图像几何变换
<h1>目标</h1>
<p>学习将不同的几何变换应用于图像的平移、旋转、仿射变换等。
您将看到这些函数:cv.getPerspectiveTransform</p>
<h1>转换</h1>
<p>OpenCV提供了两个转换函数cv.warpAffine和cv.warpPerspective，您可以使用它进行各种转换。简历。翘曲仿射取2x3变换矩阵，cv。warpPerspective以一个3x3变换矩阵作为输入。</p>
<h3>缩放</h3>
<p>缩放就是调整图像的大小。OpenCV附带了一个函数cv.resize()。可以手动指定图像的大小，也可以指定缩放因子。使用了不同的插值方法。较好的插值方法是cv.INTER_AREA用于收缩和cv.INTER_CUBIC(慢速)& cv.INTER_LINEAR缩放。默认情况下，使用的插值方法是cv.INTER_LINEAR用于所有调整大小的目的。您可以调整输入图像的大小以下方法之一:</p>
<pre><code class="language-python">import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg')
res = cv.resize(img,None,fx=2, fy=2, interpolation = cv.INTER_CUBIC)
#OR
height, width = img.shape[:2]
res = cv.resize(img,(2*width, 2*height), interpolation = cv.INTER_CUBIC)</code></pre>
<h3>平移</h3>
<p>平移是物体位置的移动。如果已知(x,y)方向的位移，令其为(tx,ty)，则可以建立变换矩阵M如下:</p>
<p>您可以将其放入类型为np.Numpy数组中。然后将其传递给cv.warpAffine()函数。参见下面的例子(100,50):</p>
<pre><code class="language-python">import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg',0)
rows,cols = img.shape
M = np.float32([[1,0,100],[0,1,50]])
dst = cv.warpAffine(img,M,(cols,rows))
cv.imshow('img',dst)
cv.waitKey(0)
cv.destroyAllWindows()</code></pre>
<p>cv.warpaffine()函数的第三个参数是输出图像的大小，其形式应该是<strong>(宽、高)</strong>。记住宽度=列数，高度=行数。</p>
<p>结果如下:
<img src="https://www.showdoc.cc/server/api/common/visitfile/sign/9ddb3f4fc554c8a895143500f0ce833f?showdoc=.jpg" alt="" /></p>
<h3>旋转</h3>
<p>图像的旋转一个角度θ是通过变换矩阵的形式</p>
<p>但是OpenCV提供了可调节旋转中心的缩放旋转，所以你可以在任何你喜欢的位置旋转。修正后的变换矩阵由</p>
<p>为了找到这个转换矩阵，OpenCV提供了一个函数cv.getRotationMatrix2D。检查下面的例子，它旋转图像90度相对于中心没有任何缩放。</p>
<pre><code class="language-python">img = cv.imread('messi5.jpg',0)
rows,cols = img.shape
# cols-1 and rows-1 are the coordinate limits.
M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)
dst = cv.warpAffine(img,M,(cols,rows))</code></pre>
<p>结果如下:
<img src="https://www.showdoc.cc/server/api/common/visitfile/sign/d1f2a25fed669d494b47aa78e3ab3e43?showdoc=.jpg" alt="" /></p>
<h3>仿射变换</h3>
<p>在仿射变换中，原图像中的所有平行线在输出图像中仍然是平行的。为了找到变换矩阵，我们需要从输入图像中选取三个点，以及它们在输出图像中的对应位置。然后简历。getAffineTransform将创建一个2x3矩阵，该矩阵将被传递给cv.warpAffine。</p>
<p>检查下面的例子，也看看我选择的点(用绿色标记):</p>
<pre><code class="language-python">img = cv.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 = cv.getAffineTransform(pts1,pts2)
dst = cv.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()</code></pre>
<p>查看结果:
<img src="https://www.showdoc.cc/server/api/common/visitfile/sign/7cc261ff90467f54ae68d3e8a7bdb15e?showdoc=.jpg" alt="" /></p>
<h3>透视变换</h3>
<p>对于透视变换，你需要一个3x3的变换矩阵。直线在变换之后仍然是直线。要找到这个变换矩阵，需要输入图像上的4个点和输出图像上的对应点。在这4个点中，有3个点不应该是共线的。然后通过函数cv. getperspective tiveTransform可以找到变换矩阵。然后应用 cv.warpPerspective。用这个3x3转换矩阵</p>
<p>请参阅以下代码:</p>
<pre><code class="language-python">img = cv.imread('sudoku.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 = cv.getPerspectiveTransform(pts1,pts2)
dst = cv.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()</code></pre>
<p>结果:
<img src="https://www.showdoc.cc/server/api/common/visitfile/sign/73d7fa8a579fba415bda890954ad13df?showdoc=.jpg" alt="" /></p>
<h1>其他资源</h1>
<ol>
<li>"计算机视觉:算法与应用"，Richard Szeliski著</li>
</ol>