欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

OpenCV+Python幾何變換的實(shí)現(xiàn)示例

 更新時(shí)間:2021年03月16日 09:43:04   作者:雨吹桐  
這篇文章主要介紹了OpenCV+Python幾何變換的實(shí)現(xiàn)示例,圖像的幾何變換是指將一幅圖像映射到另一幅圖像內(nèi)。有縮放、翻轉(zhuǎn)、仿射變換、透視、重映射等操作。感興趣的可以了解一下

幾何變換

圖像的幾何變換是指將一幅圖像映射到另一幅圖像內(nèi)。有縮放、翻轉(zhuǎn)、仿射變換、透視、重映射等操作。

1 縮放

使用cv2.resize()函數(shù)實(shí)現(xiàn)對(duì)圖像的縮放,但要注意cv2.resize()函數(shù)內(nèi)的dsize參數(shù)與原圖像的行列屬性是相反的,也就是:目標(biāo)圖像的行數(shù)是原始圖像的列數(shù),目標(biāo)圖像的列數(shù)是原始圖像的行數(shù)。

下面舉例說明cv2.resize()函數(shù)的用法:

import cv2
img=cv2.imread('E:/python_opencv/tupian.jpg')
rows,cols=img.shape[0:2]  #行數(shù)和列數(shù)等于img的長(zhǎng)度和寬度
size=(int(cols*0.9),int(rows*0.5))  #比例:列變?yōu)樵瓉?.9倍,行變?yōu)?.5倍
rst=cv2.resize(img,size)  #將img按size比例縮放
print('img.shape=',img.shape)
print('rst.shape=',rst.shape)

運(yùn)行程序的結(jié)果如下:

img.shape=(600,60,3)
rst.shape=(300,54,3)

可以看出,行數(shù)變?yōu)樵瓉淼?.5倍,列數(shù)變?yōu)樵瓉淼?.9倍。代碼中size的行列位置發(fā)生了交換。

2 翻轉(zhuǎn)

使用cv2.flip()函數(shù)對(duì)圖像翻轉(zhuǎn),能夠?qū)崿F(xiàn)水平方向翻轉(zhuǎn)、垂直方向翻轉(zhuǎn)、兩個(gè)方向同時(shí)翻轉(zhuǎn)。

下面舉例說明cv2.flip()函數(shù)的用法:

import cv2
img=cv2.imread('E:/python_opencv/tupian.jpg')
x=cv2.flip(img,0)   #圖x對(duì)原圖像繞x軸翻轉(zhuǎn)
y=cv2.flip(img,1)   #圖y對(duì)原圖像繞y軸翻轉(zhuǎn)
xy=cv2.flip(img,-1)  #圖xy對(duì)原圖像繞x軸y軸同時(shí)翻轉(zhuǎn)
cv2.imshow('img',img)
cv2.imshow('x',x)
cv2.imshow('y',y)
cv2.imshow('xy',xy)
cv2.waitKey()
cv2.destroyAllWindows()

程序運(yùn)行結(jié)果如下四幅圖,第一幅是原圖,第二幅是繞x軸翻轉(zhuǎn),第三幅是繞y軸翻轉(zhuǎn),第四幅是繞x軸y軸同時(shí)翻轉(zhuǎn)。

3 仿射

仿射變換是指圖像實(shí)現(xiàn)平移、旋轉(zhuǎn)等操作。

先設(shè)置一個(gè)變換矩陣M,然后使用cv2.warpAffine()函數(shù)對(duì)原圖像和變換矩陣M進(jìn)行仿射操作。

(一)平移

要實(shí)現(xiàn)圖像的平移,我們先自定義一個(gè)轉(zhuǎn)換矩陣,再進(jìn)行仿射平移變換。例程如下:

import cv2
import numpy as np
img=cv2.imread('E:\python_opencv/tupian.jpg')
height,width=img.shape[:2]     #讀取原圖像的長(zhǎng)和寬
x=100                      #自定義轉(zhuǎn)換矩陣M的x軸移動(dòng)值
y=200                      #自定義轉(zhuǎn)換矩陣M的y軸移動(dòng)值
M=np.float32([[1,0,x],[0,1,y]])    #構(gòu)造轉(zhuǎn)換矩陣M
move=cv2.warpAffine(img,M,(width,height))  #平移映射
cv2.imshow('orginal',img)
cv2.imshow('move',move)
cv2.waitKey()
cv2.destroyAllWindows()

