五、图像的变换

1、图像的基本变换

1.1 图像的缩放

resize用法：

cv2.resize(src, dsize, dst, fx, fy, interpolation)

参数说明：

• src：进行缩放的图像

• dsize：缩放之后图像的大小（元组或列表表示即可）

• dst：可选参数，缩放之后的输出图像

• fx, fy：x轴和y轴的缩放比，即宽度和高度的缩放比

• interpolation：插值算法，主要有以下几种：

1、原图像：480 * 640

2、dsize = (320, 240) 缩放之后的图像：

new_dog = cv2.resize(dog, (320, 240))

3、fx=0.7, fy=0.7 缩放之后的图像：

new_dog = cv2.resize(dog, None, fx=0.7, fy=0.7)

4、INTER_NEAREST（左）、INTER_LINEAR（右）

5、INTER_CUBIC（左）、INTER_AREA（右）

代码实现：

import cv2

dog = cv2.imread('../resource/r_dog.jpg')
# new_dog = cv2.resize(dog, (320, 240))
# new_dog = cv2.resize(dog, None, fx=0.7, fy=0.7)
new_dog = cv2.resize(dog, None, fx=0.7, fy=0.7, interpolation=cv2.INTER_CUBIC)

cv2.imshow('dog', dog)
cv2.imshow('new_dog', new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.2 图像的翻转

flip()用法：

cv2.flip(src, flipCode)

参数说明：

• src：进行翻转的图像
• flipCode
  • flipCode = 0：表示上下翻转
  • flipCode > 0：表示左右翻转
  • flipCode < 0：上下 + 左右

1、flipCode = 0：表示上下翻转

up_down = cv2.flip(cat, flipCode=0)

2、flipCode > 0：表示左右翻转

left_right = cv2.flip(cat, flipCode=1)

3、flipCode < 0：上下 + 左右

up_down_left_right = cv2.flip(cat, flipCode=-1)

代码实现：

import cv2
import numpy as np

cat = cv2.imread('../resource/r_cat.jpg')

up_down = cv2.flip(cat, flipCode=0)

cv2.imshow('up_down', np.hstack((cat, up_down)))
cv2.waitKey(0)
cv2.destroyAllWindows()

1.3 图像的旋转

rotate()用法：

rotate(src, rotateCode)

参数说明：

• src：进行旋转的图像
• rotateCode

原图像 VS 旋转180°

代码实现：

import cv2
import numpy as np

dog = cv2.imread('../resource/r_dog.jpg')
new = cv2.rotate(dog, cv2.ROTATE_180)

cv2.imshow('dog', np.hstack((dog, new)))
cv2.waitKey(0)
cv2.destroyAllWindows()

2、图像的仿射变换

仿射变换是图像旋转、缩放、平移的总称。

具体的做法是通过一个矩阵和原图像坐标进行计算，得到新的坐标，完成变换，所以关键就是这个变换矩阵。

warpAffine用法：

cv2.warpAffine(src, M, dsize, dst, flags, borderMode, borderValue)

参数说明：

• src：进行变换的图像
• M：变换矩阵
• dsize：输出图像大小
• dst：可选参数，缩放之后的输出图像
• flags：与resize中的插值算法一致
• borderMode：边界外推法标志
• borderValue：填充边界的值

2.1 图像平移

矩阵中的每个像素由(x, y)组成，因此，其变换矩阵是2 * 2的矩阵。

平移向量为2 * 1的向量，所在平移矩阵为2 * 3矩阵

代码实现： x, y 均平移100

import cv2
import numpy as np

# 导入图像
dog = cv2.imread('../resource/r_dog.jpg')

h, w, ch = dog.shape
M = np.float32([[1, 0, 100], [0, 1, 100]])
# 注意：先宽度、再高度
new = cv2.warpAffine(dog, M, (w, h))

cv2.imshow('dog', np.hstack((dog, new)))
cv2.waitKey(0)
cv2.destroyAllWindows()

2.2 获取变换矩阵

仿射变换的难点就是计算变换矩阵，OpenCV提供了计算变换矩阵的API：

getRotationMatrix2D()用法：

cv2.getRotationMatrix2D(center, angle, scale)

参数说明：

• center：中心点，以图像的哪个点作为旋转的中心点
• angle：角度，旋转的角度，按照逆时针旋转
• scale：缩放比例，想把图像进行什么样的缩放

代码实现： 以原图像中心点逆时针旋转45°

import cv2
import numpy as np

# 导入图像
dog = cv2.imread('../resource/r_dog.jpg')

h, w, ch = dog.shape

# 获取变换矩阵
M = cv2.getRotationMatrix2D((w / 2, h / 2), 45, 1.0)
new = cv2.warpAffine(dog, M, (w, h))

cv2.imshow('dog', np.hstack((dog, new)))
cv2.waitKey(0)
cv2.destroyAllWindows()

getAffineTransform()用法：

cv2.getAffineTransform(src, dst)

参数说明：

• src：原目标的3个点
• dst：对应变换后的3个点

通过三个点可以确定变换后的位置，相当于解方程，三个点对应三个方程，能解出偏移的参数和旋转的角度。

代码实现：

import cv2
import numpy as np

# 导入图像
dog = cv2.imread('../resource/r_dog.jpg')

h, w, ch = dog.shape

src = np.float32([[100, 200], [200, 100], [200, 300]])
dst = np.float32([[100, 150], [360, 200], [280, 120]])

M = cv2.getAffineTransform(src, dst)
new = cv2.warpAffine(dog, M, (w, h))

cv2.imshow('dog', np.hstack((dog, new)))
cv2.waitKey(0)
cv2.destroyAllWindows()

3、图像的透视变换

透视变换就是将一种坐标系变成另一种坐标系。简单的来说，可以把一张“斜”的图像变“正”。

warpPerspective()用法：

cv2.warpPerspective(src, M, dsize, dst, flags, borderMode,borderValue)

对于透视变换来说，M是一个3 * 3的矩阵。

getPerspectiveTransform()用法：

cv2.getPerspectiveTransform(src, dst, solveMethod)

获取透视变换的变换矩阵，需要4个点，即图像的4个角。

代码实现：

import cv2
import numpy as np

# 导入图像
six = cv2.imread('../resource/six.jpg')
print(six.shape)

src = np.float32([[100, 100], [670, 100], [100, 960], [670, 960]])
dst = np.float32([[0, 0], [620, 0], [0, 860], [570, 860]])
M = cv2.getPerspectiveTransform(src, dst)

new = cv2.warpPerspective(six, M, (570, 860))

cv2.imshow('six', six)
cv2.imshow('new', new)
cv2.waitKey(0)
cv2.destroyAllWindows()