主頁 >  其他 > [Python影像處理] 三十六.OpenCV影像幾何變換萬字詳解（平移縮放旋轉、鏡像仿射透視）

[Python影像處理] 三十六.OpenCV影像幾何變換萬字詳解（平移縮放旋轉、鏡像仿射透視）

2021-02-03 10:48:26 其他

該系列文章是講解Python OpenCV影像處理知識，前期主要講解影像入門、OpenCV基礎用法，中期講解影像處理的各種演算法，包括影像銳化算子、影像增強技術、影像分割等，后期結合深度學習研究影像識別、影像分類應用，希望文章對您有所幫助，如果有不足之處，還請海涵~

前面一篇文章介紹了OpenCV影像處理入門知識、算數邏輯運算與影像融合，這篇文章將介紹影像幾何變換，包括：影像平移變換、影像縮放變換、影像旋轉變換、影像鏡像變換、影像仿射變換和影像透視變換，萬字長文整理，希望對您有所幫助， 同時，該部分知識均為作者查閱資料撰寫總結，并且開設成了收費專欄，為小寶賺點奶粉錢，感謝您的抬愛，當然如果您是在讀學生或經濟拮據，可以私聊我給你每篇文章開白名單，或者轉發原文給你，更希望您能進步，一起加油喔~

  • https://github.com/eastmountyxz/ImageProcessing-Python

文章目錄

  • 一.影像幾何變換概述
  • 二.影像平移變換
  • 三.影像縮放變換
  • 四.影像旋轉變換
  • 五.影像鏡像變換
  • 六.影像仿射變換
  • 七.影像透視變換
  • 八.總結

前文參考：

  • [Python影像處理] 一.影像處理基礎知識及OpenCV入門函式
  • [Python影像處理] 二.OpenCV+Numpy庫讀取與修改像素
  • [Python影像處理] 三.獲取影像屬性、興趣ROI區域及通道處理
  • [Python影像處理] 四.影像平滑之均值濾波、方框濾波、高斯濾波及中值濾波
  • [Python影像處理] 五.影像融合、加法運算及影像型別轉換
  • [Python影像處理] 六.影像縮放、影像旋轉、影像翻轉與影像平移
  • [Python影像處理] 七.影像閾值化處理及演算法對比
  • [Python影像處理] 八.影像腐蝕與影像膨脹
  • [Python影像處理] 九.形態學之影像開運算、閉運算、梯度運算
  • [Python影像處理] 十.形態學之影像頂帽運算和黑帽運算
  • [Python影像處理] 十一.灰度直方圖概念及OpenCV繪制直方圖
  • [Python影像處理] 十二.影像幾何變換之影像仿射變換、影像透視變換和影像校正
  • [Python影像處理] 十三.基于灰度三維圖的影像頂帽運算和黑帽運算
  • [Python影像處理] 十四.基于OpenCV和像素處理的影像灰度化處理
  • [Python影像處理] 十五.影像的灰度線性變換
  • [Python影像處理] 十六.影像的灰度非線性變換之對數變換、伽馬變換
  • [Python影像處理] 十七.影像銳化與邊緣檢測之Roberts算子、Prewitt算子、Sobel算子和Laplacian算子
  • [Python影像處理] 十八.影像銳化與邊緣檢測之Scharr算子、Canny算子和LOG算子
  • [Python影像處理] 十九.影像分割之基于K-Means聚類的區域分割
  • [Python影像處理] 二十.影像量化處理和采樣處理及區域馬賽克特效
  • [Python影像處理] 二十一.影像金字塔之影像向下取樣和向上取樣
  • [Python影像處理] 二十二.Python影像傅里葉變換原理及實作
  • [Python影像處理] 二十三.傅里葉變換之高通濾波和低通濾波
  • [Python影像處理] 二十四.影像特效處理之毛玻璃、浮雕和油漆特效
  • [Python影像處理] 二十五.影像特效處理之素描、懷舊、光照、流年以及濾鏡特效
  • [Python影像處理] 二十六.影像分類原理及基于KNN、樸素貝葉斯演算法的影像分類案例
  • [Python影像處理] 二十七.OpenGL入門及繪制基本圖形（一）
  • [Python影像處理] 二十八.OpenCV快速實作人臉檢測及視頻中的人臉
  • [Python影像處理] 二十九.MoviePy視頻編輯庫實作抖音短視頻剪切合并操作
  • [Python影像處理] 三十.影像量化及采樣處理萬字詳細總結（推薦）
  • [Python影像處理] 三十一.影像點運算處理兩萬字詳細總結（灰度化處理、閾值化處理）
  • [Python影像處理] 三十二.傅里葉變換（影像去噪）與霍夫變換（特征識別）萬字詳細總結
  • [Python影像處理] 三十三.影像各種特效處理及原理萬字詳解（毛玻璃、浮雕、素描、懷舊、流年、濾鏡等）
  • [Python影像處理] 三十四.數字影像處理基礎與幾何圖形繪制萬字詳解（推薦）
  • [Python影像處理] 三十五.OpenCV影像處理入門、算數邏輯運算與影像融合（推薦）
  • [Python影像處理] 三十六.OpenCV影像幾何變換萬字詳解（平移縮放旋轉、鏡像仿射透視）

