opencv—常用函数学习_“干货“_10

目录

二七、离散余弦变换

执行离散余弦变换 (dct) 和逆变换 (idct)

解释

实际应用

JPEG压缩示例（简化版）

二八、图像几何变换

仿射变换 (warpAffine 和 getAffineTransform)

透视变换 (warpPerspective 和 getPerspectiveTransform)

旋转变换 (getRotationMatrix2D)

极坐标变换 (warpPolar 和 linearPolar)

http://t.csdnimg.cn/i8pqt —— opencv—常用函数学习_“干货“_总（VIP）

散的正在一部分一部分发，不需要VIP。

资料整理不易，有用话给个赞和收藏吧。

---

二七、离散余弦变换

        在OpenCV中，离散余弦变换（DCT）和其逆变换（IDCT）是常用于图像压缩和处理的技术。DCT将图像数据从时域转换到频域，而IDCT则是将数据从频域转换回时域。OpenCV提供了两个主要函数：dct 和 idct。

执行离散余弦变换 (dct) 和逆变换 (idct)

import cv2
import numpy as np
 
# 读取图像并转换为灰度图
image = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)
 
# 将图像转换为浮点型
image_float = np.float32(image) / 255.0
 
# 执行离散余弦变换
dct_image = cv2.dct(image_float)
 
# 显示DCT变换后的图像
cv2.imshow('DCT Image', dct_image)
cv2.waitKey(0)
 
# 执行离散余弦逆变换
idct_image = cv2.idct(dct_image)
 
# 将结果转换回0-255范围的图像
idct_image = np.uint8(idct_image * 255)
 
# 显示逆变换后的图像
cv2.imshow('IDCT Image', idct_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

解释

• dct函数：对输入图像进行离散余弦变换。该函数将图像数据从时域转换到频域，通常用于压缩算法，如JPEG压缩。
• idct函数：对频域数据进行逆变换，恢复到时域。

实际应用

        离散余弦变换在图像压缩中有广泛的应用。例如，在JPEG压缩中，图像被分割成8x8的块，并对每个块执行DCT变换，然后进行量化处理。

JPEG压缩示例（简化版）

# 读取图像并转换为灰度图
image = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)
h, w = image.shape
 
# 将图像转换为浮点型
image_float = np.float32(image) / 255.0
 
# 分块处理（8x8）
block_size = 8
dct_blocks = np.zeros_like(image_float)
 
# 执行DCT变换
for i in range(0, h, block_size):
    for j in range(0, w, block_size):
        block = image_float[i:i+block_size, j:j+block_size]
        dct_block = cv2.dct(block)
        dct_blocks[i:i+block_size, j:j+block_size] = dct_block
 
# 显示DCT变换后的图像
cv2.imshow('DCT Blocks', dct_blocks)
cv2.waitKey(0)
 
# 执行逆DCT变换
idct_blocks = np.zeros_like(dct_blocks)
for i in range(0, h, block_size):
    for j in range(0, w, block_size):
        block = dct_blocks[i:i+block_size, j:j+block_size]
        idct_block = cv2.idct(block)
        idct_blocks[i:i+block_size, j:j+block_size] = idct_block
 
# 将结果转换回0-255范围的图像
idct_image = np.uint8(idct_blocks * 255)
 
# 显示逆变换后的图像
cv2.imshow('IDCT Blocks', idct_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

        通过这些示例，可以看到如何使用OpenCV中的DCT和IDCT函数来进行离散余弦变换及其逆变换。根据具体的应用需求，可以灵活运用这些函数来实现复杂的图像处理和压缩任务。

二八、图像几何变换

        在OpenCV中，几何变换是图像处理中的基本操作，包括旋转、缩放、平移、透视变换等。下面介绍一些常用的几何变换函数及其使用示例。

仿射变换 (warpAffine 和 getAffineTransform)

import cv2
import numpy as np
 
# 读取图像
image = cv2.imread('path_to_image.jpg')
 
# 获取图像尺寸
rows, cols, ch = image.shape
 
# 定义三个点及其对应变换后的点
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])
 
# 计算仿射变换矩阵
M = cv2.getAffineTransform(pts1, pts2)
 
# 对图像进行仿射变换
dst = cv2.warpAffine(image, M, (cols, rows))
 
cv2.imshow('Affine Transform', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

透视变换 (warpPerspective 和 getPerspectiveTransform)

# 定义四个点及其对应变换后的点
pts1 = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])
pts2 = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]])
 
# 计算透视变换矩阵
M = cv2.getPerspectiveTransform(pts1, pts2)
 
# 对图像进行透视变换
dst = cv2.warpPerspective(image, M, (300, 300))
 
cv2.imshow('Perspective Transform', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

旋转变换 (getRotationMatrix2D)

# 定义旋转中心、角度和缩放因子
center = (cols // 2, rows // 2)
angle = 45
scale = 1.0
 
# 计算旋转矩阵
M = cv2.getRotationMatrix2D(center, angle, scale)
 
# 对图像进行旋转变换
rotated = cv2.warpAffine(image, M, (cols, rows))
 
cv2.imshow('Rotated Image', rotated)
cv2.waitKey(0)
cv2.destroyAllWindows()

极坐标变换 (warpPolar 和 linearPolar)

# 极坐标变换
polar_image = cv2.warpPolar(image, (cols, rows), (cols//2, rows//2), max(cols, rows) // 2, cv2.WARP_FILL_OUTLIERS)
 
# 对数极坐标变换
log_polar_image = cv2.logPolar(image, (cols//2, rows//2), 40, cv2.WARP_FILL_OUTLIERS)
 
cv2.imshow('Polar Transform', polar_image)
cv2.imshow('Log Polar Transform', log_polar_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

        这些示例展示了如何使用OpenCV中的几何变换函数来处理图像。根据具体的应用需求，可以灵活运用这些函数来实现复杂的图像处理任务。