OpenCV搞定图像几何变换

2022-12-19 01:48:16

图像几何变换：OpenCV中的图像整形秘籍

在图像处理和分析领域，几何变换扮演着举足轻重的角色。它们不仅能让你踏入图像编辑、图像配准和图像增强的新天地，还能化解图像处理中的诸多难题，如纠正图像倾斜、裁剪多余部分以及调整图像尺寸等。今天，我们就来深入了解 OpenCV 中的图像几何变换，让你轻松驾驭，成为图像处理大师！

图像几何变换简介

图像几何变换，顾名思义，就是借助数学方法改变图像中的几何形状。乍一听，似乎深奥难懂，但只要掌握其基本原理，你就会发现它其实很简单。

5种基本几何变换

平移变换： 沿着 X 轴或 Y 轴移动图像。比如，你想让镜头聚焦在另一个角度，就需要平移图像。
旋转变换： 围绕某一点旋转图像。比如，用鱼眼镜头拍摄的照片扭曲变形，可以通过旋转变换矫正。
缩放变换： 放大或缩小图像。这在图像处理和增强中很常见，比如放大图像以便查看细节，或缩小图像以便传输和存储。
倾斜变换： 沿着 X 轴或 Y 轴倾斜图像。这常用于纠正图像倾斜或校正视角。
透视变换： 将图像中的直线变为弯曲的线，或将弯曲的线变为直线。这通常用于矫正图像透视失真或创建特殊效果。

OpenCV中的图像几何变换

掌握了图像几何变换的基本原理后，就可以在 OpenCV 中大展身手了。OpenCV 提供了丰富的几何变换函数，让你轻松实现上述提到的各种变换。

代码示例

平移变换：

import cv2

# 读取图像
image = cv2.imread('image.jpg')

# 定义平移矩阵
translation_matrix = np.float32([[1, 0, 100], [0, 1, 50]])

# 应用平移变换
translated_image = cv2.warpAffine(image, translation_matrix, (image.shape[1], image.shape[0]))

# 显示平移后的图像
cv2.imshow('Translated Image', translated_image)
cv2.waitKey(0)

旋转变换：

import cv2

# 读取图像
image = cv2.imread('image.jpg')

# 定义旋转矩阵
rotation_matrix = cv2.getRotationMatrix2D((image.shape[1] / 2, image.shape[0] / 2), 45, 1)

# 应用旋转变换
rotated_image = cv2.warpAffine(image, rotation_matrix, (image.shape[1], image.shape[0]))

# 显示旋转后的图像
cv2.imshow('Rotated Image', rotated_image)
cv2.waitKey(0)

缩放变换：

import cv2

# 读取图像
image = cv2.imread('image.jpg')

# 定义缩放矩阵
scale_matrix = np.float32([[0.5, 0, 0], [0, 0.5, 0]])

# 应用缩放变换
scaled_image = cv2.warpAffine(image, scale_matrix, (int(image.shape[1] * 0.5), int(image.shape[0] * 0.5)))

# 显示缩放后的图像
cv2.imshow('Scaled Image', scaled_image)
cv2.waitKey(0)

倾斜变换：

import cv2

# 读取图像
image = cv2.imread('image.jpg')

# 定义倾斜矩阵
shear_matrix = np.float32([[1, 0.5, 0], [0, 1, 0]])

# 应用倾斜变换
sheared_image = cv2.warpAffine(image, shear_matrix, (image.shape[1], image.shape[0]))

# 显示倾斜后的图像
cv2.imshow('Sheared Image', sheared_image)
cv2.waitKey(0)

透视变换：

import cv2

# 读取图像
image = cv2.imread('image.jpg')

# 定义透视变换矩阵
perspective_matrix = np.float32([[1, 0.5, 0], [0, 1, 0], [0, 0, 1]])

# 应用透视变换
perspectived_image = cv2.warpPerspective(image, perspective_matrix, (image.shape[1], image.shape[0]))

# 显示透视变换后的图像
cv2.imshow('Perspectived Image', perspectived_image)
cv2.waitKey(0)