本篇筆記主要記錄Opencv里的圖像翻轉，平移，旋轉，仿射及透視功能，主要是下面幾個API:

• cv2.flip() # 圖像翻轉
• cv2.warpAffine()　＃圖像仿射
• cv2.getRotationMatrix2D()　＃取得旋轉角度的Matrix
• cv2.GetAffineTransform(src, dst, mapMatrix) #取得圖像仿射的matrix
• cv2.getPerspectiveTransform(src, dst) #取得圖像透視的４個點起止值
• cv2.warpPerspective()　＃圖像透視

圖像翻轉　cv2.flip()

cv2.flip(src, flipCode[, dst]) → dst

• src: 原始圖像矩陣；
• dst: 變換后的矩陣；
• flipMode: 翻轉模式，有三種模式
  • 0 --- 垂直方向翻轉； 1----- 水平方向翻轉； -1：水平、垂直方向同時翻轉

  flipCode==0垂直翻轉（沿X軸翻轉），flipCode>0水平翻轉（沿Y軸翻轉），flipCode<0水平垂直翻轉（先沿X軸翻轉，再沿Y軸翻轉，等價于旋轉180°）

            
              %matplotlib inline
from matplotlib import pyplot as plt
import numpy as np
import cv2

image = cv2.imread("aier.jpg")
# Flipped Horizontally 水平翻轉
h_flip = cv2.flip(image, 1)
# Flipped Vertically 垂直翻轉
v_flip = cv2.flip(image, 0)
# Flipped Horizontally & Vertically 水平垂直翻轉
hv_flip = cv2.flip(image, -1)

plt.figure(figsize=(8,8))

plt.subplot(221)
plt.imshow(image[:,:,::-1])
plt.title('original')

plt.subplot(222)
plt.imshow(h_flip[:,:,::-1])
plt.title('horizontal flip')

plt.subplot(223)
plt.imshow(v_flip[:,:,::-1])
plt.title(' vertical flip')

plt.subplot(224)
plt.imshow(hv_flip[:,:,::-1])
plt.title('h_v flip')
# 調整子圖間距
# plt.subplots_adjust(wspace=0.5, hspace=0.1)
plt.subplots_adjust(top=0.8, bottom=0.08, left=0.10, right=0.95, hspace=0,
                    wspace=0.35)
# plt.tight_layout()
plt.show()

            
          

cv2.flip()

圖像平移，旋轉，仿射 　cv2.warpAffine()

cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])

            
              src input image.
dst output image that has the size dsize and the same type as src .
M   2×3 transformation matrix.
dsize   size of the output image.
flags   combination of interpolation methods (see InterpolationFlags) and the optional flag WARP_INVERSE_MAP that means that M is the inverse transformation ( dst→src ).
borderMode  pixel extrapolation method (see BorderTypes); when borderMode=BORDER_TRANSPARENT, it means that the pixels in the destination image corresponding to the "outliers" in the source image are not modified by the function.
borderValue value used in case of a constant border; by default, it is 0.

            
          

cv2.getRotationMatrix2D(center, angle, scale)

函數(shù)有三個參數(shù)：

• center：圖片的旋轉中心
• angle：旋轉角度
• scale：縮放比例，該例中0.5表示我們縮小一半

            
              %matplotlib inline
from matplotlib import pyplot as plt
import cv2
import numpy as np

img = cv2.imread('aier.jpg')
rows,cols = img.shape[:2]

# 定義平移矩陣，需要是numpy的float32類型
# x軸平移200，y軸平移100, 2*3矩陣
M = np.float32([[1, 0, 200], [0, 1, 100]])
# 用仿射變換實現(xiàn)平移
img_s = cv2.warpAffine(img, M, (cols, rows), borderValue=(155, 150, 200))

