引言

在圖像處理領域，幾何變換是一個非常重要的操作，它可以改變圖像的位置、大小、方向或形狀。在計算機視覺中，這些操作對于圖像預處理、特征提取和圖像增強至關重要。本文將介紹如何利用 Python 的 OpenCV 庫實現(xiàn)圖像的幾何變換，包括平移、旋轉(zhuǎn)、縮放、仿射變換和透視變換。

1. 什么是幾何變換？

幾何變換是通過數(shù)學變換將圖像的像素從一個位置映射到另一個位置的過程。根據(jù)變換的性質(zhì)，可以將其分為以下幾類：

• 平移：移動圖像位置。
• 縮放：調(diào)整圖像尺寸。
• 旋轉(zhuǎn)：改變圖像方向。
• 仿射變換：對圖像進行線性變換，包括平移、旋轉(zhuǎn)、縮放和傾斜。
• 透視變換：改變圖像的視角，使其產(chǎn)生三維效果。

2. OpenCV 幾何變換基本操作

2.1 平移

平移是將圖像沿 x 和 y 軸移動，公式如下：

在 OpenCV 中實現(xiàn)：

import cv2
import numpy as np

# 讀取圖像
img = cv2.imread('image.jpg')

# 定義平移矩陣 [1, 0, tx] 和 [0, 1, ty]
tx, ty = 100, 50
M = np.float32([[1, 0, tx], [0, 1, ty]])

# 執(zhí)行平移變換
shifted = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

cv2.imshow('Shifted Image', shifted)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.2 縮放

縮放是按比例放大或縮小圖像尺寸。在 OpenCV 中，使用 cv2.resize()：

# 縮放圖像到指定大小
resized = cv2.resize(img, (300, 200))

# 按比例縮放
scaled = cv2.resize(img, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_LINEAR)

2.3 旋轉(zhuǎn)

旋轉(zhuǎn)變換公式：

在 OpenCV 中實現(xiàn)：

(h, w) = img.shape[:2]
center = (w // 2, h // 2)

# 生成旋轉(zhuǎn)矩陣
angle = 45
scale = 1.0
M = cv2.getRotationMatrix2D(center, angle, scale)

# 執(zhí)行旋轉(zhuǎn)
rotated = cv2.warpAffine(img, M, (w, h))

2.4 仿射變換

仿射變換通過三個點的映射定義圖像變換。在 OpenCV 中使用 cv2.getAffineTransform()：

# 定義原圖像和目標圖像的三個點
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])

# 獲取仿射變換矩陣
M = cv2.getAffineTransform(pts1, pts2)

# 執(zhí)行仿射變換
affined = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

2.5 透視變換

透視變換通過四個點定義，可以改變圖像的視角：

# 定義原圖像和目標圖像的四個點
pts1 = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])
pts2 = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]])

# 獲取透視變換矩陣
M = cv2.getPerspectiveTransform(pts1, pts2)

# 執(zhí)行透視變換
warped = cv2.warpPerspective(img, M, (300, 300))

3. 實用技巧與注意事項

1. 邊界處理：幾何變換可能會導致部分像素超出邊界，建議在設計時考慮圖像的大小。
2. 插值方法：
   • cv2.INTER_NEAREST：最近鄰插值，速度快但效果較差。
   • cv2.INTER_LINEAR：雙線性插值，適用于縮放。
   • cv2.INTER_CUBIC：三次插值，適合高質(zhì)量變換。
3. 變換順序：如果需要同時進行多個幾何變換（如旋轉(zhuǎn)后平移），可以通過矩陣乘法將多個變換合并。

4. 應用場景

• 圖像校正：修正拍攝中的傾斜、畸變。
• 特征對齊：人臉識別中常用仿射變換將人臉對齊。
• 數(shù)據(jù)增強：通過隨機幾何變換擴展數(shù)據(jù)集，用于訓練深度學習模型。
• 視覺特效：制作圖像的動態(tài)效果或藝術處理。

5. 總結(jié)

幾何變換是圖像處理中不可或缺的工具，OpenCV 提供了高效的方法來實現(xiàn)各種變換操作。在理解每種變換的數(shù)學原理后，可以根據(jù)應用場景靈活組合這些技術，從而完成更復雜的圖像處理任務。希望這篇文章能夠幫助你更好地掌握 Python + OpenCV 中的幾何變換操作！

以上就是Python使用OpenCV庫實現(xiàn)圖像幾何變化的詳細內(nèi)容，更多關于Python OpenCV圖像幾何變化的資料請關注腳本之家其它相關文章！

最新評論