影像幾何變換又稱為影像空間變換，是各種影像處理演算法的基礎，它是在不改變影像內容的情況下，對影像像素進行空間幾何變換的處理方式，它將一幅影像中的坐標位置映射到另一幅影像中的新坐標位置，其實質是改變像素的空間位置，估算新空間位置上的像素值，

一.影像幾何變換概述

影像幾何變換不改變影像的像素值，只是在影像平面上進行像素的重新安排，適當的幾何變換可以最大程度地消除由于成像角度、透視關系乃至鏡頭自身原因所造成的幾何失真所產生的負面影響，幾何變換常常作為影像處理應用的預處理步驟，是影像歸一化的核心作業之一，

一個幾何變換需要兩部分運算：首先是空間變換所需的運算，如平移、縮放、旋轉和正平行投影等， 需要用它來表示輸出影像與輸入影像之間的像素映射關系；此外，還需要使用灰度插值演算法， 因為按照這種變換關系進行計算， 輸出影像的像素可能被映射到輸入影像的非整數坐標上，

影像的幾何變換主要包括：

  • 圖形平移
  • 影像縮放
  • 影像旋轉
  • 影像鏡像
  • 影像仿射
  • 影像透視
  • …

影像變換是建立在矩陣運算基礎上的，通過矩陣運算可以很快的找到對應關系，影像幾何變換在變換程序中會建立一種原影像像素與變換后影像像素之間的映射關系，通過這種關系，能夠從一方的像素計算出另一方的像素的坐標位置，通常將影像坐標映射到輸出的程序稱作向前映射，反之，將輸出影像映射到輸入的程序稱作向后映射，向后映射在實踐中使用較多，原因是能夠避免使用向前映射中出現映射不完全和映射重疊的問題，圖1展示了影像放大的示例，右邊圖中只有(0,0)、(0,2)、(2,0)、(2,2)四個坐標根據映射關系在原影像中找到了相對應的像素，其余的12個坐標沒有有效值，

在這里插入圖片描述

對于數字影像而言，像素的坐標是離散型非負整數，但是在進行變換的程序中有可能產生浮點坐標值，這在影像處理中是一個無效的坐標，為了解決這個問題需要用到插值演算法，常見演算法有最近鄰插值法、雙線性插值法、雙立方插值法等，

  • 最近鄰插值
    浮點坐標的像素值等于距離該店最近的輸入影像的像素值，
  • 雙線性插值
    主要思想是計算出浮點坐標像素近似值，一個浮點坐標必定會被四個整數坐標所包圍，將這個四個整數坐標的像素值按照一定的比例混合就可以求出浮點坐標的像素值，
  • 雙立方插值
    雙立方插值是一種更加復雜的插值方式，它能創造出比雙線性插值更平滑的影像邊緣，在影像處理中，雙立方插值計算涉及到周圍16個像素點，插值后的坐標點是原圖中鄰近16個像素點的權重卷積之和，

