目錄
縮放
平移
旋轉
翻轉：
我們經常會用到影像的縮放，旋轉以及平移，比如有的時候我們想對一類圖片進行操作，這個時候我們就需要對這一類的圖片進行尺寸統一，在以后深度學習的學習中，我們也會發現，對于資料集的訓練，它們的資料集樣本通常都是尺寸統一的，
縮放
縮放是調整圖片的大小，可以指定輸出影像尺寸大小，也可以指定縮放比例，
opencv函式cv2.resize()原型：
最后一個引數interpolation :差值方式使用默認即可 默認的是INTER_LINEAR
我們習慣的坐標表示 是 先 x 橫坐標，再 y 縱坐標，在影像處理中，這種慣性思維經常情況下是錯誤的，因為在計算機中，影像是以矩陣的形式保存的，先行后列，所以，一張 寬×高×顏色通道＝480×256×3 的圖片會保存在一個 256×480×3 的三維張量中，影像處理時也是按照這種思想進行計算的（其中就包括 OpenCV 下的影像處理），即 高×寬×顏色通道，
但是問題來了，CV2.resize這個API卻是個小例外，因為它的引數輸入卻是 寬×高×顏色通道，
測驗代碼：
import cv2
img = cv2.imread('drawing.jpg')
# 按照指定的寬度、高度縮放圖片(影像可能變形)
res = cv2.resize(img, (132, 150))
# 按照比例縮放，如x,y軸均放大一倍
res2 = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_LINEAR)
cv2.imshow('shrink', res), cv2.imshow('zoom', res2)
cv2.waitKey(0)平移
平移實際上就是矩陣的移動，它是最簡單的一種空間變換，我們需要定義下面這樣一個
變換矩陣
，2行3列矩陣，決定了何種變換，M矩陣中的tx,ty是向x
和
y方向平移的距離，舉個例子，如果是向右平移tx個像素， 向下平移ty個像素的話， 那么變換矩陣M：
平移是用
仿射變換函式
cv2.warpAffine()
實作的：
dst=cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
引數含義：
- src: 輸入影像，
- M: 2×3 2行3列變換矩陣，
- dsize: 輸出影像的大小，
- dst: 可選，輸出影像，由dsize指定大小，type和src一樣，
- flags: 可選，插值方法
- borderMode: 可選，邊界像素模式
- borderValue: 可選，邊界填充值; 默認為0，
影像旋轉的原理：
我們根據公式：
可以得出：
所以對應的變換矩陣為：
測驗代碼：
import numpy as np
rows, cols = img.shape[:2]
# 定義平移矩陣，需要是numpy的float32型別
# x軸平移100，y軸平移50
M = np.float32([[1, 0, 100], [0, 1, 50]])
# 用仿射變換實作平移，第三個引數為輸出的影像大小，值得注意的是該引數形式為(width, height)，
dst = cv2.warpAffine(img, M, (cols, rows))
cv2.imshow('shift', dst)
cv2.waitKey(0)效果：
旋轉
旋轉方式一：
旋轉同平移一樣，也是用仿射變換實作的，因此也需要定義一個變換矩陣，OpenCV直接提供了
cv2.getRotationMatrix2D()
函式，該函式回傳的就是仿射變換矩陣M，之后我們將這個仿射變換的矩陣傳入到
仿射變換函式
cv2.warpAffine()中，該函式有三個引數：
- 引數1：旋轉中心點
- 引數2：旋轉角度(正：逆時針，負：順時針)
- 引數3：縮放比例，0.5表示縮小一半
代碼：
import cv2 as cv
img = cv.imread(r'Lena.png', 1)
rows, cols, channels = img.shape
rotate = cv.getRotationMatrix2D((rows*0.5, cols*0.5), 45, 0.5)
'''
第一個引數：旋轉中心點
第二個引數：旋轉角度
第三個引數：縮放比例
'''
res = cv.warpAffine(img, rotate, (cols, rows))
cv.imshow('img', img)
cv.imshow('res', res)
cv.waitKey(0)
cv.destroyAllWindows()效果：
旋轉方式二：
可以利用矩陣操作cv2.transpose()來實作90旋轉，好處是不會出現仿射變換后圖片周圍的空缺區域，
transpose()旋轉實作
image_1_0 = cv2.transpose(image_1) # 矩陣的轉置也可以湊合實作90旋轉旋轉方式三：
可以使用cv2.rotate()函式實作 90 180 270 度旋轉，也會避免第一種仿射變換后出現影像空缺區域的情況，引數選擇改第二個引數即可:
image_1_0 = cv2.rotate(image_1, cv2.ROTATE_90_CLOCKWISE)翻轉：
鏡像翻轉圖片，可以用
cv2.flip()
函式：
dst = cv2.flip(img, 1)
其中，引數
2 = 0
：垂直翻轉
(
沿
x
軸
)
，引數
2 > 0:
水平翻轉
(
沿
y
軸
)
，引數
2 < 0:
水平垂直翻轉，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/297233.html
標籤：其他
上一篇：“人工智能基礎”課程筆記