8、opencv 仿射变换--图像翻转、平移、获取变换矩阵、透视变换 2022-08-22_图片翻转变换矩阵

放射变换–图像翻转

import cv2
import numpy as np


img1_path = "./108.jpg"

# 读取图片
img1 = cv2.imread(img1_path)

# 0-->上下  1-->左右  -1-->上下左右
img = cv2.flip(img1,-1)

# 利用切片进行翻转,控制步长进行图像缩放
img1 = img1[::4,::4，::,-1]

# 旋转图像
# 可选参数：cv2.ROTATE_90_CLOCKWISE，cv2.ROTATE_180，cv2.ROTATE_90_COUNTCLOCKWISE
img0 = cv2.rotate(img1,cv2.ROTATE_90_CLOCKWISE)

# 展示图像
cv2.imshow("img",img0)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

平移

import cv2
import numpy as np

img0_path = "./R-C.jpg"

# 读取图片
img0 = cv2.imread(img0_path)

# 设置变换矩阵(原图像像素乘以变换矩阵实现平移)
M = np.float32([(1,0,200),(0,1,0)])

# 图像平移
# 参数（图像，变换矩阵，输出图像大小，插值方式，边界像素扩充方式）
img = cv2.warpAffine(img0,M,(img0.shape[1],img0.shape[0]))

# 展示图像
cv2.imshow("img",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

获取变换矩阵

# 在进行仿射变换时，不方便进行矩阵求解，所以用到api自动求解M
import cv2
import numpy as np

img0_path = "./R-C.jpg"

# 读取图片
img0 = cv2.imread(img0_path)
h,w,c = img0.shape

# 参数：（旋转的中心，旋转度数，缩放比例）规定按照逆时针转动
M = cv2.getRotationMatrix2D((100,100),15,1)
img2 = cv2.warpAffine(img0,M,(w,h))

# 通过原图像三个点坐标和最终图像这三个点的坐标，来旋转图像
src = np.float32([(50,30),(800,500),(200,300)])
dst = np.float32([(500,300),(80,50),(20,30)])
M = cv2.getAffineTransform(src,dst)

img = cv2.warpAffine(img0,M,(w,h))

# 展示图像
cv2.imshow("img",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

透视变换

import cv2
import numpy as np

img_path = "./123.jpg"

img = cv2.imread(img_path)

# 获取变换矩阵
# src是原图的四个坐标（左上，右上，左下，右下）
# dst是变换后~~删除线格式~~ 的四个坐标（左上，右上，左下，右下）
src = np.float32([(300,300),(1100,300),(1500,400),(1100,1500)])
dst = np.float32([(0,0),(1300,0),(0,1400),(1300,1400)])

M = cv2.getPerspectiveTransform(src,dst)
img = cv2.warpPerspective(img,M,(1300,1400))

# 展示图像
cv2.imshow("img",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20