opencv 变换,opencv 图像变换
几何变换几何变换是指将一幅图像映射成另一幅图像的操作。
使用缩放功能cv2.resize()缩放图像。
DST=CV2.resize (src，dsize [，fx [，fy [，interpolation]]) DST表示输出目标图像，与src类型相同，大小为dsize(值不为零时)，也可以通过src.size()，fx，fy计算。Src表示要缩放的原始图像，dsize表示输出图像大小。Fx代表水平比例。Fy代表垂直比例。
在cv2.resize()函数中，目标图像的大小可以通过“参数dsize”或“参数fx和fy”之一来指定，如下所述。
1:由参数dsize指定。
如果指定了参数dsize的值，则无论是否指定了参数fx和fy的值，目标图像的大小都由参数dsize确定。
dsize中的第一个参数对应于缩放图像的宽度(宽度，即列cols的数量，与参数fx相关)，第二个参数对应于缩放图像的高度(高度，即行，与参数fy相关)
当指定参数dsize的值时，X方向上的缩放大小(参数fx)是：(双倍)dsize.width/src.cols.同时，Y方向上的缩放大小(参数fy)是：
(double)dsize.height/src.rows情况2:由参数fx和fy指定
如果参数dsize的值为None，则目标图像的大小由参数fx和fy确定。此时，目标图像的大小为：
dsize=Size(round(fx*src.cols)，round(fy*src.rows))
目标图像dst的最终大小和类型由src、dsize、fx和fy指定。
插值代表插值方法
插值是指在对图像进行几何处理时，将值赋给无法直接通过映射得到值的像素。
目标图像中的这个像素点无法对应到原始图像中的某个特定位置，所以需要对这些像素进行插值来完成映射。缩小图像时，INTER_AREA插值可以得到最好的效果。在放大图像时，三次样条插值(INTER_CUBIC)和双线性插值(INTER_LINEAR)都能达到很好的效果。三次样条插值比较慢，双线性插值比较快，效果也不逊色。
例子
使用函数cv2.resize()简单地缩放数组。
导入cv2
将numpy作为np导入
img=np.ones([2，4，3]，dtype=np.uint8)
size=img.shape[:2]
rst=cv2.resize(img，size)
print(img.shape=\n ，img.shape)
print(img=\n ，img)
print(rst.shape=\n ，rst.shape)
打印( rst=\n ，rst)注释
目标图像中的行数是原始图像中的列数。目标图像中的列数就是原始图像中的行数。函数cv2.resize()中的dsize参数与图像形状属性在行和列的顺序上不一致。
在shape属性中，第一个值对应于行数，第二个值对应于列数。在dsize参数中，第一个值对应于列数，第二个值对应于行数。使用cv2.resize()函数时，要特别注意参数dsize的属性顺序。
例子
使用函数cv2.resize()完成简单的图像缩放。导入cv2
img=cv2.imread(lena.jpg )
rows，cols=img.shape[:2]
size=(int(cols*0.9)，int(rows*0.5))
rst=cv2.resize(img，size)
print(img.shape=，img.shape)
Print(rst.shape=，rst.shape)控制函数cv2.resize()的fx和fy参数，完成图像缩放导入cv2。
img=cv2.imread(lena.jpg )
rst=cv2.resize(img，None，fx=2，fy=0.5)
print(img.shape=，img.shape)
打印( rst。shape=，rst。shape) FX水平缩放，fy垂直缩放。图像的翻转由函数cv2.flip()实现
该功能可以实现水平方向、垂直方向以及同时两个方向的图像翻转。
Dst=cv2.flip( src，flipCode )dst表示与原始图像大小和类型相同的目标图像。Src表示要处理的原始图像。flipCode表示旋转类型。
在这个函数中，目标像素和原始像素之间的关系可以表示为一个例子。
使用函数cv2.flip()翻转图像。
导入cv2
img=cv2.imread(lena.jpg )
x=cv2.flip(img，0)
y=cv2.flip(img，1)
xy=cv2.flip(img，-1)
cv2.imshow(img ，img)
cv2.imshow(x ，x)
cv2.imshow(y ，y)
cv2.imshow(xy ，xy)
cv2.waitKey()
