[Python圖像處理] 六.圖像縮放、圖像旋轉、圖像翻轉與圖像平移

時間 2020-05-14 標籤 python 圖像處理圖像縮放旋轉翻轉平移

該系列文章是講解Python OpenCV圖像處理知識，前期主要講解圖像入門、OpenCV基礎用法，中期講解圖像處理的各類算法，包括圖像銳化算子、圖像加強技術、圖像分割等，後期結合深度學習研究圖像識別、圖像分類應用。但願文章對您有所幫助，若是有不足之處，還請海涵~html

該系列在github全部源代碼：https://github.com/eastmountyxz/ImageProcessing-Python
PS：請求幫忙點個Star，哈哈，第一次使用Github，之後會分享更多代碼，一塊兒加油。python

前文參考：
[Python圖像處理] 一.圖像處理基礎知識及OpenCV入門函數
 [Python圖像處理] 二.OpenCV+Numpy庫讀取與修改像素
 [Python圖像處理] 三.獲取圖像屬性、興趣ROI區域及通道處理
 [Python圖像處理] 四.圖像平滑之均值濾波、方框濾波、高斯濾波及中值濾波
 [Python圖像處理] 五.圖像融合、加法運算及圖像類型轉換github

本篇文章主要講解Python調用OpenCV實現圖像位移操做、旋轉和翻轉效果，包括四部分知識：圖像縮放、圖像旋轉、圖像翻轉、圖像平移。全文均是基礎知識，但願對您有所幫助。
1.圖像縮放
2.圖像旋轉
3.圖像翻轉
4.圖像平移web

PS：文章參考本身之前系列圖像處理文章及OpenCV庫函數，同時部分參考網易雲視頻，推薦你們去學習。同時，本篇文章涉及到《計算機圖形學》基礎知識，請你們下來補充。
推薦原理文章：OpenCV2:圖像的幾何變換,平移、鏡像、縮放、旋轉面試

投票閒談：
最後但願你們幫我2019年CSDN博客之星投投票，天天能夠投5票喔，截止時間2020年2月19日，謝謝你們！八年，在CSDN分享了410篇文章，15個專欄，400多萬人次瀏覽，包括Python人工智能、數據挖掘、網絡爬蟲、圖象處理、網絡安全、JAVA網站、Android開發、LAMP/WAMP、C#網絡編程、C++遊戲、算法和數據結構、面試總結、人生感悟等。固然還有我和你的故事，感恩一路有你，感謝一路同行，但願經過編程分享幫助到更多人，也但願學成以後回貴州教更多學生。由於喜歡，因此分享，且看且珍惜，加油！等我四年學成歸來～算法

投票地址：http://m234140.nofollow.ax.mvote.cn/opage/ed8141a0-ed19-774b-6b0d-39c3aaf89dde.html?from=singlemessage編程

一.圖像縮放

圖像縮放主要調用resize()函數實現，具體以下：
result = cv2.resize(src, dsize[, result[. fx[, fy[, interpolation]]]])
其中src表示原始圖像，dsize表示縮放大小，fx和fy也能夠表示縮放大小倍數，他們兩個（dsize或fx\fy）設置一個便可實現圖像縮放。例如：安全

result = cv2.resize(src, (160,160))
result = cv2.resize(src, None, fx=0.5, fy=0.5)

圖像縮放：設（x0, y0）是縮放後的座標，（x, y）是縮放前的座標，sx、sy爲縮放因子，則公式以下：
$\left[ \begin{matrix} x_0 & y_0 & 1 \end{matrix} \right] =\left[ \begin{matrix} x & y & 1 \end{matrix} \right] \left[ \begin{matrix} sx & 0 & 0 \\ 0 & sy & 0 \\ 0 & 0 & 1 \end{matrix} \right] \tag{1}$ 網絡

代碼示例以下所示：

#encoding:utf-8
import cv2  
import numpy as np  
 
#讀取圖片
src = cv2.imread('test.jpg')

#圖像縮放
result = cv2.resize(src, (200,100))
print result.shape

#顯示圖像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果以下圖所示，圖像縮小爲（200，100）像素。

須要注意的是，代碼中 cv2.resize(src, (200,100)) 設置的dsize是列數爲200，行數爲100。
一樣，能夠獲取原始圖像像素再乘以縮放係數進行圖像變換，代碼以下所示。

#encoding:utf-8
import cv2  
import numpy as np  
 
#讀取圖片
src = cv2.imread('test.jpg')
rows, cols = src.shape[:2]
print rows, cols

#圖像縮放 dsize(列,行)
result = cv2.resize(src, (int(cols*0.6), int(rows*1.2)))

#顯示圖像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果以下圖所示：

最後講解(fx,fy)縮放倍數的方法對圖像進行放大或縮小。

#encoding:utf-8
import cv2  
import numpy as np  
 
#讀取圖片
src = cv2.imread('test.jpg')
rows, cols = src.shape[:2]
print rows, cols

#圖像縮放
result = cv2.resize(src, None, fx=0.3, fy=0.3)

