歡迎大家來到“Python從零到壹”，在這里我將分享約200篇Python系列文章，帶大家一起去學習和玩耍，看看Python這個有趣的世界，所有文章都將結合案例、代碼和作者的經驗講解，真心想把自己近十年的編程經驗分享給大家，希望對您有所幫助，文章中不足之處也請海涵，Python系列整體框架包括基礎語法10篇、網路爬蟲30篇、可視化分析10篇、機器學習20篇、大資料分析20篇、影像識別30篇、人工智能40篇、Python安全20篇、其他技巧10篇，您的關注、點贊和轉發就是對秀璋最大的支持，知識無價人有情，希望我們都能在人生路上開心快樂、共同成長，

該系列文章主要講解Python OpenCV影像處理和影像識別知識，前期主要講解影像處理基礎知識、OpenCV基礎用法、常用影像繪制方法、影像幾何變換等，中期講解影像處理的各種運算，包括影像點運算、形態學處理、影像銳化、影像增強、影像平滑等，后期研究影像識別、影像分割、影像分類、影像特效處理以及影像處理相關應用，

上一篇文章介紹影像幾何變換，包括影像平移、影像縮放和影像旋轉，這篇文章將繼續講解影像幾何變換，包括影像鏡像、影像仿射和影像透視，希望文章對您有所幫助，如果有不足之處，還請海涵，

文章目錄

一.影像鏡像
二.影像仿射
三.影像透視
四.總結

下載地址：

https://github.com/eastmountyxz/Python-zero2one

前文賞析：

第一部分基礎語法

[Python從零到壹] 一.為什么我們要學Python及基礎語法詳解
[Python從零到壹] 二.語法基礎之條件陳述句、回圈陳述句和函式
[Python從零到壹] 三.語法基礎之檔案操作、CSV檔案讀寫及面向物件

第二部分網路爬蟲

[Python從零到壹] 四.網路爬蟲之入門基礎及正則運算式抓取博客案例
[Python從零到壹] 五.網路爬蟲之BeautifulSoup基礎語法萬字詳解
[Python從零到壹] 六.網路爬蟲之BeautifulSoup爬取豆瓣TOP250電影詳解
[Python從零到壹] 七.網路爬蟲之Requests爬取豆瓣電影TOP250及CSV存盤
[Python從零到壹] 八.資料庫之MySQL基礎知識及操作萬字詳解
[Python從零到壹] 九.網路爬蟲之Selenium基礎技術萬字詳解（定位元素、常用方法、鍵盤滑鼠操作）
[Python從零到壹] 十.網路爬蟲之Selenium爬取在線百科知識萬字詳解（NLP語料構造必備技能）

第三部分資料分析和機器學習

[Python從零到壹] 十一.資料分析之Numpy、Pandas、Matplotlib和Sklearn入門知識萬字詳解(1)
[Python從零到壹] 十二.機器學習之回歸分析萬字總結全網首發（線性回歸、多項式回歸、邏輯回歸）
[Python從零到壹] 十三.機器學習之聚類分析萬字總結全網首發（K-Means、BIRCH、層次聚類、樹狀聚類）
[Python從零到壹] 十四.機器學習之分類演算法三萬字總結全網首發（決策樹、KNN、SVM、分類演算法對比）
[Python從零到壹] 十五.文本挖掘之資料預處理、Jieba工具和文本聚類萬字詳解
[Python從零到壹] 十六.文本挖掘之詞云熱點與LDA主題分布分析萬字詳解
[Python從零到壹] 十七.可視化分析之Matplotlib、Pandas、Echarts入門萬字詳解
[Python從零到壹] 十八.可視化分析之Basemap地圖包入門詳解
[Python從零到壹] 十九.可視化分析之熱力圖和箱圖繪制及應用詳解
[Python從零到壹] 二十.可視化分析之Seaborn繪圖萬字詳解
[Python從零到壹] 二十一.可視化分析之Pyechart繪圖萬字詳解
[Python從零到壹] 二十二.可視化分析之OpenGL繪圖萬字詳解
[Python從零到壹] 二十三.十大機器學習演算法之決策樹分類分析詳解(1)
[Python從零到壹] 二十四.十大機器學習演算法之KMeans聚類分析詳解(2)
[Python從零到壹] 二十五.十大機器學習演算法之KNN演算法及影像分類詳解(3)
[Python從零到壹] 二十六.十大機器學習演算法之樸素貝葉斯演算法及文本分類詳解(4)
[Python從零到壹] 二十七.十大機器學習演算法之線性回歸演算法分析詳解(5)
[Python從零到壹] 二十八.十大機器學習演算法之SVM演算法分析詳解(6)
[Python從零到壹] 二十九.十大機器學習演算法之隨機森林演算法分析詳解(7)
[Python從零到壹] 三十.十大機器學習演算法之邏輯回歸演算法及惡意請求檢測應用詳解(8)
[Python從零到壹] 三十一.十大機器學習演算法之Boosting和AdaBoost應用詳解(9)
[Python從零到壹] 三十二.十大機器學習演算法之層次聚類和樹狀圖聚類應用詳解(10)