2.cv2.destroyAllWindows()仿射仿射变换是指一幅图像可以通过一系列的几何变换进行平移、旋转等操作。
这种变换可以保持图像的平坦度和平行度。
直线性是指图像经过仿射变换后，直线仍然是直线；平行性是指图像的仿射变换完成后，平行线仍然是平行线。
OpenCV中的仿射函数是cv2.warpAffine()，通过变换矩阵(映射矩阵)M进行变换，具体为：
Dst (x，y)=src (M11x M12YM13，M21x M22YM23)通过变换矩阵m将原图像O变换为仿射图像R。
仿射函数cv2.warpAffine()用于变换图像。该函数的语法格式如下：
DST=CV2。Warpaffine (src，m，dsize [，flags [，border mode [，border value]]) DST表示仿射输出图像，与原始图像具有相同的类型。Dsize决定了输出图像的实际大小。Src将原始图像表示为仿射的。m表示一个23的变换矩阵。不同的仿射变换可以通过使用不同的变换矩阵来实现。Dsize表示输出图像的大小。Flags代表插值方法，默认为INTER_LINEAR。当值为WARP_INVERSE_MAP时，表示M为逆变换类型，实现了从目标图像dst到原始图像src的逆变换。BorderMode表示边缘类型，默认值为BORDER_CONSTANT。当值为BORDER_TRANSPARENT时，表示目标图像中的值没有变化，这些值对应的是原始图像中的异常值。BorderValue表示边界值，默认情况下为0。利用OpenCV中的函数cv2.warpAffine()实现仿射变换。忽略其可选参数后的语法格式为：
Dst=cv2.warpAffine( src，M，dsize ),其通过转换矩阵M:
Dst (x，y)=src (M11x M12M2YM13，M21x M22YM23)仿射变换完全依赖于变换矩阵m。
将翻译后的原图像src向右移动100像素，向下移动200像素，对应关系为：
Dst (x，y)=src (x 100，y 200)完成上述表达式，即：
Dst (x，y)=src (1 x 0 y 100，0 x 1 y 200)可以确定对应变换矩阵M中每个元素的值如下：
例子
图像翻译
导入cv2
将numpy作为np导入
img=cv2.imread(lena.jpg )
高度，宽度=img.shape[:2]
x=100
y=200
M=np.float32([[1，0，x]，[0，1，y]])
move=cv2.warpAffine(img，M，(width，height))
cv2.imshow(原始，img)
cv2.imshow(move ，move)
cv2.waitKey()
2.cv2.getRotationMatrix2D()可用于通过旋转destructionWindows()函数来获取变换矩阵。该函数的语法格式为：
retval=cv2 . getrotationmatrix 2d(Center，angle，scale) Center是旋转的中心点。Angle是旋转角度，正数表示逆时针旋转，负数表示顺时针旋转。Scale是变换比例(缩放大小)。如果要将图像的中心作为一个点，逆时针旋转45，将目标图像缩小到原图像的0.6倍，调用函数cv2.getRotationMatrix2D()生成变换矩阵M时使用的语句是：
m=cv2 . getrotationmatrix 2d((width/2，height/2)，45，0.6)示例
图像旋转
导入cv2
img=cv2.imread(lena.jpg )
高度，宽度=img.shape[:2]
M=cv2.getRotationMatrix2D((宽度/2，高度/2)，45，0.6)
rotate=cv2.warpAffine(img，M，(width，height))
cv2.imshow(原始，img)
cv2.imshow(rotation ，rotate)
cv2.waitKey()
2.cv2.destroyAllWindows()的更复杂的仿射变换。对于更复杂的仿射变换，OpenCV提供了函数cv2.getAffineTransform()来生成仿射函数cv2.warpAffine()使用的变换矩阵M。
该函数的语法格式为：
retval=cv2 . getaffinettransform(src，dst) src表示输入图像三点的坐标。Dst表示输出图像的三个点的坐标。值src和dst是包含三个二维数组(x，y)点的数组。
指原始图像和目标图像中平行四边形的三个顶点(左上角、右上角和左下角)。
以上参数通过函数cv2.getAffineTransform()定义了两个平行四边形。
