opencv python 圖像縮放/圖像平移/圖像旋轉/仿射變換/透視變換

Geometric Transformations of Images

1圖像轉換

OpenCV提供了兩個轉換函數cv2.warpAffine和cv2.warpPerspective，可使用它們進行各類轉換。 cv2.warpAffine採用2x3變換矩陣，而cv2.warpPerspective採用3x3變換矩陣做爲輸入。

2圖像縮放

縮放只是調整圖像大小.爲此，OpenCV附帶了一個函數cv.resize().
cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])

• 對shrinking，優選的interpolation方法：cv2.INTER_AREA該方法能夠避免波紋的出現
• 對zooming，優選的interpolation方法：cv2.INTER_CUBIC和cv2.INTER_LINEAR(默認)

方法一

import numpy as np
import cv2

img = cv2.imread('messi5.jpg')

res = cv2.resize(img,None,fx=2, fy=2, interpolation = cv2.INTER_CUBIC)

方法二

import numpy as np
import cv2

height, width = img.shape[:2]
res = cv2.resize(img,(2*width, 2*height), interpolation = cv2.INTER_CUBIC)

3圖像平移

平移是對象位置的轉換。 若是你知道（x，y）方向的偏移，讓它爲（tx，ty），你能夠建立變換矩陣M，以下所示：

$$ M= \left[ \begin{matrix} 1 & 0 & tx \\ 0 & 1 & ty \end{matrix} \right] \ $$

能夠將其設置爲np.float32類型的Numpy數組，並將其傳遞給cv.warpAffine（）函數.

應用

按（100,50）平移
代碼：

import cv2
import numpy as np

img = cv2.imread('img.jpg',0)
rows,cols = img.shape

M = np.float32([[1,0,100],[0,1,50]])
dst = cv2.warpAffine(img,M,(cols,rows))

cv2.imshow('img',img)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

4圖像旋轉

經過變換矩陣實現圖像旋轉角度θ：

$$ M= \left[ \begin{matrix} cosθ & -sinθ \\ sinθ & cosθ \end{matrix} \right] \ $$

OpenCV提供可調旋轉，旋轉中心可調，所以能夠在任何的位置旋轉.修正的變換矩陣由下式給出:

$$ \left[ \begin{matrix} \alpha & \beta & (1-\alpha) \cdot center.x - \beta\cdot center.y \\ -\beta & \alpha & \beta\cdot center.x + (1-\alpha) \cdot center.y \end{matrix} \right] \ $$

$ \alpha = scale \cdot cosθ $
$ \beta = scale \cdot sinθ $

爲了找到這個轉換矩陣，OpenCV提供了一個函數cv2.getRotationMatrix2D.

應用

將圖像相對於中心旋轉90度而不進行任何縮放
代碼：

import cv2
import numpy as np

img = cv2.imread('img.jpg',0)
rows,cols = img.shape

# cols-1 and rows-1 are the coordinate limits.
M = cv2.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)
dst = cv2.warpAffine(img,M,(cols,rows))


cv2.imshow('img',img)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

5仿射變換

在仿射變換中，原始圖像中的全部平行線仍將在輸出圖像中平行。 爲了找到變換矩陣，咱們須要輸入圖像中的三個點及其在輸出圖像中的相應位置。 而後cv.getAffineTransform將建立一個2x3矩陣，該矩陣將傳遞給cv.warpAffine。
代碼：

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread('img5.jpg')
rows,cols,ch = img.shape

pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])

M = cv2.getAffineTransform(pts1,pts2)

dst = cv2.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()

5透視變換

對於透視變換，須要一個3x3變換矩陣。 即便在轉換以後，直線仍將保持筆直. 要找到此變換矩陣，輸入圖像上須要4個點，輸出圖像上須要相應的點. 在這4個點中，其中3個不該該共線. 而後能夠經過函數cv2.getPerspectiveTransform找到變換矩陣. 而後將cv2.warpPerspective應用於此3x3變換矩陣。

代碼：

import cv2
import numpy as np
import matplotlib.pylab  as plt

img = cv2.imread('img6.jpg')
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 = cv2.getPerspectiveTransform(pts1,pts2)

dst = cv2.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()

NOTE：仿射變換和透視變換更直觀的叫法能夠叫作「平面變換」和「空間變換」或者「二維座標變換」和「三維座標變換」.從另外一個角度也能說明三維變換和二維變換的意思，仿射變換的方程組有6個未知數，因此要求解就須要找到3組映射點，三個點恰好肯定一個平面.透視變換的方程組有8個未知數，因此要求解就須要找到4組映射點，四個點就恰好肯定了一個三維空間.