第四部分 Python影像處理基礎

[Python從零到壹] 三十三.影像處理基礎篇之什么是影像處理和OpenCV配置
[Python從零到壹] 三十四.OpenCV入門詳解——顯示讀取修改及保存影像
[Python從零到壹] 三十五.影像處理基礎篇之OpenCV繪制各類幾何圖形
[Python從零到壹] 三十六.影像處理基礎篇之影像算術與邏輯運算詳解
[Python從零到壹] 三十七.影像處理基礎篇之影像融合處理和ROI區域繪制
[Python從零到壹] 三十八.影像處理基礎篇之影像幾何變換（平移縮放旋轉）
[Python從零到壹] 三十九.影像處理基礎篇之影像幾何變換（鏡像仿射透視）

第五部分 Python影像運算和影像增強

第六部分 Python影像識別和影像處理經典案例

第七部分 NLP與文本挖掘

第八部分人工智能入門知識

第九部分網路攻防與AI安全

第十部分知識圖譜構建實戰

擴展部分人工智能高級案例

作者新開的“娜璋AI安全之家”將專注于Python和安全技術，主要分享Web滲透、系統安全、人工智能、大資料分析、影像識別、惡意代碼檢測、CVE復現、威脅情報分析等文章，雖然作者是一名技術小白，但會保證每一篇文章都會很用心地撰寫，希望這些基礎性文章對你有所幫助，在Python和安全路上與大家一起進步，

一.影像鏡像

影像鏡像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7-1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7-2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，

下面代碼是實作三個方向的翻轉，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np
import matplotlib.pyplot as plt
 
#讀取圖片
img = cv2.imread('scenery.png')
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<0以X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7-3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

二.影像仿射

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7-4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：

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

#讀取圖片
src = cv2.imread('scenery.png')

#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7-5所示：

在這里插入圖片描述

三.影像透視

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
import cv2
import numpy as np
import matplotlib.pyplot as plt

#讀取圖片
src = cv2.imread('transform.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7-7所示，它將圖形校正顯示，

在這里插入圖片描述

四.總結

本章主要講解Python和OpenCV的影像幾何變換，詳細介紹了影像鏡像、影像仿射和影像透視，包括歪曲影像糾正的案例，希望大家喜歡，此外，這些知識點也是我們PC端或手機端影像處理應用常見的演算法，讀者可以嘗試結合這些應用完成一套影像處理軟體，

最近寒假日更，為了感謝讀者，同時感謝在求學路上的同行者，不負遇見，勿忘初心，影像處理系列主要包括三部分，分別是：

在這里插入圖片描述

請添加圖片描述

這周的留言感慨～

十二年CSDN的博客分享，如果要說分享最讓我開心的是什么？不是傳道，不是授業，也不是解惑，而是接下來這類事，這些年已經陸續鼓勵了一些朋友當老師，而昨天得知這一位博友真的去到新疆南疆成為了一名小學老師，我很是感動，是真的感動，六年前我曾鼓勵他如果想，就放棄高額工資的互聯網大廠，去做自己想做的，沒想到已經當了四年老師，又當爹又當媽，國語普及，文化教育，這里面的艱辛不是一兩句道得清，除了佩服就是鼓勵，
正如你說的一樣，“一輩子總得做點有意義的事情，生命實在太短暫，一定要活得積極、正面”，或許，這也是我在CSDN分享博客的最大意義，再比如云南那位老友的留言，“農村的孩子下雨沒有傘，只能拼命奔跑”，希望你以后也能成為一名教師，感恩有你們，感謝有你們，我也希望自己早日畢業回到家鄉，花上三四十年做好兩件事，一是認真教書，二是將少數民族文物搶救和文字語音保護做好，也鼓勵更多人一起加入進來，自己雖然很菜吧，但還是有一些喜歡的事，尤其陪伴愛的人，挺好，愛你們喔，2022年繼續加油，在CSDN分享更高質量的博客和專欄，

(By:娜璋之家 Eastmount 2022-01-27 夜于貴陽 https://blog.csdn.net/Eastmount )

參考文獻：

[1]岡薩雷斯. 數字影像處理（第3版）[M]. 北京：電子工業出版社, 2013.
[2]阮秋琦. 數字影像處理學（第3版）[M]. 北京：電子工業出版社，2008.
[3]毛星云, 冷雪飛. OpenCV3編程入門[M]. 北京：電子工業出版社, 2015.
[4]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.
[5]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.

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/423168.html

標籤：AI

上一篇：Matlab 如何生成三維影像

下一篇：這9個特征工程的使用技巧，解決90%機器學習問題

[Python從零到壹] 三十九.影像處理基礎篇之影像幾何變換（鏡像仿射透視）

文章目錄

一.影像鏡像

二.影像仿射

三.影像透視

四.總結