而src和dst中的三个点分别对应平行四边形的左上角、右上角和左下角。
函数cv2.warpAffine()采用由函数cv2.getAffineTransform()获得的变换矩阵M
函数cv2.getAffineTransform()完成指定点的映射后，根据指定点的关系计算确定所有其他点的映射关系。
导入cv2
将numpy作为np导入
img=cv2.imread(lena.bmp )
rows，cols，ch=img.shape
p1=np.float32([[0，0]，[列-1，0]，[0，行-1]])
p2=np.float32([[0，行*0.33]，[列*0.85，行*0.25]，[列*0.15，行*0.7]])
M=cv2.getAffineTransform(p1，p2)
dst=cv2.warpAffine(img，M，(cols，rows))
cv2 . im show( original ，img)
cv2.imshow(result ，dst)
cv2.waitKey()
CV2。破坏性地Windows()透视仿射变换可以将矩形映射到任何平行四边形透视变换，而它可以将矩形映射到任何四边形透视变换。透视变换是通过函数cv2.warpPerspective()实现的
DST=CV2.warp perspective (src，m，dsize [，flags [，border mode [，border value]]) DST表示透视处理后的输出图像，与原图像类型相同。Dsize决定了输出图像的实际大小。Src表示要透视的图像。m表示一个33的变换矩阵。Dsize表示输出图像的大小。Flags代表插值方法，默认为INTER_LINEAR。当该值为WARP_INVERSE_MAP时，表示M为逆变换类型，可以实现从目标图像dst到原始图像src的逆变换。BorderMode表示边缘类型，默认值为BORDER_CONSTANT。当值为BORDER_TRANSPARENT时，表示目标图像中的值没有变化，这些值对应的是原始图像中的异常值。BorderValue表示边界值，默认情况下为0。与仿射变换一样，您也可以使用函数来生成函数cv2.warpPerspective()使用的变换矩阵。
该函数为cv2.getPerspectiveTransform()，其语法格式为：
Retval=CV2。GetPerspectiveTransform (src，dst) src表示输入图像的四个顶点的坐标。Dst表示输出图像的四个顶点的坐标。src参数和dst参数是包含四个点的数组，与仿射变换函数cv2.getAffineTransform()中的三个点不同。
图像透视
导入cv2
将numpy作为np导入
img=cv2.imread(demo.bmp )
rows，cols=img.shape[:2]
pts1=np.float32([[150，50]、[400，50]、[60，450]、[310，450]])
pts2=np.float32([[50，50]，[行-50，50]，[50，列-50]，[行-50，列-50]])
m=cv2 . getperspective transform(pt S1，pts2)
dst=cv2.warpPerspective(img，M，(cols，rows))
cv2.imshow(img ，img)
cv2.imshow(dst ，dst)
cv2.waitKey()
2.cv2.destroyAllWindows()重映射将一个图像中的像素放置到另一个图像中的指定位置。这个过程称为重新映射。
OpenCV中的重映射函数cv2.remap()具有以下语法格式：
DST=CV2.remap (src，map1，map2，interpolation [，border mode [，border value]]) DST表示目标图像，其大小和类型与src相同。Src代表原始图像。1 map参数有两个可能的值：代表(x，y)点的map。CV_16SC2，CV_32FC1，CV_32FC2类型的点的x值(x，y)。map参数2也有两个可能的值：当map1表示(x，y)时，值为空。当map1表示(x，y)点的x值时，就是CV_16UC1，CV_32FC1型(x，y)点的y值。
Map1、map2不仅可以表示一个点，还可以表示多个点。
Interpolation代表插值方法，这里不支持INTER_AREA方法。
BorderMode代表边框模式。当值为BORDER_TRANSPARENT时，表示目标图像和相应源图像中异常值的像素将不会被修改。BorderValue表示边界值，默认为0。了解映射参数
重新映射通过修改像素的位置来获得新的图像。