二.影像平移變換

影像平移是將影像中的所有像素點按照給定的平移量進行水平或垂直方向上的移動，假設原始像素的位置坐標為（x0，y0），經過平移量（△x，△y）后，坐標變為（x1, y1），如圖2所示，

在這里插入圖片描述

用數學式子表示為公式（1），

在這里插入圖片描述

用矩陣表示如公式（2）所示，式子中，矩陣稱為平移變換矩陣或因子，△x和△y稱為平移量，

在這里插入圖片描述

影像平移首先定義平移矩陣M，再呼叫warpAffine()函式實作平移，核心函式如下：

  • M = np.float32([[1, 0, x], [0, 1, y]])
    M表示平移矩陣，其中x表示水平平移量，y表示垂直平移量
  • shifted = cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
    – src表示原始影像
    – M表示平移矩陣
    – dsize表示變換后的輸出影像的尺寸大小
    – dst為輸出影像，其大小為dsize，型別與src相同
    – flag表示插值方法的組合和可選值
    – borderValue表示像素外推法，當borderMode = BORDER_TRANSPARENT時，表示目標影像中的像素不會修改源影像中的“例外值”，
    – borderValue用于邊界不變的情況，默認情況下為0

下面代碼是影像平移的一個簡單案例，它定義了影像平移矩陣M，然后呼叫warpAffine()函式將原始影像垂直向下平移了50個像素，水平向右平移了100個像素，

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2
import numpy as np

#讀取圖片
src = cv2.imread('test.bmp')

#影像平移矩陣
M = np.float32([[1, 0, 100], [0, 1, 50]])

#獲取原始影像列數和行數
rows, cols = src.shape[:2]

#影像平移
result = cv2.warpAffine(src, M, (cols, rows)) 

#顯示影像
cv2.imshow("original", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如圖3所示：

在這里插入圖片描述

下面一個案例是將影像分別向下、向上、向右、向左平移，再呼叫matplotlib繪圖庫依次繪制的程序，

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2  
import numpy as np
import matplotlib.pyplot as plt
 
#讀取圖片
img = cv2.imread('test.bmp')
image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#影像平移
#垂直方向 向下平移100
M = np.float32([[1, 0, 0], [0, 1, 100]])
img1 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

#垂直方向 向上平移100
M = np.float32([[1, 0, 0], [0, 1, -100]])
img2 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

#水平方向 向右平移100
M = np.float32([[1, 0, 100], [0, 1, 0]])
img3 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

#水平方向 向左平移100
M = np.float32([[1, 0, -100], [0, 1, 0]])
img4 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

#回圈顯示圖形
titles = [ 'Image1', 'Image2', 'Image3', 'Image4']  
images = [img1, img2, img3, img4]  
for i in range(4):  
   plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

輸出結果如圖4所示，它從四個方向都進行了平移，并且呼叫subplot()函式將四個子圖繪制在一起，

在這里插入圖片描述

三.影像縮放變換

影像縮放（image scaling）是指對數字影像的大小進行調整的程序，在Python中，影像縮放主要呼叫resize()函式實作，函式原型如下：

  • result = cv2.resize(src, dsize[, result[. fx[, fy[, interpolation]]]])
    – src表示原始影像
    – dsize表示影像縮放的大小
    – result表示影像結果
    – fx表示影像x軸方向縮放大小的倍數
    – fy表示影像y軸方向縮放大小的倍數
    – interpolation表示變換方法，CV_INTER_NN表示最近鄰插值；CV_INTER_LINEAR表示雙線性插值（預設使用）；CV_INTER_AREA表示使用像素關系重采樣，當影像縮小時，該方法可以避免波紋出現，當影像放大時，類似于CV_INTER_NN；CV_INTER_CUBIC表示立方插值