程序運(yùn)行結(jié)果如下圖所示,左為原圖,右為平移后的圖。

(二)旋轉(zhuǎn)

使用函數(shù)cv2.getRotationMatrix2D()獲得轉(zhuǎn)移矩陣M,然后使用函數(shù)cv2.warpAffine()進(jìn)行仿射旋轉(zhuǎn)變換。例程如下:

import cv2
img=cv2.imread('E:\python_opencv/tupian.jpg')
height,width=img.shape[:2]  #讀取原圖像的長(zhǎng)和寬
M=cv2.getRotationMatrix2D((width/2,height/2),45,0.6)  #以中心為原點(diǎn),逆時(shí)針旋轉(zhuǎn)45°,且縮小為原圖的0.6倍,獲得轉(zhuǎn)移矩陣M
rotate=cv2.warpAffine(img,M,(width,height))  #旋轉(zhuǎn)映射
cv2.imshow('original',img)
cv2.imshow('rotation',rotate)
cv2.waitKey()
cv2.destroyAllWindows()

程序運(yùn)行結(jié)果如下圖所示,左為原圖,右為旋轉(zhuǎn)后的圖。

4 透視

透視變換是指將矩陣圖形投影到另一個(gè)視平面,可以映射為任意四邊形,所以透視變換也被稱為投影映射(ProjectionMapping),并不是字面意義上的“透視”。透視與上節(jié)的仿射不同,仿射可以將矩陣映射為任意平行四邊形。

使用cv2.warpPerspective()函數(shù)實(shí)現(xiàn)透視變換。例程如下:

#完成圖像透視
import cv2
import numpy as np
img=cv2.imread('E:/python_opencv/tupian.jpg')
rows,cols=img.shape[:2]   #讀取原圖像的長(zhǎng)和寬
print(rows,cols)
#生成旋轉(zhuǎn)矩陣M
pts1=np.float32([[150,50],[400,50],[60,450],[310,450]])
pts2=np.float32([[50,50],[rows-50,50],[50,cols-50],[rows-50,cols-50]])
M=cv2.getPerspectiveTransform(pts1,pts2)
#使用函數(shù)cv2.warpPerspective()進(jìn)行透視變換
dst=cv2.warpPerspective(img,M,(cols,rows))
cv2.imshow('img',img)
cv2.imshow('dst',dst)
cv2.waitKey()
cv2.destroyAllWindows()

程序運(yùn)行結(jié)果如下圖所示,左為原圖,右為透視變換的圖。

我們可以看到,原圖片經(jīng)過透視映射后,變成另一個(gè)視角下的任意四邊形了。

5 重映射

重映射是修改了像素點(diǎn)的位置,從而生成一幅新的圖像,包括:復(fù)制、繞x軸y軸翻轉(zhuǎn),x軸y軸互換,圖像縮放等。

均使用cv2.remap()重映射函數(shù)進(jìn)行操作。

需要注意cv2.remap()中的兩個(gè)參數(shù)mapx、mapy。mapx表示對(duì)應(yīng)位置上x軸坐標(biāo)值,mapy表示對(duì)應(yīng)位置上y軸坐標(biāo)值。

(一)復(fù)制

使用cv2.remap()函數(shù)完成圖像復(fù)制,需先定義mapx,mapy的值,然后循環(huán)映射每個(gè)像素點(diǎn)到對(duì)應(yīng)的位置上。

代碼如下:

import cv2
import numpy as np
img=cv2.imread('E:/python_opencv/tupian.jpg')
rows,cols=img.shape[:2]         #讀取行列數(shù)
mapx=np.zeros(img.shape[:2],np.float32) #mapx參數(shù)設(shè)定為對(duì)應(yīng)位置上的x軸坐標(biāo)值
mapy=np.zeros(img.shape[:2],np.float32) #mapy參數(shù)設(shè)定為對(duì)應(yīng)位置上的y軸坐標(biāo)值
for i in range(rows):          #對(duì)每個(gè)元素復(fù)制映射
  for j in range(cols):
    mapx.itemset((i,j),j)
    mapy.itemset((i,j),i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow('original',img)
cv2.imshow('result',rst)
cv2.waitKey()
cv2.destroyAllWindows()

執(zhí)行后結(jié)果如下所示,可以看到,實(shí)現(xiàn)了圖像的復(fù)制重映射。

(二)繞x軸翻轉(zhuǎn)