在构造新图像时，需要确定新图像中每个像素在原始图像中的位置。因此，映射函数的作用是寻找新图像像素在原图像中的位置，这是将新图像像素映射到原图像的过程，所以称为逆映射。
参数map1和参数map2用于解释反向映射x，map2指坐标x，map2指坐标Y.map1和map2的值是浮点数。因此，目标图像可以被映射回非整数值，这意味着目标图像可以被“反向映射”到原始图像中两个像素之间的位置(这里没有像素值)。可以用不同的方法实现插值，函数中的插值参数可以控制插值方法。
由于参数map1和参数map2的值都是浮点数，函数cv2 . re map()可以实现的映射关系变得更加任意，可以通过自定义映射参数实现不同形式的映射。
函数cv2.remap()中的参数map1是指像素所在的列号，参数map2是指像素所在的行号。
例如，如果要将目标图像(映射结果图像)中的A点映射到原始图像中的像素点B，需要将A点对应的参数map1的值设置为3，将参数map2的值设置为0。所以一般来说，map1写成mapx，map2写成mapy。
如果要将目标图像(映射结果图像)中的所有像素映射到原始图像中的像素B，需要将参数map1中的所有值设置为3，将参数map2中的所有值设置为0。
如果要将目标图像(映射结果图像)中的所有像素映射到原始图像中的像素B，需要将参数map1中的所有值设置为3，将参数map2中的所有值设置为0。
例子
将目标阵列中的所有像素映射到原始图像的第0行和第3列中的像素，
您可以确定：
用于指定列的参数map1(mapx)中的值都是3。用于指定行的参数map2(mapy)中的值都是0。导入cv2
将numpy作为np导入
img=np.random.randint(0，256，size=[4，5]，dtype=np.uint8)
rows，cols=img.shape
mapx=np.ones(img.shape，np.float32)*3
mapy=np.ones(img.shape，np.float32)*0
rst=cv2.remap(img，mapx，mapy，cv2。INTER _线性)
print(img=\n ，img)
print(mapx=\n ，mapx)
print(mapy=\n ，mapy)
print(rst=\n ，rst)
#目标图像(数组)dst中的所有值都是从原始图像的第0行第3列中的像素值252导出的。复制此功能可复制图像。
映射时，按如下方式处理参数：
将map1的值设置为相应位置的x轴坐标值。将map2的值设置为相应位置的y轴坐标值。导入cv2
导入cv2
将numpy作为np导入
img=cv2.imread(img\\lena.jpg )
rows，cols=img.shape[:2]
mapx=np.zeros(img.shape[:2]，np.float32)
mapy=np.zeros(img.shape[:2]，np.float32)
对于范围内的I(行):
对于范围内的j(列):
mapx.itemset((i，j)，j)
mapy.itemset((i，j)，I)
rst=cv2.remap(img，mapx，mapy，cv2。INTER _线性)
cv2.imshow(原始，img)
cv2.imshow(result ，rst)
cv2.waitKey()
2.cv2.destroyAllWindows()绕X轴翻转。如果您希望图像围绕X轴翻转，这意味着在贴图过程中：
x轴的值保持不变。y轴的值与作为对称轴的x轴交换。反映在地图1和地图2中：
map1的值保持不变。map2的值调整为“总行号-1-当前行号”。导入cv2
将numpy作为np导入
img=cv2.imread(img\\lena.jpg )
rows，cols=img.shape[:2]
mapx=np.zeros(img.shape[:2]，np.float32)
mapy=np.zeros(img.shape[:2]，np.float32)
对于范围内的I(行):
对于范围内的j(列):
mapx.itemset((i，j)，j)
mapy.itemset((i，j)，rows-1-i)
rst=cv2.remap(img，mapx，mapy，cv2。INTER _线性)
cv2.imshow(原始，img)
cv2.imshow(result ，rst)
cv2.waitKey()
2.cv2.destroyAllWindows()绕y轴翻转。如果您希望图像围绕y轴翻转，这意味着在贴图过程中：
y轴的值保持不变。x轴的值与作为对称轴的y轴交换。反映在地图1和地图2中：
map2的值保持不变。map1的值调整为“总列数-1-当前列数”。导入cv2
将numpy作为np导入
