) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

优化后的程序执行效果：

3.2 旋转

旋转也是通过M矩阵来实现的
     
     
     ，这个矩阵的运算较复杂
   




   




   




，

OpenCV提供了getRotationMatrix2D()方法来计算旋转操作的M矩阵

getRotationMatrix2D(center, angle, scale)

center 指旋转中心的坐标 angle指旋转的角度 scale值缩放的比例 




    




    




    。（旋转过程支持缩放） import cv2 img = cv2.imread("The_Starry_Night.jpg") rows = len(img) cols = len(img[0]) center = (rows / 2, cols / 2) M = cv2.getRotationMatrix2D(center, 30, 0.8) dst = cv2.warpAffine(img, M, (cols, rows)) cv2.imshow("img", img) cv2.imshow("dst", dst) cv2.waitKey() cv2.destroyAllWindows()

旋转效果如图所示：

3.3 倾斜

OpenCV需要定位到图像的三个点的位置来计算倾斜效果 



 



 



，即左上角                ，右上角和左下角















。

图像的倾斜也是根据M矩阵实现

    




    




    



，得出矩阵的运算较复杂














，通过getAffineTransform 方法实现               。

语法

getAffineTransform(src, dst)

src是原图像的左上角                ，右上角和左下角三个点的坐标  



     



     



    。三维数组格式

     



     



     


，形如[[a, b], [c, d], [e, f]]















。 dst是倾斜后这三个点预期的坐标    
    
    
。格式同上   


     


     


   。

要保持左上














，右下  
    
    
   ，左下三个点的顺序不能乱



 




 




 

。

以将《星月夜》保持左下角和右上角坐标不变

     


     


     

，左上角（(0,0)处）向右移动150个像素长度   

   

   

。

代码如下： import cv2 import numpy as np img = cv2.imread("The_Starry_Night.jpg") rows = len(img) cols = len(img[0]) p1 = np.array([[0, 0], [cols - 1, 0], [0, rows - 1]], dtype=np.float32) p2 = np.array([[150, 0], [cols - 1, 0], [0, rows - 1]], dtype=np.float32) M = cv2.getAffineTransform(p1, p2) dst = cv2.warpAffine(img, M, (cols, rows)) cv2.imshow(img, img) cv2.imshow(dst, dst) cv2.waitKey() cv2.destroyAllWindows()

程序执行效果如下：

4. 透视

透视的实现使用的是warpPerspective()方法

 




 




 




，而不再是用于平移

     

     

     
、旋转  




  




  




、倾斜的warpAffine()方法    

     

     

  。

使用warpPerspective()方法也需要通过M矩阵来计算透视效果  

   

   

  ，计算透视的M矩阵可以使用getPerspectiveTransform()方法




  




  




  
。

getPerspectiveTransform(src, dst, solveMethod=None)

该方法常用的参数有两个

     

     

     
，分别为原图的四个点的坐标(scr) 和 透视后四个点的坐标(dst)

  


  


  


。Opcv需要通过定位图像的这四个点来计算透视效果     
     
     
 。四个点依次为左上  




  




  




，右上  


  


  


 ，左下
     
     
     ，右下




   




   




   。

坐标格式为二维数组格式
   




   




   




，形如[[a, b],[c, d],[e, f],[g, h]]
 



 



 



。

示例代码如下：

import cv2 import numpy as np img = cv2.imread("The_Starry_Night.jpg") rows = len(img) cols = len(img[0]) # 原图的四点坐标 p1 = np.zeros((4, 2), np.float32) p1[0] = [0, 0] p1[1] = [cols - 1, 0] p1[2] = [0, rows - 1] p1[3] = [cols - 1, rows - 1] # 透视后的四点坐标 p2 = np.zeros((4, 2), np.float32) p2[0] = [150, 0] p2[1] = [cols - 150, 0] p2[2] = [0, rows - 1] # 不变 p2[3] = [cols - 1, rows - 1] # 不变 M = cv2.getPerspectiveTransform(p1, p2) dst = cv2.warpPerspective(img, M, (cols, rows)) cv2.imshow(The_Starry_Night, img) cv2.imshow(The_Starry_Night2, dst) cv2.waitKey() cv2.destroyAllWindows()

展示原图和透视后的图像效果：

🌹꧔ꦿ本系列blog传送门：

✨OpenCV图像处理基本操作 【Python-Open_CV系列（一）】

✨OpenCV像素处理基本操作 【Python-Open_CV系列（二）】

✨OpenCV之 BGR  


  


  


 、GRAY
     
     
     、HSV色彩空间&色彩通道专题 【Python-Open_CV系列（三）】

✨OpenCV绘制图像与文字(可作为脚手架代码)(python) 【Python-Open_CV系列（四）】

✨OpenCV图像几何变换专题(缩放
   




   




   




、翻转 



 



 



、仿射变换及透视)【python-Open_CV系列（五）】

✨基于梵·高《向日葵》的 图像阈值处理专题（二值处理                、反二值处理

    




    




    



、截断处理














、自适应处理及Otsu方法）【Python-Open_CV系列（六）】

✨OpenCV基本功 之 图像的掩模                、运算 & 合并专题 -小啾带学【Python-Open_CV系列（七）】

✨《三英战吕布》 - 图像模板匹配 【Python-Open_CV系列（八）】

✨OpenCV滤波器 龙门石窟篇【Python-Open_CV系列（九）】(均值滤波器

     



     



     


、中值滤波器














、高斯滤波器  
    
    
   、双边滤波器)

✨Open_CV形态学运算专题 （腐蚀&膨胀

     


     


     

、开&闭运算 




 




 




、梯度运算  

   

   

  、顶帽运算黑帽运算 ）【Python-Open_CV系列（十）】

✨霍夫变换看不懂？小啾带你串一遍：OpenCV图形检测专题 这样学最简单【Python-Open_CV系列（十一）】

✨小啾带你开天眼 之 开启py-OpenCV摄像头及视频处理【Python-Open_CV系列（十二）】

✨小啾带你开天眼 之 人脸检测与识别(以及华强

     

     

     
、皇叔  




  




  




、高祖配墨镜特效)【Python-Open_CV系列（十三）】