#顯示圖像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

最後輸出的結果以下圖所示，這是按例比0.3*0.3縮小的。

2、圖像旋轉

圖像旋轉主要調用getRotationMatrix2D()函數和warpAffine()函數實現，繞圖像的中心旋轉，具體以下：

M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
參數分別爲：旋轉中心、旋轉度數、scale
rotated = cv2.warpAffine(src, M, (cols, rows))
參數分別爲：原始圖像、旋轉參數、原始圖像寬高

圖像旋轉：設（x0, y0）是旋轉後的座標，（x, y）是旋轉前的座標，(m,n)是旋轉中心，a是旋轉的角度，(left,top)是旋轉後圖像的左上角座標，則公式以下：
$\left[ \begin{matrix} x_0 & y_0 & 1 \end{matrix} \right] = \left[ \begin{matrix} x & y & 1 \end{matrix} \right] \left[ \begin{matrix} 1 & 0 & 0 \\ 0 & -1 & 0 \\ -m & n & 1 \end{matrix} \right] \left[ \begin{matrix} cosa & -sina & 0 \\ sina & cosa & 0 \\ 0 & 0 & 1 \end{matrix} \right] \left[ \begin{matrix} 1 & 0 & 0 \\ 0 & -1 & 0 \\ left & top & 1 \end{matrix} \right] \tag{1}$

代碼以下所示：

#encoding:utf-8
import cv2  
import numpy as np  
 
#讀取圖片
src = cv2.imread('test.jpg')

#原圖的高、寬 以及通道數
rows, cols, channel = src.shape

#繞圖像的中心旋轉
#參數：旋轉中心 旋轉度數 scale
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
#參數：原始圖像 旋轉參數 元素圖像寬高
rotated = cv2.warpAffine(src, M, (cols, rows))

#顯示圖像
cv2.imshow("src", src)
cv2.imshow("rotated", rotated)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果以下圖所示：

若是設置-90度，則核心代碼和圖像以下所示。
M = cv2.getRotationMatrix2D((cols/2, rows/2), -90, 1)
rotated = cv2.warpAffine(src, M, (cols, rows))

3、圖像翻轉

圖像翻轉在OpenCV中調用函數flip()實現，原型以下：
dst = cv2.flip(src, flipCode)
其中src表示原始圖像，flipCode表示翻轉方向，若是flipCode爲0，則以X軸爲對稱軸翻轉，若是fliipCode>0則以Y軸爲對稱軸翻轉，若是flipCode<0則在X軸、Y軸方向同時翻轉。

代碼以下所示：

#encoding:utf-8
import cv2  
import numpy as np
import matplotlib.pyplot as plt
 
#讀取圖片
img = cv2.imread('test.jpg')
src = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#圖像翻轉
#0以X軸爲對稱軸翻轉 >0以Y軸爲對稱軸翻轉 <0X軸Y軸翻轉
img1 = cv2.flip(src, 0)
img2 = cv2.flip(src, 1)
img3 = cv2.flip(src, -1)

#顯示圖形
titles = ['Source', 'Image1', 'Image2', 'Image3']  
images = [src, img1, img2, img3]  
for i in xrange(4):  
   plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

輸出結果以下圖所示：

4、圖像平移

圖像平移：設（x0, y0）是縮放後的座標，（x, y）是縮放前的座標，dx、dy爲偏移量，則公式以下：
$\left[ \begin{matrix} x_0 & y_0 & 1 \end{matrix} \right] =\left[ \begin{matrix} x & y & 1 \end{matrix} \right] \left[ \begin{matrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ dx & dy & 1 \end{matrix} \right] \tag{3}$

圖像平移首先定義平移矩陣M，再調用warpAffine()函數實現平移，核心函數以下：
M = np.float32([[1, 0, x], [0, 1, y]])
shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

完整代碼以下所示：

#encoding:utf-8
import cv2  
import numpy as np
import matplotlib.pyplot as plt
 
#讀取圖片
img = cv2.imread('test.jpg')
image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#圖像平移 下、上、右、左平移
M = np.float32([[1, 0, 0], [0, 1, 100]])
img1 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

M = np.float32([[1, 0, 0], [0, 1, -100]])
img2 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

M = np.float32([[1, 0, 100], [0, 1, 0]])
img3 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

M = np.float32([[1, 0, -100], [0, 1, 0]])
img4 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

#顯示圖形
titles = [ 'Image1', 'Image2', 'Image3', 'Image4']  
images = [img1, img2, img3, img4]  
for i in xrange(4):  
   plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

輸出結果以下圖所示：

三尺講臺，三寸舌，三千桃李，三杆筆。再累再苦，站在講臺前就是最美的本身，幾個月的煩惱和憂愁都已消失，真的好享受這種狀態，彷彿散着光芒，終於給低年級的同窗上課了越早培養編程興趣越好，恨不能傾囊相授。即便當一生的教書匠，平平淡淡也喜歡，並且總感受給學生講課遠不是課酬和職稱所能比擬，這就是所謂的事業，所謂的愛好。但願文章對你們有所幫助，若是有錯誤或不足之處，還請海涵。準備出去休回家了，好好享受最美時光。（By：Eastmount 2018-09-06 早10點 https://blog.csdn.net/Eastmount/）