重映射法對(duì)圖像繞x軸翻轉(zhuǎn),表明mapx的值保持不變,mapy的值調(diào)整為總行數(shù)-1-當(dāng)前行號(hào),其余部分代碼不變,所以循環(huán)體內(nèi)代碼變?yōu)椋?/p>

 for i in range(rows):
   for j in range(cols):
     mapx.itemset((i,j),j)      #mapx的值保持不變
     mapy.itemset((i,j),rows-1-i)  #mapy的值調(diào)整為總行數(shù)-1-當(dāng)前行號(hào)

(三)繞y軸翻轉(zhuǎn)

重映射法對(duì)圖像繞y軸翻轉(zhuǎn),表明mapx的值調(diào)整為總行數(shù)-1-當(dāng)前列號(hào),mapy的值保持不變,所以循環(huán)體內(nèi)代碼變?yōu)椋?/p>

for i in range(rows):
  for j in range(cols): 
     mapx.itemset((i,j),cols-1-j)  #mapx的值調(diào)整為總列數(shù)-1-當(dāng)前列號(hào)
     mapy.itemset((i,j),i)      #mapy的值保持不變

(四)繞x軸y軸翻轉(zhuǎn)

重映射也能實(shí)現(xiàn)圖像繞x軸和y軸的同時(shí)翻轉(zhuǎn),只需將前兩個(gè)部分合并,使mapx的值調(diào)整為總行數(shù)-1-當(dāng)前列號(hào),mapy的值調(diào)整為總行數(shù)-1-當(dāng)前行號(hào)。例程如下:

import cv2
import numpy as np
img=cv2.imread('E:\python_opencv/tupian.jpg')
rows,cols=img.shape[:2]
mapx=np.zeros(img.shape[:2],np.float32)
mapy=np.zeros(img.shape[:2],np.float32)
for i in range(rows):
  for j in range(cols):
    mapx.itemset((i,j),cols-1-j)  #mapx的值調(diào)整為總列數(shù)-1-當(dāng)前列號(hào)
    mapy.itemset((i,j),rows-1-i)  #mapy的值調(diào)整為總行數(shù)-1-當(dāng)前行號(hào)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow('original',img)
cv2.imshow('result',rst)
cv2.waitKey()
cv2.destroyAllWindows()

執(zhí)行后結(jié)果如下所示,可以看到,實(shí)現(xiàn)了圖像的繞x軸和y軸翻轉(zhuǎn)重映射過程。

(五)x軸、y軸互換

重映射中,x軸、y軸互換表明,mapx的值變?yōu)樗谛械男刑?hào),mapy的值變?yōu)樗诹械牧刑?hào)。

但當(dāng)行數(shù)和列數(shù)不一致時(shí),行或列無法完成映射的部分就被處理為0。示例代碼如下:

#使用函數(shù)cv2.remap()實(shí)現(xiàn)圖像繞x軸和y軸的互換
import cv2
import numpy as np
img=cv2.imread('E:\python_opencv/tupian.jpg')
rows,cols=img.shape[:2]
mapx=np.zeros(img.shape[:2],np.float32)
mapy=np.zeros(img.shape[:2],np.float32)
for i in range(rows):
  for j in range(cols):
    mapx.itemset((i,j),i)  #mapx的值變?yōu)樗谛械男刑?hào)
    mapy.itemset((i,j),j)  #mapy的值變?yōu)樗诹械牧刑?hào)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow('original',img)
cv2.imshow('result',rst)
cv2.waitKey()
cv2.destroyAllWindows()

結(jié)果如圖:

可以看到,列數(shù)多于行數(shù)的部分被置為0(黑色)。

(六)圖像的縮放

重映射提供了cv2.remap()函數(shù)能夠?qū)崿F(xiàn)圖像的放大或縮小。處理圖像后,可以將圖像固定在圍繞其中心的某個(gè)區(qū)域。

下面例程中,x軸和y軸均縮小為原來的0.25-0.75倍之間。

import cv2
import numpy as np
img=cv2.imread('E:\python_opencv/tupian.jpg')
rows,cols=img.shape[:2]
mapx=np.zeros(img.shape[:2],np.float32)
mapy=np.zeros(img.shape[:2],np.float32)
for i in range(rows):
  for j in range(cols):
    if 0.25*cols < i < 0.75*cols and 0.25*rows < i < 0.75*rows:
      #在目標(biāo)圖像的x軸(0.25-0.75)倍之內(nèi)生成縮小圖像
      mapx.itemset((i,j),2*(j-0.25*cols)+0.5)
      #在目標(biāo)圖像的y軸(0.25-0.75)倍之內(nèi)生成縮小圖像
      mapy.itemset((i,j),2*(i-rows*0.25)+0.5)
    else:
      #不在上述區(qū)域的點(diǎn)都取(0,0)坐標(biāo)點(diǎn)的值
      mapx.itemset((i,j),0)
      mapy.itemset((i,j),0)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)  #圖像縮放重映射
cv2.imshow('original',img)
cv2.imshow('result',rst)
cv2.waitKey()
cv2.destroyAllWindows()

