影像變換
-
影像放大
import cv2
import matplotlib.pyplot as plt
img = cv2.imread("images/logo.jpg")
plt.imshow(img)
輸出影像大小：
height,width,channel = img.shape
print(height,width,channel) 
放大影像：
resized_img = cv2.resize(img,(width*2,height*2),interpolation=cv2.INTER_LINEAR)#放大一倍
plt.imshow(resized_img)
print(resized_img.shape)#列印影像大小
-
影像縮小
small_img = cv2.resize(img,None,fx=0.5,fy=0.5,interpolation=cv2.INTER_LINEAR)
plt.imshow(small_img)
print(small_img.shape)
cv2.resize(src, size, fx, fy, interpolation)
src:原始圖片
size：輸出影像的大小
fx：水平方向的縮放比例
fy：垂直方向的縮放比例
interpolation：插值方式
插值方式有：
cv2.INTER_NEAREST : 最臨近插值
cv2.INTER_LINEAR : 雙線性插值（默認方式）
cv2.INTER_CUBIC : 三次樣條插值
cv2.INTER_AREA : 區域插值
-
影像平移
import numpy as np
height,width = img.shape[:2]
M1 = np.float32([[1,0,100],[0,1,100]])#平移矩陣，100影像向右移動100個像素，向下移動100個像素
move_img = cv2.warpAffine(img,M1,(width,height))
plt.imshow(move_img)
-
影像旋轉
height,width = img.shape[:2]
center = (width // 2.0,height // 2.0)#旋轉的中心
M2 = cv2.getRotationMatrix2D(center,180,1)#180為逆時針旋轉180°，1表示影像旋轉程序中沒有縮放
rotation_img = cv2.warpAffine(img,M2,(width,height))
plt.imshow(rotation_img)
-
影像仿射變換
p1 = np.float32([[120,35],[215,45],[135,120]])
p2 = np.float32([[135,45],[300,110],[130,230]])
M3 = cv2.getAffineTransform(p1,p2)#計算一個變換矩陣
trans_img = cv2.warpAffine(img,M3,(width,height))
plt.imshow(trans_img) 
-
影像的裁剪
crop_img = img[50:250,100:300]
plt.imshow(crop_img)
原圖 裁剪后
-
影像的位運算
與運算：(01:0,10:0,00:0,11:1)
先創建兩幅圖片：
rectangle = np.zeros((300,300),dtype='uint8')#創建一張300*300的畫布
#左上角坐標（25,25）右下角坐標（275,275）顏色255，線條-1
rect_img = cv2.rectangle(rectangle,(25,25),(275,275),255,-1)
plt.imshow(rectangle) 
rectangle = np.zeros((300,300),dtype="uint8")#創建一張300*300的畫布
#圓心坐標（150,150）半徑150，顏色255，線條-1
circle_img = cv2.circle(rectangle,(150,150),150,255,-1)
plt.imshow(circle_img) 
and_img = cv2.bitwise_and(rect_img,circle_img)
plt.imshow(and_img)
或運算：(01:1,10:1,11:1,00:0)
or_img = cv2.bitwise_or(rect_img,circle_img)
plt.imshow(or_img)
異或運算:(01:1,10:1,00:0,11:0)
xor_img = cv2.bitwise_xor(rect_img,circle_img)
plt.imshow(xor_img)
-
影像的分離和融合
分離：
(B,G,R)=cv2.split(img)#分離
plt.imshow(B)#藍色
(B,G,R)=cv2.split(img)#分離
plt.imshow(G)#綠色 
(B,G,R)=cv2.split(img)#分離
plt.imshow(R)#紅色 
融合：
zeros = np.zeros(img.shape[:2],dtype="uint8")
plt.imshow(cv2.merge([B,zeros,zeros])) 
zeros = np.zeros(img.shape[:2],dtype="uint8")
plt.imshow(cv2.merge([zeros,G,zeros]))
zeros = np.zeros(img.shape[:2],dtype="uint8")
plt.imshow(cv2.merge([zeros,zeros,R]))
-
顏色空間color space
灰度：
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
plt.imshow(gray) 
HSV(色度、飽和度、純度）：
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
plt.imshow(hsv)
lab:
lab = cv2.cvtColor(img,cv2.COLOR_BGR2LAB)
plt.imshow(lab)
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/292811.html
標籤：其他
上一篇：從0到1帶你實作掃雷！
下一篇：Opencv常見資料型別(一）