当前位置：首页 > news >正文

OpenCV-Python实战（8）——图像变换

news 2025/8/10 17:52:41

一、缩放 cv2.resize()

img = cv2.resize(src=*,dsize=*,fx=*,fy=*,interpolation=*)

img：目标图像。

src：原始图像。

dsize：（width，height）图像大小。

fx、fy：可选参数，水平/垂直方向缩放比例。

interpolation：可选参数，进行缩放操作使用哪种方法对图像进行删减或增补，常用方法如下：

方法	值	解释
INTER_NEAREST	0	最近插值法
INTER_LINEAR	1	双线性插值法
INTER_CUBIC	2	双三次插值法
INTER_AREA	3
INTER_LENCZOS4	4	Lencz的插值方法

import cv2lena = cv2.imread('Lena.png')img1 = cv2.resize(src=lena,dsize=(int(lena.shape[0]/2),int(lena.shape[1]/2)))
img2 = cv2.resize(src=lena,dsize=None,fx=.5,fy=0.5)
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)cv2.waitKey(0)
cv2.destroyAllWindows()

二、翻转 cv2.flip()

img = cv2.flip(src=*,flipCode=*)

img：目标图像。

src：原始图像。

flipCode：翻转方式：

flipCode	解释
0	垂直翻转
1	水平翻转
-1	垂直与水平同时翻转

import cv2lena = cv2.imread('Lena.png')
lena = lena[::2,::2,:]img1 = cv2.flip(src=lena,flipCode=0)
img2 = cv2.flip(src=lena,flipCode=1)
img3 = cv2.flip(src=lena,flipCode=-1)cv2.imshow('lena',lena)
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.imshow('img3',img3)cv2.waitKey(0)
cv2.destroyAllWindows()

三、仿射

$M=\begin{bmatrix} M11 &M12 &M13 \\ M21 &M22 &M23 \end{bmatrix}$

$img(x,y)=src(M_{11}x + M_{12}y + M_{13} , M_{21}x + M_{22}y + M_{23})$

img = cv2.warpAffine(src=*,M=*,dsize=*,flags=*,borderMode=*,borderValue=*)

img：目标图像。

src：原始图像。

M：3*2 变换矩阵，不同变换矩阵的仿射效果不同。

dsize：（width，height）新图像大小。

flags：进行仿射操作的插值方法。

borderMode：边界像素，默认为：BORDER_CONSTANT。

borderValue：边界填充值，默认为0。

3.1 平移

$img(x,y)=src(1*x + 0*y + M_{13} , 0*x + 1*y + M_{23})$

$M=\begin{bmatrix} 1 &0 &M13 \\ 0 &1 &M23 \end{bmatrix}$

表示图像向X轴方向平移 $_{}$ $M_{13}$ ，向Y轴方向平移 $_{}$ $M_{23}$ 。

import numpy as nplena = cv2.imread('Lena.png')
lena = lena[::2,::2,:]x = 25
y = 25
M = np.float32([[1,0,x],[0,1,y]])
img = cv2.warpAffine(src=lena,M=M,dsize=lena.shape[:2])cv2.imshow('lena',lena)
cv2.imshow('img',img)cv2.waitKey(0)
cv2.destroyAllWindows()

3.2 旋转 cv2.getRotationMatix2D()

M = cv2.getRotationMatrix2D(center=*,angle=*,scale=*)

center：旋转的中心点坐标（width,height）。

angle：旋转角度，正值（逆时针）；负值（顺时针）。

scale：缩放比。

import cv2
import numpy as nplena = cv2.imread('Lena.png')
lena = lena[::2,::2,:]w,h = lena.shape[:2]
M = cv2.getRotationMatrix2D(center=(w/2,h/2),angle=30,scale=1)
img = cv2.warpAffine(src=lena,M=M,dsize=lena.shape[:2])cv2.imshow('lena',lena)
cv2.imshow('img',img)cv2.waitKey(0)
cv2.destroyAllWindows()

3.3 倾斜 cv2.getAffineTransform()