常見的影像縮放兩種方式如下所示，第一種方式是將原影像設定為(160, 160)像素大小，第二種方式是將原始影像縮小為0.5倍，

  • result = cv2.resize(src, (160,160))
  • result = cv2.resize(src, None, fx=0.5, fy=0.5)

設(x1, y1)是縮放后的坐標，(x0, y0)是縮放前的坐標，sx、sy為縮放因子，則影像縮放的計算公式（3）所示：

在這里插入圖片描述

下面是Python實作影像縮放的代碼，它將所讀取的test.bmp影像進行縮小，

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2  
import numpy as np  
 
#讀取圖片
src = cv2.imread('test.bmp')

#影像縮放
result = cv2.resize(src, (200,100))
print(result.shape)

#顯示影像
cv2.imshow("original", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如圖5所示，影像縮小為（200，100）像素，注意，代碼中呼叫函式 cv2.resize(src, (200,100)) 設定新影像大小dsize的列數為200，行數為100，

在這里插入圖片描述

下面講解另一種影像縮放變換的方法，通過原始影像像素乘以縮放系數進行影像變換，代碼如下：

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2  
import numpy as np  
 
#讀取圖片
src = cv2.imread('test.bmp')
rows, cols = src.shape[:2]
print(rows, cols)

#影像縮放 dsize(列,行)
result = cv2.resize(src, (int(cols*0.6), int(rows*1.2)))

#顯示影像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

獲取圖片“test.bmp”的元素像素值，其rows值為250，cols值為387，接著進行寬度縮小0.6倍、高度放大1.2倍的處理，運行前后對比效果如圖6所示，

在這里插入圖片描述

最后講解呼叫(fx,fy)引數設定縮放倍數的方法，對原始影像進行放大或縮小操作，下面代碼是fx和fy方向縮小至原始影像0.3倍的操作，

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2  
import numpy as np  
 
#讀取圖片
src = cv2.imread('test.bmp')
rows, cols = src.shape[:2]
print(rows, cols)

#影像縮放
result = cv2.resize(src, None, fx=0.3, fy=0.3)

#顯示影像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出的結果如圖7所示，這是按比例0.3×0.3縮小的，

在這里插入圖片描述

四.影像旋轉變換

影像旋轉是指影像以某一點為中心旋轉一定的角度，形成一幅新的影像的程序，影像旋轉變換會有一個旋轉中心，這個旋轉中心一般為影像的中心，旋轉之后影像的大小一般會發生改變，圖8表示原始影像的坐標(x0, y0)旋轉至(x1, y1)的程序，

在這里插入圖片描述

旋轉公式如（4）所示，其中(m,n)是旋轉中心，a是旋轉的角度，(left,top)是旋轉后影像的左上角坐標，

在這里插入圖片描述

影像旋轉變換主要呼叫getRotationMatrix2D()函式和warpAffine()函式實作，繞影像的中心旋轉，函式原型如下：

  • M = cv2.getRotationMatrix2D(center, angle, scale)
    – center表示旋轉中心點，通常設定為(cols/2, rows/2)
    – angle表示旋轉角度，正值表示逆時針旋轉，坐標原點被定為左上角
    – scale表示比例因子

  • rotated = cv2.warpAffine(src, M, (cols, rows))
    – src表示原始影像
    – M表示旋轉引數，即getRotationMatrix2D()函式定義的結果
    – (cols, rows)表示原始影像的寬度和高度

實作代碼如下所示：

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2  
import numpy as np  
 
#讀取圖片
src = cv2.imread('test.bmp')

#源影像的高、寬 以及通道數
rows, cols, channel = src.shape

#繞影像的中心旋轉
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1) #旋轉中心 旋轉度數 scale
rotated = cv2.warpAffine(src, M, (cols, rows))  #原始影像 旋轉引數 元素影像寬高

#顯示影像
cv2.imshow("src", src)
cv2.imshow("rotated", rotated)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

