python图形图像处理,python图像转换为矩阵
本文将详细讲解图像的几何变换，包括图像平移、图像缩放和图像旋转。文章中的示例代码解释得很详细，感兴趣的朋友可以向边肖学习。
目录
一、图像几何变换二。图片翻译三。图像缩放IV。图像旋转与摘要
一.图像几何变换
图像的几何变换并不改变图像的像素值，而是在图像平面上进行像素变换。适当的几何变换可以最大程度的消除成像角度、透视关系甚至镜头本身带来的几何畸变的负面影响。几何变换经常被用作图像处理应用中的预处理步骤，是图像归一化的核心任务之一[1]。
几何变换需要两个操作：
空间变换：包括平移、缩放、旋转和正平行投影等。这是表示输出图像和输入图像之间的像素映射关系所需要的。
灰度插值算法：根据这种变换关系，输出图像的像素可能映射到输入图像的非整数坐标上[2]。
在图像变换过程中，几何变换会在原始图像像素和变换后的图像像素之间建立映射关系。通过这种关系，一个像素的坐标位置可以从另一个像素计算出来。通常，将图像坐标映射到输出的过程称为前向映射，而将输出图像映射到输入的过程称为后向映射。向后映射在实践中被广泛使用，因为它可以避免使用向前映射时的不完全映射和重叠映射的问题。
图6-1显示了一个图像放大的例子。右图中只有四个坐标(0，0)、(0，2)、(2，0)、(2，2)根据映射关系在原图像中找到了对应的像素，其余12个坐标没有有效值[3]。
对于数字图像，像素的坐标是离散的非负整数，但在变换过程中可能会产生浮点坐标值。这是图像处理中的无效坐标。为了解决这个问题，需要插值算法。常见算法如下：
最近邻插值双线性插值双三次插值图像变换是基于矩阵运算的，通过矩阵运算可以快速找到对应关系。在本文中，我们将介绍图像的常见几何变换，包括图形平移、图像缩放、图像旋转、图像镜像、图像仿射、图像透视等。
二.图像平移
图像平移就是按照给定的平移量水平或垂直移动图像中的所有像素。假设原像素的位置坐标为(x0，y0)，平移量(x，y)后，坐标变为(x1，y1)，如图6-2 [3-5]所示。
用数学公式表示为公式(6-1)。
矩阵表示如公式(6-2)所示：
公式中，矩阵称为平移变换矩阵或因子，x和y称为平移量。图像平移首先定义平移矩阵M，然后调用warpAffine()函数实现平移。核心功能如下：
M=np.float32([[1，0，x]，[0，1，y]])
M代表平移矩阵，其中X代表水平平移，Y代表垂直平移。
shift=cv2 . warpaffine(src，M，dsize[，dst[，flags[，borderMode[，borderValue]]])
src表示原始图像。
m表示转换矩阵。
DSize表示转换后的输出图像的大小。
DST是输出图像，大小为dsize，类型与src相同。
标志表示插值方法的组合和可选值。
border value表示像素外推。当borderMode=BORDER_TRANSPARENT时，意味着目标图像中的像素不会修改源图像中的“离群点”。
边界为常数时使用BorderValue，默认情况下为0。
下面的代码是图像转换的一个简单例子。它定义了图像平移矩阵M，然后调用warpAffine()函数将原始图像垂直向下平移50像素，水平向右平移100像素。
# -*-编码：utf-8 -*-
# By:伊斯特蒙特
导入cv2
将numpy作为np导入
#阅读图片
src=cv2 . im read( scene . png )
#图像转换矩阵
M=np.float32([[1，0，100]
, [0, 1, 50]])
#获取原始图像列数和行数
rows, cols = src.shape[:2]
#图像平移
result = cv2.warpAffine(src, M, (cols, rows))
#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如图6-3所示：
下面一个案例是将图像分别向下、向上、向右、向左平移，再调用matplotlib绘图库依次绘制的过程。
# -*- coding:utf-8 -*-# By：Eastmount
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread(scenery.png)
image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#图像平移
#垂直方向 向下平移100
M = np.float32([[1, 0, 0], [0, 1, 100]])
img1 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
#垂直方向 向上平移100
M = np.float32([[1, 0, 0], [0, 1, -100]])
img2 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
#水平方向 向右平移100
M = np.float32([[1, 0, 100], [0, 1, 0]])
img3 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
#水平方向 向左平移100
M = np.float32([[1, 0, -100], [0, 1, 0]])
img4 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
#循环显示图形
titles = [ Image1, Image2, Image3, Image4]
images = [img1, img2, img3, img4]
for i in range(4):
plt.subplot(2,2,i+1), plt.imshow(images[i], gray)
plt.title(titles[i])
plt.xticks([]),plt.yticks([])
plt.show()
输出结果如图6-4所示，它从四个方向都进行了平移，并且调用subplot()函数将四个子图绘制在一起。
三.图像缩放
图像缩放（image scaling）是指对数字图像的大小进行调整的过程。在Python中，图像缩放主要调用resize()函数实现，函数原型如下：
result = cv2.resize(src, dsize[, result[. fx[, fy[, interpolation]]]])