M = cv2.getAffineTransform(src=*,dst=*)

src：原始图像的三个定位点坐标。（可以是图像的任意三个角坐标）

dst：倾斜图像对应的三个定位点坐标。

import cv2
import numpy as nplena = cv2.imread('Lena.png')
lena = lena[::2,::2,:]w,h = lena.shape[:2]
src = np.float32([[0,0],[w-1,0],[w-1,h-1]])
dst = np.float32([[30,0],[w+29,0],[w-1,h-1]])
M = cv2.getAffineTransform(src=src,dst=dst)
dsize = (w+50,h)
img = cv2.warpAffine(src=lena,M=M,dsize=dsize)cv2.imshow('lena',lena)
cv2.imshow('img',img)cv2.waitKey(0)
cv2.destroyAllWindows()

3.4 透视

透视相比于倾斜，定义了四个基准点，可以进行非平行变换。

M = cv2.getPerspectiveTransform(src=*,dst=*)
img = cv2.warpPerspective(src=*,M=*,dsize=*,flags=*,borderMode=*,borderValue=*)

src：原始图像的四个定位点坐标。（可以是图像的任意四个角坐标）

dst：倾斜图像对应的四个定位点坐标。

cv2.warpPerspective：的参数基本与 cv2.warpAffine 相同，只不过这里的 M：4*2 变换矩阵。

import cv2
import numpy as nplena = cv2.imread('Lena.png')
lena = lena[::2,::2,:]w,h = lena.shape[:2]
src = np.float32([[0,0],[w-1,0],[w-1,h-1],[0,h-1]])
dst = np.float32([[10,0],[w-11,0],[w-20,h-1],[20,h-1]])
M = cv2.getPerspectiveTransform(src=src,dst=dst)
img = cv2.warpPerspective(src=lena,M=M,dsize=lena.shape[:2])cv2.imshow('lena',lena)
cv2.imshow('img',img)cv2.waitKey(0)
cv2.destroyAllWindows()

四、重映射 cv2.remap()

按照自定义方法执行映射，可以实现图像的翻转、扭曲、变形、或特定区域图片内容的改变。

img = cv2.remap(src=*,map1=*,map2=*,interpolation=*,borderMode=*,borderValue=*)

img：目标图像。

src：原始图像。

map1、map2：用于存放 src 原始图像的 X 坐标、Y 坐标。

interpolation：标注插值方式，默认为：INRTER_LINEAR。

borderMode：边界像素，默认为：BORDER_CONSTANT。

borderValue：边界填充值，默认为0。

import cv2
import numpy as nplena = cv2.imread('Lena.png')[::2,::2,:]w,h = lena.shape[:2]
mapx = np.zeros(lena.shape[:2],np.float32)
mapy = np.zeros(lena.shape[:2],np.float32)# 复制
for r in range(h):for c in range(w):mapx[r,c] = cmapy[r,c] = r
img1 = cv2.remap(src=lena,map1=mapx,map2=mapy,interpolation=cv2.INTER_LINEAR)# 垂直翻转
for r in range(h):for c in range(w):mapx[r,c] = cmapy[r,c] = h-1-r
img2 = cv2.remap(src=lena,map1=mapx,map2=mapy,interpolation=cv2.INTER_LINEAR)# 水平翻转
for r in range(h):for c in range(w):mapx[r,c] = w-1-cmapy[r,c] = r
img3 = cv2.remap(src=lena,map1=mapx,map2=mapy,interpolation=cv2.INTER_LINEAR)# 垂直和水平翻转
for r in range(h):for c in range(w):mapx[r,c] = w-1-cmapy[r,c] = h-1-r
img4 = cv2.remap(src=lena,map1=mapx,map2=mapy,interpolation=cv2.INTER_LINEAR)cv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.imshow('img3',img3)
cv2.imshow('img4',img4)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2
import numpy as nplena = cv2.imread('Lena.png')[::2,::2,:]w,h = lena.shape[:2]
mapx = np.zeros(lena.shape[:2],np.float32)
mapy = np.zeros(lena.shape[:2],np.float32)# 缩小
for r in range(h):for c in range(w):mapx[r,c] = 2*cmapy[r,c] = 2*r
img1 = cv2.remap(src=lena,map1=mapx,map2=mapy,interpolation=cv2.INTER_LINEAR)[:int(w/2),:int(h/2),:]cv2.imshow('lena',lena)
cv2.imshow('img1',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()