# 第一個參數(shù)旋轉中心，第二個參數(shù)旋轉角度，第三個參數(shù)：縮放比例, 生成一２＊３的矩陣
M = cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
M1 = cv2.getRotationMatrix2D((cols/2,rows/2),180,1)
M2 = cv2.getRotationMatrix2D((cols/2,rows/2),60,1)
print(M)
'''
[[ 6.123234e-17  1.000000e+00  1.500000e+02]
 [-1.000000e+00  6.123234e-17  6.500000e+02]]
'''
# 第三個參數(shù)：變換后的圖像大小
img_tra = cv2.warpAffine(img,M,(cols,rows))
img_tra1 = cv2.warpAffine(img,M1,(cols,rows))
img_tra2 = cv2.warpAffine(img,M2,(cols,rows), borderValue=(155, 100, 155))

plt.figure(figsize=(8,8))
plt.subplot(221)
plt.imshow(img[:,:,::-1])

plt.subplot(222)
plt.imshow(img_s[:,:,::-1])

plt.subplot(223)
plt.imshow(img_tra[:,:,::-1])

plt.subplot(224)
plt.imshow(img_tra2[:,:,::-1])

plt.subplots_adjust(top=0.8, bottom=0.08, left=0.10, right=0.95, hspace=0,
                    wspace=0.35)
plt.show()

            
          

平移，旋轉

圖像仿射

圖像的旋轉加上拉升就是 圖像仿射變換 ，仿射變化也是需要一個M矩陣就可以，但是由于仿射變換比較復雜，一般直接找很難找到這個矩陣，opencv提供了根據(jù)變換前后三個點的對應關系來自動求解M。這個函數(shù)是
M=cv2.getAffineTransform(pos1,pos2),其中兩個位置就是變換前后的對應位置關系。輸出的就是仿射矩陣M。然后在使用函數(shù)cv2.warpAffine()。

cv.GetAffineTransform(src, dst, mapMatrix) → None

• Parameters: 變換前的三個點與其對應的變換后的點.
  • src – Coordinates of triangle vertices in the source image.
  • dst – Coordinates of the corresponding triangle vertices in the destination image.

The function calculates the 2*3 matrix of an affine transform.

AffineMatrix = cv2.getAffineTransform(np.array(SrcPointsA),
np.array(CanvasPointsA))

圖像仿射示例圖

            
              %matplotlib inline
from matplotlib import pyplot as plt
import cv2
import numpy as np

img = cv2.imread('aier.jpg')
rows,cols = img.shape[:2]
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,20],[100,250]])
M = cv2.getAffineTransform(pts1,pts2)
#第三個參數(shù)：變換后的圖像大小
res = cv2.warpAffine(img,M,(rows,cols))
plt.subplot(121)
plt.imshow(img[:,:,::-1])

plt.subplot(122)
plt.imshow(res[:,:,::-1])

plt.show()

            
          

透視　Perspective

視角變換，需要一個3*3變換矩陣。在變換前后要保證直線還是直線。
構建此矩陣需要在輸入圖像中找尋 4個點 ，以及在輸出圖像中對應的位置。這四個點中的任意三個點不能共線。

            
              ## pts1 ==> pts2
pts1=np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2=np.float32([[0,0],[300,0],[0,300],[300,300]])
M=cv2.getPerspectiveTransform(pts1,pts2)

            
          

cv2.getPerspectiveTransform(np.array(SrcPointsA), np.array(CanvasPointsA))

cv2.getPerspectiveTransform(src, dst) → retval

cv2.warpPerspective(Img, PerspectiveMatrix, (300, 300))

cv2.warpPerspective(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst

            
              src – input image.
dst – output image that has the size dsize and the same type as src .
M – 3*3 transformation matrix.
dsize – size of the output image.
flags – combination of interpolation methods (INTER_LINEAR or INTER_NEAREST) and the optional flag WARP_INVERSE_MAP, that sets M as the inverse transformation ( dst ---> src ).
borderMode – pixel extrapolation method (BORDER_CONSTANT or BORDER_REPLICATE).
borderValue – value used in case of a constant border; by default, it equals 0.

            
          

４個點前后映射示例圖

            
              %matplotlib inline
from matplotlib import pyplot as plt
import cv2
import numpy as np

img=cv2.imread('aier.jpg')
rows,cols,ch=img.shape
pts1=np.float32([[56,5],[368,5],[28,387],[389,390]])
pts2=np.float32([[0,0],[300,0],[0,300],[300,300]])
M=cv2.getPerspectiveTransform(pts1,pts2)
print(M)
dst=cv2.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

            
          

圖像透視

本文主要內容就是這些，其他更深入功能待后續(xù)繼續(xù)完善.....
［參考］
Geometric Transformations of Images

作者：深思海數(shù)_willschang
鏈接：https://www.jianshu.com/p/ef67cacf442c
來源：簡書
簡書著作權歸作者所有，任何形式的轉載都請聯(lián)系作者獲得授權并注明出處。