顯示效果如圖9所示，繞影像中心點逆時針旋轉30度，

在這里插入圖片描述

如果設定的旋轉度數為負數，則表示順時針旋轉，下述代碼表示將影像順時針旋轉90度，

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2  
import numpy as np  
 
#讀取圖片
src = cv2.imread('test.bmp')

#源影像的高、寬 以及通道數
rows, cols, channel = src.shape

#繞影像的中心旋轉
#函式引數：旋轉中心 旋轉度數 scale
M = cv2.getRotationMatrix2D((cols/2, rows/2), -90, 1)

#函式引數：原始影像 旋轉引數 元素影像寬高
rotated = cv2.warpAffine(src, M, (cols, rows))  

#顯示影像
cv2.imshow("src", src)
cv2.imshow("rotated", rotated)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

旋轉之后的影像如圖10所示，

在這里插入圖片描述

五.影像鏡像變換

影像鏡像變換是影像旋轉變換的一種特殊情況，通常包括垂直方向和水平方向的鏡像，水平鏡像通常是以原影像的垂直中軸為中心，將影像分為左右兩部分進行堆成變換，如圖11所示：

在這里插入圖片描述

垂直鏡像通常是以原影像的水平中軸線為中心，將影像劃分為上下兩部分進行堆成變換的程序，示意圖如圖12所示，

在這里插入圖片描述

在Python中主要呼叫OpenCV的flip()函式實作影像鏡像變換，函式原型如下：

dst = cv2.flip(src, flipCode)
– src表示原始影像
– flipCode表示翻轉方向，如果flipCode為0，則以X軸為對稱軸翻轉，如果fliipCode>0則以Y軸為對稱軸翻轉，如果flipCode<0則在X軸、Y軸方向同時翻轉，

下面的代碼是實作三個方向的翻轉，

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2  
import numpy as np
import matplotlib.pyplot as plt
 
#讀取圖片
img = cv2.imread('test.bmp')
src = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#影像翻轉
img1 = cv2.flip(src, 0)   #引數=0以X軸為對稱軸翻轉 
img2 = cv2.flip(src, 1)   #引數>0以Y軸為對稱軸翻轉
img3 = cv2.flip(src, -1)  #引數<0X軸和Y軸翻轉

#顯示圖形
titles = ['Source', 'Image1', 'Image2', 'Image3']  
images = [src, img1, img2, img3]  
for i in range(4):  
   plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

輸出結果如圖13所示，圖中“Source”為原始影像，“Image1”為以X軸為對稱軸翻轉或垂直鏡像，“Image2”為以Y軸為對稱軸翻轉或水平鏡像，“Images3”為以X軸和Y軸翻轉，

在這里插入圖片描述

六.影像仿射變換

影像仿射變換又稱為影像仿射映射，是指在幾何中，一個向量空間進行一次線性變換并接上一個平移，變換為另一個向量空間，通常影像的旋轉加上拉升就是影像仿射變換，仿射變換需要一個M矩陣實作，但是由于仿射變換比較復雜，很難找到這個M矩陣，OpenCV提供了根據變換前后三個點的對應關系來自動求解M的函式：

  • cv2.getAffineTransform(pos1,pos2)

其中pos1和pos2表示變換前后的對應位置關系，輸出的結果為仿射矩陣M，接著使用函式cv2.warpAffine()實作影像仿射變換，圖14是仿射變換的前后效果圖，

在這里插入圖片描述

影像仿射變換的函式原型如下：

  • M = cv2.getAffineTransform(pos1,pos2)
    – pos1表示變換前的位置
    – pos2表示變換后的位置

  • cv2.warpAffine(src, M, (cols, rows))
    – src表示原始影像
    – M表示仿射變換矩陣
    – (rows,cols)表示變換后的影像大小，rows表示行數，cols表示列數

實作代碼如下所示：

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2
import numpy as np
import matplotlib.pyplot as plt

#讀取圖片
src = cv2.imread('test.bmp')

#獲取影像大小
rows, cols = src.shape[:2]