到此這篇關(guān)于OpenCV+Python幾何變換的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)OpenCV 幾何變換內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • python獲取url的返回信息方法

    python獲取url的返回信息方法

    今天小編就為大家分享一篇python獲取url的返回信息方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2018-12-12
  • 簡(jiǎn)單了解Python下用于監(jiān)視文件系統(tǒng)的pyinotify包

    簡(jiǎn)單了解Python下用于監(jiān)視文件系統(tǒng)的pyinotify包

    這篇文章主要介紹了Python下用于監(jiān)視文件系統(tǒng)的pyinotify包,pyinotify基于inotify事件驅(qū)動(dòng)機(jī)制,需要的朋友可以參考下
    2015-11-11
  • python實(shí)現(xiàn)批量文件重命名

    python實(shí)現(xiàn)批量文件重命名

    這篇文章主要介紹了python實(shí)現(xiàn)批量文件重命名,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-10-10
  • Python中使用封裝類還是函數(shù)以及它們的區(qū)別

    Python中使用封裝類還是函數(shù)以及它們的區(qū)別

    在Python編程中,類和函數(shù)都是重要的代碼組織工具,但它們?cè)诜庋b性、狀態(tài)保持、可重用性、繼承與多態(tài)、設(shè)計(jì)模式、代碼組織、執(zhí)行流程、參數(shù)傳遞、返回值和上下文管理等方面存在明顯區(qū)別
    2024-10-10
  • Python中進(jìn)度條tqdm包使用方法及特性介紹

    Python中進(jìn)度條tqdm包使用方法及特性介紹

    這篇文章主要介紹了Python中進(jìn)度條tqdm包使用方法及特性,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-08-08
  • 如何使用python?docx模塊操作word文檔

    如何使用python?docx模塊操作word文檔

    這篇文章主要介紹了如何使用python?docx模塊操作word文檔,文章圍繞主題展開詳細(xì)的內(nèi)容介紹,具有一定的參考價(jià)值,需要的小伙伴可以參考一下
    2022-09-09
  • Python爬蟲實(shí)戰(zhàn)演練之采集糗事百科段子數(shù)據(jù)

    Python爬蟲實(shí)戰(zhàn)演練之采集糗事百科段子數(shù)據(jù)

    讀萬卷書不如行萬里路,只學(xué)書上的理論是遠(yuǎn)遠(yuǎn)不夠的,只有在實(shí)戰(zhàn)中才能獲得能力的提升,本篇文章手把手帶你用Python采集糗事百科段子的數(shù)據(jù),大家可以在過程中查缺補(bǔ)漏,提升水平
    2021-10-10
  • Python中threading模塊的Lock和RLock區(qū)別詳解

    Python中threading模塊的Lock和RLock區(qū)別詳解

    這篇文章主要介紹了Python中threading模塊的Lock和RLock區(qū)別詳解,Lock鎖是Python的原始鎖,在鎖定時(shí)不屬于任何一個(gè)線程,在調(diào)用了 lock.acquire() 方法后,進(jìn)入鎖定狀態(tài),lock.release()方法可以解鎖,底層是通過一個(gè)函數(shù)來實(shí)現(xiàn)的,需要的朋友可以參考下
    2023-09-09
  • Python函數(shù)裝飾器的使用詳解

    Python函數(shù)裝飾器的使用詳解

    大家好,本篇文章主要講的是Python函數(shù)裝飾器的使用詳解,感興趣的同學(xué)趕快來看一看吧,對(duì)你有幫助的話記得收藏一下
    2022-01-01
  • Python實(shí)現(xiàn)模擬錕斤拷等各類亂碼詳解

    Python實(shí)現(xiàn)模擬錕斤拷等各類亂碼詳解

    說到亂碼問題就不得不提到錕斤拷,這算是非常常見的一種亂碼形式,那么它到底是經(jīng)過何種錯(cuò)誤操作產(chǎn)生的呢?本文我們就來一步步探究
    2023-02-02

最新評(píng)論