img=cv2.imread(img\\lena.jpg )
rows，cols=img.shape[:2]
mapx=np.zeros(img.shape[:2]，np.float32)
mapy=np.zeros(img.shape[:2]，np.float32)
对于范围内的I(行):
对于范围内的j(列):
mapx.itemset((i，j)，cols-1-j)
mapy.itemset((i，j)，I)
rst=cv2.remap(img，mapx，mapy，cv2。INTER _线性)
cv2.imshow(原始，img)
cv2.imshow(result ，rst)
cv2.waitKey()
2.cv2.destroyAllWindows()围绕x轴和y轴翻转x轴的值，并以y轴为对称轴进行交换。y轴的值与作为对称轴的x轴交换。反映在地图1和地图2中：
map1的值调整为“总列数-1-当前列数”。map2的值调整为“总行号-1-当前行号”。导入cv2
将numpy作为np导入
img=cv2.imread(img\\lena.jpg )
rows，cols=img.shape[:2]
mapx=np.zeros(img.shape[:2]，np.float32)
mapy=np.zeros(img.shape[:2]，np.float32)
对于范围内的I(行):
对于范围内的j(列):
mapx.itemset((i，j)，cols-1-j)
mapy.itemset((i，j)，rows-1-i)
rst=cv2.remap(img，mapx，mapy，cv2。INTER _线性)
cv2.imshow(原始，img)
cv2.imshow(result ，rst)
cv2.waitKey()
2.破坏性的Windows () X轴和Y轴互换。如果要互换图像的X轴和Y轴，就意味着对于贴图过程中的任意一点，其X轴和Y轴坐标都需要互换。
反映在mapx和mapy上：
mapx的值被调整到该行的行号。mapy的值调整为该列的列号。
如果行数和列数不一致，可能会出现在上述操作中无法映射值的情况。默认情况下，无法映射的值被视为0。
导入cv2
将numpy作为np导入
img=cv2.imread(img\\lena.jpg )
rows，cols=img.shape[:2]
mapx=np.zeros(img.shape[:2]，np.float32)
mapy=np.zeros(img.shape[:2]，np.float32)
对于范围内的I(行):
对于范围内的j(列):
mapx.itemset((i，j)，I)
mapy.itemset((i，j)，j)
rst=cv2.remap(img，mapx，mapy，cv2。INTER _线性)
cv2.imshow(原始，img)
cv2.imshow(result ，rst)
cv2.waitKey()
2.cv2.remap()图像缩放使用函数CV2.remap()缩小图像。
图像缩小后，可以固定在其中心周围的区域。
在目标图像的x轴(0.25x轴长度，0.75x轴长度)区间中生成缩小图像；x轴其余部分中的点是从x轴上任意点的值中采样的。在目标图像的y轴(0.25 y y轴长度，0.75 y y轴长度)区间中生成缩小图像；Y轴其余部分中的点是从Y轴上的任意点采样的。
为便于处理，不在上述区域的点取(0，0)坐标点的值。
导入cv2
将numpy作为np导入
img=cv2.imread(img\\lena.jpg )
rows，cols=img.shape[:2]
mapx=np.zeros(img.shape[:2]，np.float32)
mapy=np.zeros(img.shape[:2]，np.float32)
对于范围内的I(行):
对于范围内的j(列):
如果0.25 *列i 0.75 *列和0.25 *行j 0.75 *行：
Mapx.itemset ((i，j)，2 *(j-cols * 0.25)0.5)# x1 x(x:0，x1:0.25) (x:1，x1:0.75)的映射函数
mapy.itemset((i，j)，2*( i行*0.25 ) 0.5)
否则：
mapx.itemset((i，j)，0)
mapy.itemset((i，j)，0)
rst=cv2.remap(img，mapx，mapy，cv2。INTER _线性)
cv2.imshow(原始，img)
cv2.imshow(result ，rst)
cv2.waitKey()
cv2.destroyAllWindows()
风暴中的白杨
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。