5

Python图像处理|带你掌握图像几何变换

 2 years ago
source link: https://blog.51cto.com/u_15558033/5606911
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

Python图像处理|带你掌握图像几何变换

精选 原创

苦糖? 2022-08-22 09:21:42 ©著作权

文章标签 透视变换 仿射变换 显示图像 文章分类 Java 编程语言 yyds干货盘点 阅读数192

一、图像仿射变换

图像仿射变换又称为图像仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。通常图像的旋转加上拉升就是图像仿射变换，仿射变换需要一个 M 矩阵实现，但是由于仿射变换比较复杂，很难找到这个 M 矩阵.

OpenCV 提供了根据变换前后三个点的对应关系来自动求解 M 的函数 ——cv2.getAffineTransform (pos1,pos2)，其中 pos1 和 pos2 表示变换前后的对应位置关系，输出的结果为仿射矩阵 M，接着使用函数 cv2.warpAffine () 实现图像仿射变换。图 5-14 是仿射变换的前后效果图。

Python图像处理|带你掌握图像几何变换_透视变换

图像仿射变换的函数原型如下：

M = cv2.getAffineTransform(pos1,pos2)

  • pos1 表示变换前的位置
  • pos2 表示变换后的位置

cv2.warpAffine(src, M, (cols, rows))

  • src 表示原始图像
  • M 表示仿射变换矩阵
  • (rows,cols) 表示变换后的图像大小，rows 表示行数，cols 表示列数

实现代码如下所示：

#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
src = cv2.imread('test.bmp')
#获取图像大小
rows, cols = src.shape[:2]
#设置图像仿射变换矩阵
pos1 = np.float32([[50,50], [200,50], [50,200]])
pos2 = np.float32([[10,100], [200,50], [100,250]])
M = cv2.getAffineTransform(pos1, pos2)
#图像仿射变换
result = cv2.warpAffine(src, M, (cols, rows))
#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)
#等待显示
输出效果图如下所示：
Python图像处理|带你掌握图像几何变换_透视变换_02
二、图像透视变换
图像透视变换（Perspective
 Transformation）的本质是将图像投影到一个新的视平面，同理 OpenCV 通过函数 
cv2.getPerspectiveTransform (pos1,pos2) 构造矩阵 M，其中 pos1 和 pos2 分别表示变换前后的 4
 个点对应位置。得到 M 后在通过函数 cv2.warpPerspective (src,M,(cols,rows)) 进行透视变换。
图像透视变换的函数原型如下：
M = cv2.getPerspectiveTransform(pos1, pos2)
  • pos1 表示透视变换前的 4 个点对应位置
  • pos2 表示透视变换后的 4 个点对应位置
cv2.warpPerspective(src,M,(cols,rows))
  • src 表示原始图像
  • M 表示透视变换矩阵
  • (rows,cols) 表示变换后的图像大小，rows 表示行数，cols 表示列数
代码如下：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
src = cv2.imread('test01.jpg')
#获取图像大小
rows, cols = src.shape[:2]
#设置图像透视变换矩阵
pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]])
pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]])
M = cv2.getPerspectiveTransform(pos1, pos2)
#图像透视变换
result = cv2.warpPerspective(src, M, (190, 272))
#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)
#等待显示
输出结果如下图所示：
Python图像处理|带你掌握图像几何变换_透视变换_03
三、基于图像透视变换的图像校正
下面参考 ​ ​t6_17 大神​​ 的文章，通过图像透视变换实现图像校正功能。
假设现在存在一张 A4 纸图像，现在需要通过调用图像透视变换校正图像。
Python图像处理|带你掌握图像几何变换_显示图像_04
代码如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
src = cv2.imread('test01.jpg')
#获取图像大小
rows, cols = src.shape[:2]
#将源图像高斯模糊
img = cv2.GaussianBlur(src, (3,3), 0)
#进行灰度化处理
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#边缘检测（检测出图像的边缘信息）
edges = cv2.Canny(gray,50,250,apertureSize = 3)
cv2.imwrite("canny.jpg", edges)
#通过霍夫变换得到A4纸边缘
lines = cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength=90,maxLineGap=10)
#下面输出的四个点分别为四个顶点
for x1,y1,x2,y2 in lines[0]:
 print(x1,y1),(x2,y2)
for x1,y1,x2,y2 in lines[1]:
 print(x1,y1),(x2,y2)
#绘制边缘
for x1,y1,x2,y2 in lines[0]:
    cv2.line(gray, (x1,y1), (x2,y2), (0,0,255), 1)
#根据四个顶点设置图像透视变换矩阵
pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]])
pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]])
M = cv2.getPerspectiveTransform(pos1, pos2)
#图像透视变换
result = cv2.warpPerspective(src, M, (190, 272))
#显示图像
cv2.imshow("original", src)
cv2.imshow("result", result)
#等待显示
运行结果如下图所示：
Python图像处理|带你掌握图像几何变换_仿射变换_05
Python图像处理|带你掌握图像几何变换_透视变换_06
四、图像几何变换总结
最后补充图像几何代码所有变换，希望读者能体会下相关的代码，并动手实践下。输出结果以女神为例：
Python图像处理|带你掌握图像几何变换_显示图像_07
完整代码如下：
#encoding:utf-8
import cv2  
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('test3.jpg')
image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#图像平移矩阵
M = np.float32([[1, 0, 80], [0, 1, 30]])
rows, cols = image.shape[:2]
img1 = cv2.warpAffine(image, M, (cols, rows))
#图像缩小
img2 = cv2.resize(image, (200,100))
#图像放大
img3 = cv2.resize(image, None, fx=1.1, fy=1.1)
#绕图像的中心旋转
#源图像的高、宽 以及通道数
rows, cols, channel = image.shape
#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
img4 = cv2.warpAffine(image, M, (cols, rows))
#图像翻转
img5 = cv2.flip(image, 0) #参数=0以X轴为对称轴翻转 
img6 = cv2.flip(image, 1) #参数>0以Y轴为对称轴翻转
#图像的仿射
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv2.getAffineTransform(pts1,pts2)
img7 = cv2.warpAffine(image, M, (rows,cols))
#图像的透射
pts1 = np.float32([[56,65],[238,52],[28,237],[239,240]])
pts2 = np.float32([[0,0],[200,0],[0,200],[200,200]])
M = cv2.getPerspectiveTransform(pts1,pts2)
img8 = cv2.warpPerspective(image,M,(200,200))
#循环显示图形
titles = [ 'source', 'shift', 'reduction', 'enlarge', 'rotation', 'flipX', 'flipY', 'affine', 'transmission'] 
images = [image, img1, img2, img3, img4, img5, img6, img7, img8] 
for i in xrange(9): 
 plt.subplot(3, 3, i+1), plt.imshow(images[i], 'gray') 
 plt.title(titles[i]) 
 plt.xticks([]),plt.yticks([]) 
plt.show()

            

		
        
        
    

    

        
  • 
                
                    
                    赞
                
            
    • 
            
  • 
                
                    
                    收藏
                
            
    • 
            
  • 
                
                    
                    评论
                
            
    • 
            
  • 
                
                    
                    分享
                
            
    • 
                        
  • 
                
                    
                    举报
                
            
    • 
                    

    

                 
上一篇：java常见问题

                    

    


        

        

            

                report
            

        

    







        
Recommend

        



                

    
About Joyk

    
 





Aggregate valuable and interesting links.

Joyk means Joy of geeK