目标

在本教程中：

  • 你将会学到将不同的几何变换应用于图像，如平移、旋转、仿射变换等。
  • 你会学到如下函数：cv.getPerspectiveTransform

变换

OpenCV 提供了两个转换函数，cv.warpAffine 和 cv.warpPerspective，可以进行各种转换。 cv.warpAffine 采用 2x3 变换矩阵，而 cv.warpPerspective 采用 3x3 变换矩阵作为输入。

缩放

缩放是调整图片的大小。 OpenCV 使用 cv.resize() 函数进行调整。可以手动指定图像的大小，也可以指定比例因子。可以使用不同的插值方法。对于下采样(图像上缩小)，最合适的插值方法是 cv.INTER_AREA 对于上采样(放大),最好的方法是 cv.INTER_CUBIC （速度较慢）和 cv.INTER_LINEAR (速度较快)。默认情况下，所使用的插值方法都是 cv.INTER_AREA 。你可以使用如下方法调整输入图片大小：

  1. import numpy as np
  2. import cv2 as cv
  3. img = cv.imread('messi5.jpg')
  4. res = cv.resize(img,None,fx=2, fy=2, interpolation = cv.INTER_CUBIC)
  5. #OR
  6. height, width = img.shape[:2]
  7. res = cv.resize(img,(2*width, 2*height), interpolation = cv.INTER_CUBIC)

平移变换

平移变换是物体位置的移动。如果知道 （x，y） 方向的偏移量，假设为 (t_x,t_y)，则可以创建如下转换矩阵 M：

图片

您可以将变换矩阵存为 np.float32 类型的 numpy 数组，并将其作为 cv.warpAffine 的第二个参数。请参见以下转换（100,50）的示例：

  1. import numpy as np
  2. import cv2 as cv
  3. img = cv.imread('messi5.jpg',0)
  4. rows,cols = img.shape
  5. M = np.float32([[1,0,100],[0,1,50]])
  6. dst = cv.warpAffine(img,M,(cols,rows))
  7. cv.imshow('img',dst)
  8. cv.waitKey(0)
  9. cv.destroyAllWindows()

警告

cv.warpAffine 函数的第三个参数是输出图像的大小，其形式应为（宽度、高度）。记住宽度=列数，高度=行数。

结果：

图片

旋转

以 图片角度旋转图片的转换矩阵形式为：

图片

但 Opencv 提供了可变旋转中心的比例变换，所以你可以在任意位置旋转图片，修改后的转换矩阵为：

图片

其中：

图片

为了找到这个转换矩阵，opencv 提供了一个函数， cv.getRotationMatrix2D 。请查看下面的示例，它将图像相对于中心旋转 90 度，而不进行任何缩放。

  1. img = cv.imread('messi5.jpg',0)
  2. rows,cols = img.shape
  3. # cols-1 and rows-1 are the coordinate limits.
  4. M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)
  5. dst = cv.warpAffine(img,M,(cols,rows))

结果：

图片

仿射变换

在仿射变换中，原始图像中的所有平行线在输出图像中仍然是平行的。为了找到变换矩阵，我们需要从输入图像中取三个点及其在输出图像中的对应位置。然后 cv.getAffineTransform 将创建一个 2x3 矩阵，该矩阵将传递给 cv.warpAffine 。

查看下面的示例，并注意我选择的点（用绿色标记）：

  1. img = cv.imread('drawing.png')
  2. rows,cols,ch = img.shape
  3. pts1 = np.float32([[50,50],[200,50],[50,200]])
  4. pts2 = np.float32([[10,100],[200,50],[100,250]])
  5. M = cv.getAffineTransform(pts1,pts2)
  6. dst = cv.warpAffine(img,M,(cols,rows))
  7. plt.subplot(121),plt.imshow(img),plt.title('Input')
  8. plt.subplot(122),plt.imshow(dst),plt.title('Output')
  9. plt.show()

结果：

图片

透视变换

对透视转换，你需要一个 3x3 变换矩阵。即使在转换之后，直线也将保持直线。要找到这个变换矩阵，需要输入图像上的 4 个点和输出图像上的相应点。在这四点中，任意三点不应该共线。然后通过 cv.getPerspectiveTransform 找到变换矩阵。然后对这个 3x3 变换矩阵使用 cv.warpPerspective。

请看代码：

  1. img = cv.imread('sudoku.png')
  2. rows,cols,ch = img.shape
  3. pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
  4. pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
  5. M = cv.getPerspectiveTransform(pts1,pts2)
  6. dst = cv.warpPerspective(img,M,(300,300))
  7. plt.subplot(121),plt.imshow(img),plt.title('Input')
  8. plt.subplot(122),plt.imshow(dst),plt.title('Output')
  9. plt.show()

结果：

图片

其他资源

1、”Computer Vision: Algorithms and Applications”, Richard Szelisk

练习