这篇随笔介绍使用OpenCV进行图像处理的第四章 几何变换。
4 几何变换
图像的几何变换是指将一幅图像映射到另一幅图像内。有缩放、翻转、仿射变换、透视、重映射等操作。
4.1 缩放
使用cv2.resize()函数实现对图像的缩放,但要注意cv2.resize()函数内的dsize参数与原图像的行列属性是相反的,也就是:目标图像的行数是原始图像的列数,目标图像的列数是原始图像的行数。
下面举例说明cv2.resize()函数的用法:
1 import cv22 img=cv2.imread(\'E:/python_opencv/tupian.jpg\')3 rows,cols=img.shape[0:2] #行数和列数等于img的长度和宽度4 size=(int(cols*0.9),int(rows*0.5)) #比例:列变为原来0.9倍,行变为0.5倍5 rst=cv2.resize(img,size) #将img按size比例缩放6 print(\'img.shape=\',img.shape)7 print(\'rst.shape=\',rst.shape)
运行程序的结果如下:
img.shape=(600,60,3)rst.shape=(300,54,3)
可以看出,行数变为原来的0.5倍,列数变为原来的0.9倍。代码中size的行列位置发生了交换。
4.2 翻转
使用cv2.flip()函数对图像翻转,能够实现水平方向翻转、垂直方向翻转、两个方向同时翻转。
下面举例说明cv2.flip()函数的用法:
1 import cv22 img=cv2.imread(\'E:/python_opencv/tupian.jpg\')3 x=cv2.flip(img,0) #图x对原图像绕x轴翻转4 y=cv2.flip(img,1) #图y对原图像绕y轴翻转5 xy=cv2.flip(img,-1) #图xy对原图像绕x轴y轴同时翻转6 cv2.imshow(\'img\',img)7 cv2.imshow(\'x\',x)8 cv2.imshow(\'y\',y)9 cv2.imshow(\'xy\',xy)10 cv2.waitKey()11 cv2.destroyAllWindows()
程序运行结果如下四幅图,第一幅是原图,第二幅是绕x轴翻转,第三幅是绕y轴翻转,第四幅是绕x轴y轴同时翻转。
4.3 仿射
仿射变换是指图像实现平移、旋转等操作。
先设置一个变换矩阵M,然后使用cv2.warpAffine()函数对原图像和变换矩阵M进行仿射操作。
(一)平移
要实现图像的平移,我们先自定义一个转换矩阵,再进行仿射平移变换。例程如下:
1 import cv22 import numpy as np3 img=cv2.imread(\'E:\\python_opencv/tupian.jpg\')4 height,width=img.shape[:2] #读取原图像的长和宽5 x=100 #自定义转换矩阵M的x轴移动值6 y=200 #自定义转换矩阵M的y轴移动值7 M=np.float32([[1,0,x],[0,1,y]]) #构造转换矩阵M8 move=cv2.warpAffine(img,M,(width,height)) #平移映射9 cv2.imshow(\'orginal\',img)10 cv2.imshow(\'move\',move)11 cv2.waitKey()12 cv2.destroyAllWindows()
程序运行结果如下图所示,左为原图,右为平移后的图。
(二)旋转
使用函数cv2.getRotationMatrix2D()获得转移矩阵M,然后使用函数cv2.warpAffine()进行仿射旋转变换。例程如下:
1 import cv22 img=cv2.imread(\'E:\\python_opencv/tupian.jpg\')3 height,width=img.shape[:2] #读取原图像的长和宽4 M=cv2.getRotationMatrix2D((width/2,height/2),45,0.6) #以中心为原点,逆时针旋转45°,且缩小为原图的0.6倍,获得转移矩阵M5 rotate=cv2.warpAffine(img,M,(width,height)) #旋转映射6 cv2.imshow(\'original\',img)7 cv2.imshow(\'rotation\',rotate)8 cv2.waitKey()9 cv2.destroyAllWindows()
程序运行结果如下图所示,左为原图,右为旋转后的图。
4.4 透视
透视变换是指将矩阵图形投影到另一个视平面,可以映射为任意四边形,所以透视变换也被称为投影映射(ProjectionMapping),并不是字面意义上的“透视”。透视与上节的仿射不同,仿射可以将矩阵映射为任意平行四边形。
使用cv2.warpPerspective()函数实现透视变换。例程如下:
1 #完成图像透视2 import cv23 import numpy as np4 img=cv2.imread(\'E:/python_opencv/tupian.jpg\')5 rows,cols=img.shape[:2] #读取原图像的长和宽6 print(rows,cols)7 #生成旋转矩阵M8 pts1=np.float32([[150,50],[400,50],[60,450],[310,450]])9 pts2=np.float32([[50,50],[rows-50,50],[50,cols-50],[rows-50,cols-50]])10 M=cv2.getPerspectiveTransform(pts1,pts2)11 #使用函数cv2.warpPerspective()进行透视变换12 dst=cv2.warpPerspective(img,M,(cols,rows))13 cv2.imshow(\'img\',img)14 cv2.imshow(\'dst\',dst)15 cv2.waitKey()16 cv2.destroyAllWindows()
程序运行结果如下图所示,左为原图,右为透视变换的图。
我们可以看到,原图片经过透视映射后,变成另一个视角下的任意四边形了。
4.5 重映射
重映射是修改了像素点的位置,从而生成一幅新的图像,包括:复制、绕x轴y轴翻转,x轴y轴互换,图像缩放等。
均使用cv2.remap()重映射函数进行操作。
需要注意cv2.remap()中的两个参数mapx、mapy。mapx表示对应位置上x轴坐标值,mapy表示对应位置上y轴坐标值。
(一)复制
使用cv2.remap()函数完成图像复制,需先定义mapx,mapy的值,然后循环映射每个像素点到对应的位置上。
代码如下:
1 import cv22 import numpy as np3 img=cv2.imread(\'E:/python_opencv/tupian.jpg\')4 rows,cols=img.shape[:2] #读取行列数5 mapx=np.zeros(img.shape[:2],np.float32) #mapx参数设定为对应位置上的x轴坐标值6 mapy=np.zeros(img.shape[:2],np.float32) #mapy参数设定为对应位置上的y轴坐标值7 for i in range(rows): #对每个元素复制映射8 for j in range(cols):9 mapx.itemset((i,j),j)10 mapy.itemset((i,j),i)11 rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)12 cv2.imshow(\'original\',img)13 cv2.imshow(\'result\',rst)14 cv2.waitKey()15 cv2.destroyAllWindows()
执行后结果如下所示,可以看到,实现了图像的复制重映射。
(二)绕x轴翻转
重映射法对图像绕x轴翻转,表明mapx的值保持不变,mapy的值调整为总行数-1-当前行号,其余部分代码不变,所以循环体内代码变为:
1 for i in range(rows):2 for j in range(cols):3 mapx.itemset((i,j),j) #mapx的值保持不变4 mapy.itemset((i,j),rows-1-i) #mapy的值调整为总行数-1-当前行号
(三)绕y轴翻转
重映射法对图像绕y轴翻转,表明mapx的值调整为总行数-1-当前列号,mapy的值保持不变,所以循环体内代码变为:
1 for i in range(rows):2 for j in range(cols):3 mapx.itemset((i,j),cols-1-j) #mapx的值调整为总列数-1-当前列号4 mapy.itemset((i,j),i) #mapy的值保持不变
(四)绕x轴y轴翻转
重映射也能实现图像绕x轴和y轴的同时翻转,只需将前两个部分合并,使mapx的值调整为总行数-1-当前列号,mapy的值调整为总行数-1-当前行号。例程如下:
1 import cv22 import numpy as np3 img=cv2.imread(\'E:\\python_opencv/tupian.jpg\')4 rows,cols=img.shape[:2]5 mapx=np.zeros(img.shape[:2],np.float32)6 mapy=np.zeros(img.shape[:2],np.float32)7 for i in range(rows):8 for j in range(cols):9 mapx.itemset((i,j),cols-1-j) #mapx的值调整为总列数-1-当前列号10 mapy.itemset((i,j),rows-1-i) #mapy的值调整为总行数-1-当前行号11 rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)12 cv2.imshow(\'original\',img)13 cv2.imshow(\'result\',rst)14 cv2.waitKey()15 cv2.destroyAllWindows()
执行后结果如下所示,可以看到,实现了图像的绕x轴和y轴翻转重映射过程。
(五)x轴、y轴互换
重映射中,x轴、y轴互换表明,mapx的值变为所在行的行号,mapy的值变为所在列的列号。
但当行数和列数不一致时,行或列无法完成映射的部分就被处理为0。示例代码如下:
1 #使用函数cv2.remap()实现图像绕x轴和y轴的互换2 import cv23 import numpy as np4 img=cv2.imread(\'E:\\python_opencv/tupian.jpg\')5 rows,cols=img.shape[:2]6 mapx=np.zeros(img.shape[:2],np.float32)7 mapy=np.zeros(img.shape[:2],np.float32)8 for i in range(rows):9 for j in range(cols):10 mapx.itemset((i,j),i) #mapx的值变为所在行的行号11 mapy.itemset((i,j),j) #mapy的值变为所在列的列号12 rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)13 cv2.imshow(\'original\',img)14 cv2.imshow(\'result\',rst)15 cv2.waitKey()16 cv2.destroyAllWindows()
结果如图:
可以看到,列数多于行数的部分被置为0(黑色)。
(六)图像的缩放
重映射提供了cv2.remap()函数能够实现图像的放大或缩小。处理图像后,可以将图像固定在围绕其中心的某个区域。
下面例程中,x轴和y轴均缩小为原来的0.25-0.75倍之间。
1 import cv22 import numpy as np3 img=cv2.imread(\'E:\\python_opencv/tupian.jpg\')4 rows,cols=img.shape[:2]5 mapx=np.zeros(img.shape[:2],np.float32)6 mapy=np.zeros(img.shape[:2],np.float32)7 for i in range(rows):8 for j in range(cols):9 if 0.25*cols < i < 0.75*cols and 0.25*rows < i < 0.75*rows:10 #在目标图像的x轴(0.25-0.75)倍之内生成缩小图像11 mapx.itemset((i,j),2*(j-0.25*cols)+0.5)12 #在目标图像的y轴(0.25-0.75)倍之内生成缩小图像13 mapy.itemset((i,j),2*(i-rows*0.25)+0.5)14 else:15 #不在上述区域的点都取(0,0)坐标点的值16 mapx.itemset((i,j),0)17 mapy.itemset((i,j),0)18 rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR) #图像缩放重映射19 cv2.imshow(\'original\',img)20 cv2.imshow(\'result\',rst)21 cv2.waitKey()22 cv2.destroyAllWindows()
图像缩放重映射结果如下:
这次内容就分享到这里了,下次继续更新第5章 图像阈值处理,希望与各位老师和小伙伴们交流学习~