视频网站建设审批,东莞网站开发建设,企业管理培训课程表,关于珠海网站建设的优势一、图像的基本变换
1.1 图像的放大与缩小
- resize(src, dsize, dst, fx, fy, interpolation) - src: 要缩放的图片 - dsize: 缩放之后的图片大小, 元组和列表表示均可. - dst: 可选参数, 缩放之后的输出图片 - fx, fy: x轴和y轴的缩放比, 即宽度和高度的缩放比. - …一、图像的基本变换
1.1 图像的放大与缩小
- resize(src, dsize, dst, fx, fy, interpolation) - src: 要缩放的图片 - dsize: 缩放之后的图片大小, 元组和列表表示均可. - dst: 可选参数, 缩放之后的输出图片 - fx, fy: x轴和y轴的缩放比, 即宽度和高度的缩放比. - interpolation: 插值算法, 主要有以下几种: - INTER_NEAREST, 邻近插值, 速度快, 效果差. - INTER_LINEAR, 双线性插值, 使用原图中的4个点进行插值. 默认. - INTER_CUBIC, 三次插值, 原图中的16个点. - INTER_AREA, 区域插值, 效果最好, 计算时间最长. import cv2import numpy as np#导入图片dog cv2.imread(./dog.jpeg)# x,y放大一倍new_dog cv2.resize(dog,dsize(800, 800), interpolationcv2.INTER_NEAREST)cv2.imshow(dog, new_dog)cv2.waitKey(0)cv2.destroyAllWindows() 1.2 图像的翻转
- flip(src, flipCode) - flipCode 0 表示上下翻转 - flipCode 0 表示左右翻转 - flipCode 0 上下 左右
# 翻转
import cv2
import numpy as np#导入图片
dog cv2.imread(./dog.jpeg)new_dog cv2.flip(dog, flipCode-1)
cv2.imshow(dog, new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows() 1.3 图像的旋转
- rotate(img, rotateCode) - ROTATE_90_CLOCKWISE 90度顺时针 - ROTATE_180 180度 - ROTATE_90_COUNTERCLOCKWISE 90度逆时针
# 旋转
import cv2
import numpy as np#导入图片
dog cv2.imread(./dog.jpeg)new_dog cv2.rotate(dog, rotateCodecv2.cv2.ROTATE_90_COUNTERCLOCKWISE)
cv2.imshow(dog, new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows() 1.4 仿射变换之图像平移
- 仿射变换是图像旋转, 缩放, 平移的总称.具体的做法是通过一个矩阵和和原图片坐标进行计算, 得到新的坐标, 完成变换. 所以关键就是这个矩阵.
- warpAffine(src, M, dsize, flags, mode, value)
- M:变换矩阵
- dsize: 输出图片大小
- flag: 与resize中的插值算法一致
- mode: 边界外推法标志
- value: 填充边界值
- 平移矩阵 # 仿射变换之平移import cv2import numpy as np#导入图片dog cv2.imread(./dog.jpeg)h, w, ch dog.shapeM np.float32([[1, 0, 100], [0, 1, 0]])# 注意opencv中是先宽度, 再高度new cv2.warpAffine(dog, M, (w, h))cv2.imshow(new, new)cv2.waitKey(0)cv2.destroyAllWindows() 1.5 仿射变换之获取变换矩阵
仿射变换的难点就是计算变换矩阵, OpenCV提供了计算变换矩阵的API
- getRotationMatrix2D(center, angle, scale) - center 中心点 , 以图片的哪个点作为旋转时的中心点. - angle 角度: 旋转的角度, 按照逆时针旋转. - scale 缩放比例: 想把图片进行什么样的缩放.
# 仿射变换之平移
import cv2
import numpy as np#导入图片
dog cv2.imread(./dog.jpeg)h, w, ch dog.shape
# M np.float32([[1, 0, 100], [0, 1, 0]])# 注意旋转的角度为逆时针.
# M cv2.getRotationMatrix2D((100, 100), 15, 1.0)
# 以图像中心点旋转
M cv2.getRotationMatrix2D((w/2, h/2), 15, 1.0)
# 注意opencv中是先宽度, 再高度
new cv2.warpAffine(dog, M, (w, h))cv2.imshow(new, new)
cv2.waitKey(0)
cv2.destroyAllWindows() - getAffineTransform(src[], dst[]) 通过三点可以确定变换后的位置, 相当于解方程, 3个点对应三个方程, 能解出偏移的参数和旋转的角度. - src原目标的三个点 - dst对应变换后的三个点 # 通过三个点来确定M# 仿射变换之平移import cv2import numpy as np#导入图片dog cv2.imread(./dog.jpeg)h, w, ch dog.shape# 一般是横向和纵向的点, 所以一定会有2个点横坐标相同, 2个点纵坐标相同src np.float32([[200, 100], [300, 100], [200, 300]])dst np.float32([[100, 150], [360, 200], [280, 120]])M cv2.getAffineTransform(src, dst)# 注意opencv中是先宽度, 再高度new cv2.warpAffine(dog, M, (w, h))cv2.imshow(new, new)cv2.waitKey(0)cv2.destroyAllWindows() 1.6 透视变换
透视变换就是将一种坐标系变换成另一种坐标系. 简单来说可以把一张斜的图变正.
- warpPerspective(img, M, dsize,....)
- 对于透视变换来说, M是一个3 * 3 的矩阵.
- getPerspectiveTransform(src, dst) 获取透视变换的变换矩阵, 需要4个点, 即图片的4个角.
# 透视变换import cv2import numpy as np#导入图片img cv2.imread(./123.png)print(img.shape)src np.float32([[100, 1100], [2100, 1100], [0, 4000], [2500, 3900]])dst np.float32([[0, 0], [2300, 0], [0, 3000], [2300, 3000]])M cv2.getPerspectiveTransform(src, dst)new cv2.warpPerspective(img, M, (2300, 3000))cv2.namedWindow(img, cv2.WINDOW_NORMAL)cv2.resizeWindow(img, 640, 480)cv2.namedWindow(new, cv2.WINDOW_NORMAL)cv2.resizeWindow(new, 640, 480)cv2.imshow(img, img)cv2.imshow(new, new)cv2.waitKey(0)cv2.destroyAllWindows()