#設定影像仿射變換矩陣
pos1 = np.float32([[50,50], [200,50], [50,200]])
pos2 = np.float32([[10,100], [200,50], [100,250]])
M = cv2.getAffineTransform(pos1, pos2)

#影像仿射變換
result = cv2.warpAffine(src, M, (cols, rows))

#顯示影像
cv2.imshow("original", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如圖15所示：

在這里插入圖片描述

七.影像透視變換

影像透視變換（Perspective Transformation）的本質是將影像投影到一個新的視平面，同理OpenCV通過函式cv2.getPerspectiveTransform(pos1,pos2)構造矩陣M，其中pos1和pos2分別表示變換前后的4個點對應位置，得到M后在通過函式cv2.warpPerspective(src,M,(cols,rows))進行透視變換，

影像透視變換的函式原型如下：

  • M = cv2.getPerspectiveTransform(pos1, pos2)
    – pos1表示透視變換前的4個點對應位置
    – pos2表示透視變換后的4個點對應位置

  • cv2.warpPerspective(src,M,(cols,rows))
    – src表示原始影像
    – M表示透視變換矩陣
    – (rows,cols)表示變換后的影像大小，rows表示行數，cols表示列數

假設現在存在一張A4紙影像，現在需要通過呼叫影像透視變換校正影像，

在這里插入圖片描述

影像透視變換的校正代碼如下所示，代碼中pos1表示透視變換前A4紙的四個頂點，pos2表示透視變換后A4紙的四個頂點，

# -*- coding: utf-8 -*-
#By:Eastmount CSDN 2021-02-01
import cv2
import numpy as np
import matplotlib.pyplot as plt

#讀取圖片
src = cv2.imread('test01.jpg')

#獲取影像大小
rows, cols = src.shape[:2]

#設定影像透視變換矩陣
pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]])
pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]])
M = cv2.getPerspectiveTransform(pos1, pos2)

#影像透視變換
result = cv2.warpPerspective(src, M, (190, 272))

#顯示影像
cv2.imshow("original", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

最終輸出結果如圖17所示，它將圖形校正顯示，

  • (8, 332) (114, 82)
  • (207, 357) (287, 157)

在這里插入圖片描述

注意，上面的頂點是自定義，接下來的代碼實作自動校正，步驟如下：

  • 獲取影像大小
  • 源影像高斯模糊
  • 進行灰度化處理
  • 邊緣檢測（檢測出影像的邊緣資訊）
  • 通過霍夫變換得到A4紙邊緣
  • 輸出的四個點分別為四個頂點
  • 繪制邊緣
  • 根據四個頂點設定影像透視變換矩陣
  • 影像透視變換
  • 顯示影像
#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2
import numpy as np
import matplotlib.pyplot as plt

#讀取圖片
src = cv2.imread('test01.jpg')

#獲取影像大小
rows, cols = src.shape[:2]

#將源影像高斯模糊
img = cv2.GaussianBlur(src, (3,3), 0)
#進行灰度化處理
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#邊緣檢測（檢測出影像的邊緣資訊）
edges = cv2.Canny(gray,50,250,apertureSize = 3)
cv2.imwrite("canny.jpg", edges)

#通過霍夫變換得到A4紙邊緣
lines = cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength=90,maxLineGap=10)

#下面輸出的四個點分別為四個頂點
for x1,y1,x2,y2 in lines[0]:
    print((x1,y1),(x2,y2))
for x1,y1,x2,y2 in lines[1]:
    print((x1,y1),(x2,y2))

#繪制邊緣
for x1,y1,x2,y2 in lines[0]:
    cv2.line(gray, (x1,y1), (x2,y2), (0,0,255), 1)

#根據四個頂點設定影像透視變換矩陣
pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]])
pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]])
M = cv2.getPerspectiveTransform(pos1, pos2)

#影像透視變換
result = cv2.warpPerspective(src, M, (190, 272))

#顯示影像
cv2.imshow("original", src)
cv2.imshow("result", result)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