– src表示原始图像
– dsize表示图像缩放的大小
– result表示图像结果
– fx表示图像x轴方向缩放大小的倍数
– fy表示图像y轴方向缩放大小的倍数
– interpolation表示变换方法。CV_INTER_NN表示最近邻插值；CV_INTER_LINEAR表示双线性插值（缺省使用）；
CV_INTER_AREA表示使用像素关系重采样，当图像缩小时，该方法可以避免波纹出现，当图像放大时，类似于CV_INTER_NN；
CV_INTER_CUBIC表示立方插值
常见的图像缩放两种方式如下所示，第一种方式是将原图像设置为(160, 160)像素大小，第二种方式是将原始图像缩小为0.5倍。
- result = cv2.resize(src, (160,160))
- result = cv2.resize(src, None, fx=0.5, fy=0.5)
设(x1, y1)是缩放后的坐标，(x0, y0)是缩放前的坐标，sx、sy为缩放因子，则图像缩放的计算公式（6-3）所示：
下面是Python实现图像缩放的代码，它将所读取的风景图像进行缩小。
# -*- coding:utf-8 -*-# By：Eastmount
import cv2
import numpy as np
#读取图片
src = cv2.imread(scenery.png)
#图像缩放
result = cv2.resize(src, (200,100))
print(result.shape)
#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果如图6-5所示，图像缩小为(100, 200, 3)像素。注意，代码中调用函数 cv2.resize(src, (200,100)) 设置新图像大小dsize的列数为200，行数为100。
下面讲解另一种图像缩放变换的方法，通过原始图像像素乘以缩放系数进行图像变换，代码如下：
# -*- coding:utf-8 -*-# By：Eastmount
import cv2
import numpy as np
#读取图片
src = cv2.imread(scenery.png)
rows, cols = src.shape[:2]
print(rows, cols)
#图像缩放 dsize(列,行)
result = cv2.resize(src, (int(cols*0.6), int(rows*1.2)))
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()
获取图片scenery.png的元素像素值，其rows值为384，cols值为512，接着进行宽度缩小0.6倍、高度放大1.2倍的处理，运行前后对比效果如图6-6所示。
最后讲解调用(fx,fy)参数设置缩放倍数的方法，对原始图像进行放大或缩小操作。下面代码是fx和fy方向缩小至原始图像0.3倍的操作。
# -*- coding:utf-8 -*-# By：Eastmount
import cv2
import numpy as np
#读取图片
src = cv2.imread(scenery.png)
rows, cols = src.shape[:2]
print(rows, cols)
#图像缩放
result = cv2.resize(src, None, fx=0.3, fy=0.3)
#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
输出的结果如图6-7所示，这是按比例0.3×0.3缩小的。
四.图像旋转
图像旋转是指图像以某一点为中心旋转一定的角度，形成一幅新的图像的过程。图像旋转变换会有一个旋转中心，这个旋转中心一般为图像的中心，旋转之后图像的大小一般会发生改变。图6-8表示原始图像的坐标(x0, y0)旋转至(x1, y1)的过程。
旋转公式如（6-4）所示，其中(m,n)是旋转中心，a是旋转的角度，(left,top)是旋转后图像的左上角坐标。
图像旋转变换主要调用getRotationMatrix2D()函数和warpAffine()函数实现，绕图像的中心旋转，函数原型如下：
M = cv2.getRotationMatrix2D(center, angle, scale)
– center表示旋转中心点，通常设置为(cols/2, rows/2)
– angle表示旋转角度，正值表示逆时针旋转，坐标原点被定为左上角
– scale表示比例因子
rotated = cv2.warpAffine(src, M, (cols, rows))
– src表示原始图像
– M表示旋转参数，即getRotationMatrix2D()函数定义的结果
– (cols, rows)表示原始图像的宽度和高度
实现代码如下所示：
# -*- coding:utf-8 -*-# By：Eastmount
import cv2
import numpy as np
#读取图片
src = cv2.imread(scenery.png)
#源图像的高、宽 以及通道数
rows, cols, channel = src.shape
#绕图像的中心旋转
#函数参数：旋转中心 旋转度数 scale
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
#函数参数：原始图像 旋转参数 元素图像宽高
rotated = cv2.warpAffine(src, M, (cols, rows))
#显示图像
cv2.imshow("src", src)
cv2.imshow("rotated", rotated)
#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()
显示效果如图6-9所示，绕图像中心点逆时针旋转30度。
五.总结
本章主要讲解Python和OpenCV的图像几何变换，详细介绍了图像平移、图像缩放和图像旋转，这些知识点也是我们PC端或手机端图像处理应用常见的算法，读者可以尝试结合这些应用完成一套图像处理软件。
以上就是Python图像处理之几何变换的详细内容，更多关于Python图像几何变换的资料请关注盛行IT软件开发工作室其它相关文章！
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。