影像透視變換校正結果如下圖所示：

在這里插入圖片描述

八.總結

本文主要講解了影像幾何變換，通過原理和代碼分別介紹了常見的六種幾何變換，包括影像平移變換、影像縮放變換、影像旋轉變換、影像鏡像變換、影像仿射變換和影像透視變換，

各個演算法對比完整代碼如下：

#encoding:utf-8
#By:Eastmount CSDN 2021-02-01
import cv2  
import numpy as np
import matplotlib.pyplot as plt
 
#讀取圖片
img = cv2.imread('test.bmp')
image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#影像平移矩陣
M = np.float32([[1, 0, 100], [0, 1, 80]])
rows, cols = image.shape[:2]
img1 = cv2.warpAffine(image, M, (cols, rows))

#影像縮小
img2 = cv2.resize(image, (200,100))

#影像放大
img3 = cv2.resize(image, None, fx=1.1, fy=1.1)

#繞影像的中心旋轉
#源影像的高、寬 以及通道數
rows, cols, channel = image.shape
#函式引數：旋轉中心 旋轉度數 scale
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1) 
#函式引數：原始影像 旋轉引數 元素影像寬高
img4 = cv2.warpAffine(image, M, (cols, rows))

#影像翻轉
img5 = cv2.flip(image, 0)   #引數=0以X軸為對稱軸翻轉 
img6 = cv2.flip(image, 1)   #引數>0以Y軸為對稱軸翻轉

#影像的仿射
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv2.getAffineTransform(pts1,pts2)
img7 = cv2.warpAffine(image, M, (rows,cols))

#影像的透射
pts1 = np.float32([[56,65],[238,52],[28,237],[239,240]])
pts2 = np.float32([[0,0],[200,0],[0,200],[200,200]])
M = cv2.getPerspectiveTransform(pts1,pts2)
img8 = cv2.warpPerspective(image,M,(200,200))


#回圈顯示圖形
titles = [ 'source', 'shift', 'reduction', 'enlarge', 'rotation', 'flipX', 'flipY', 'affine', 'transmission']  
images = [image, img1, img2, img3, img4, img5, img6, img7, img8]  
for i in range(9):  
   plt.subplot(3, 3, i+1), plt.imshow(images[i], 'gray')  
   plt.title(titles[i])  
   plt.xticks([]),plt.yticks([])  
plt.show()

輸出結果如下圖所示：

在這里插入圖片描述

  • 源代碼下載地址，記得幫忙點star和關注喔，
    https://github.com/eastmountyxz/ImageProcessing-Python

時光嘀嗒嘀嗒的流失，這是我在CSDN寫下的第八篇年終總結，比以往時候來的更早一些，《敏而多思，寧靜致遠》，僅以此篇紀念這風雨兼程的一年，這感恩的一年，列車上只寫了一半，這兩天完成，思遠，思君O(∩_∩)O

  • 2020年總結：敏而多思，寧靜致遠——紀念這風雨兼程的一年

2020年8月18新開的“娜璋AI安全之家”，主要圍繞Python大資料分析、網路空間安全、人工智能、Web滲透及攻防技術進行講解，同時分享CCF、SCI、南核北核論文的演算法實作，娜璋之家會更加系統，并重構作者的所有文章，從零講解Python和安全，寫了近十年文章，真心想把自己所學所感所做分享出來，還請各位多多指教，真誠邀請您的關注！謝謝，

在這里插入圖片描述

(By:Eastmount 2021-02-01 晚上11點 http://blog.csdn.net/eastmount/ )

參考文獻，在此感謝這些大佬，共勉！

  • [1] 羅子江, 楊秀璋. Python中的影像處理[M]. 2020.
  • [2] 岡薩雷斯. 數字影像處理（第3版）[M]. 北京：電子工業出版社, 2013.
  • [3] 阮秋琦. 數字影像處理學（第3版）[M]. 北京：電子工業出版社，2008.
  • [4] 毛星云, 冷雪飛. OpenCV3編程入門[M]. 北京：電子工業出版社, 2015.
  • [5] Eastmount. [Python影像處理] 六.影像縮放、影像旋轉、影像翻轉與影像平移[EB/OL]. (2018-09-06). https://blog.csdn.net/Eastmount/article/details/82454335.
  • [6] Eastmount. [數字影像處理] 六.MFC空間幾何變換之影像平移、鏡像、旋轉、縮放詳解[EB/OL]. (2015-06-04). https://blog.csdn.net/Eastmount/article/details/46345299.
  • [7] on2way. Python下opencv使用筆記（三）（影像的幾何變換）[EB/OL]. (2015-07-08). https://blog.csdn.net/on2way/article/details/46801063.
  • [8] ywxk1314. 數字影像處理——影像的幾何變換[EB/OL]. (2018-03-24). https://blog.csdn.net/ywxk1314/article/details/79681754.
  • [9] 網易云課堂_高登教育. Python+OpenCV影像處理[EB/OL]. (2019-01-15). https://study.163.com/course/courseLearn.htm?courseId=1005317018.
  • [10] t6_17. 影像校正-透視變換[EB/OL]. (2017-12-06). https://blog.csdn.net/t6_17/article/details/78729097.

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/255901.html

標籤：其他

上一篇：brainfuck python腳本 && misc題目can_has_stdio?

下一篇：立體視覺入門指南（1）：坐標系與相機引數

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種：三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看，三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看，三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統，“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及：虛擬機CentOs下執行 yum -y install lrzsz命令，出現錯誤：鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示：其實很簡單，往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號， sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求，SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生， 2020-08-28 16:18:25 分類專欄： kail 網路安全 linux 文章標簽： linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么？ 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼： #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘（北斗授時服務器）讓網路資料更精準

    北斗電力時鐘（北斗授時服務器）讓網路資料更精準 北斗電力時鐘（北斗授時服務器）讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年，資訊技術的得了快速發展，互聯網在逐漸普及，其在人們生活和生產中都得到了廣泛應用，并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用，一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub：https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺，后來才有了CTFHub。 感覺不論是網頁UI設計，還是題目質量，賽事跟蹤，工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解（net user / type /md /rd/ dir /cd /net use copy、批處理 等） 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝，密碼啊破解03Linux常用命令04LAMP 01LINUX windows： win03 8 12 16 19 配置不繁瑣 Linux：redhat,centos(紅帽社區版)，Ubuntu server,suse unix:金融機構，證券，銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 （POST注入/XSS漏洞上傳）3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題，描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章，不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》，我也是第一時間得知了這個訊息，然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本： 個人認為這件事也沒什么，還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹：metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包，它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一，它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip：192.168.20.121 靶機ip：192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k，軟體測驗工程師的漲薪史，給我看哭了

    清明節一過，盲猜大家已經無心上班，在數著日子準備過五一，但一想到銀行卡里的余額……瞬間心情就不美麗了。最近，2023年高校畢業生就業調查顯示，本科畢業月平均起薪為5825元。調查一出，便有很多同學表示自己又被平均了。看著這一資料，不免讓人想到前不久中國青年報的一項調查：近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文，所以對學習母語的我們非常不友好 使用網址：https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜，前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜，自動化測驗的需求也越來越高。如今，自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分，它們可以幫助開發人員更快地發現和修復錯誤，提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐：4個DVPP記憶體問題的典型案例解讀

    摘要：由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求（例如，記憶體首地址128位元組對齊），因此需呼叫專用的記憶體申請介面，那么本期就分享幾個關于DVPP記憶體問題的典型案例，并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》，作者：昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊，輔助滲透（埠掃描、登錄密碼爆破、漏洞驗證等） 2、encoders 編碼器模塊，主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手：與相機連接，設定相機引數，采集影像 2) 標定助手：九點標定或是其它的標定，生成標定檔案及內參外參，可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客，先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp)，這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接： https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more

Copyright © 2010-2020 有解無憂