文章目录[隐藏]

本文分享内容来自图书《学习OpenCV 4：基于Python的算法实战》，该书内容如下：

第1章 OpenCV快速入门；
第2章 图像读写模块imgcodecs；
第3章 核心库模块core；
第4章 图像处理模块imgproc（一）；
第5章 图像处理模块imgproc（二）；
第6章 可视化模块highgui；
第7章 视频处理模块videoio；
第8章 视频分析模块video；
第9章 照片处理模块photo；
第10章 2D特征模块features2d；
第11章 相机标定与三维重建模块calib3d；
第12章 传统目标检测模块objdetect；
第13章 机器学习模块ml；
第14章 深度神经网络模块dnn

欢迎关注图书《深度学习计算机视觉实战》与《学习OpenCV4：基于Python的算法实战》。

在这里插入图片描述

案例50：仿射变换

仿射变换是实现图像旋转，平移和缩放的常见操作，仿射变换后的图像具有平行性与平直性，即能够很好的保持原有图像中的直线关系与平行关系。OpenCV中提供了仿射变换操作的函数warpAffine，函数定义如下：

dst = warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)

参数说明如下：
src，输入图像；
M，2x3的变换矩阵；
dsize，输出图像尺寸；
dst，输出图像（返回值）；
flags，插值方式，由InterpolationFlags定义（见4.3节）；
borderMode，边界模式，由BorderTypes定义（见3.4.5节）；
borderValue，当边界模式为BORDER_CONSTANT时的边界值。
仿射变换需要通过函数getRotationMatrix2D生成变换矩阵，该函数的定义如下：

retval = getRotationMatrix2D(center, angle, scale)

参数说明如下：
center，输入图像的旋转的中心；
angle，旋转角度，正数值为逆时针旋转；
scale，缩放系数；
retval，生成的旋转矩阵（返回值）。
如果设置旋转角度angle为0，缩放系数为0.6，则可以实现图像的缩放，案例代码如下：

import cv2

img = cv2.imread('src.jpg')
rows, cols, channels = img.shape
#获取仿射变换矩阵
M = cv2.getRotationMatrix2D((cols/2, rows/2), 0, 0.6)
#仿射变换
affine_img = cv2.warpAffine(img, M, (cols, rows))
#图像显示
cv2.imshow("affine_img", affine_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

缩放的结果如图5.8所示。
在这里插入图片描述

图5.8
如果设置旋转角度angle为45，即进行逆时针45度旋转，缩放系数为0.6，则可以实现图像的旋转和缩放，变换矩阵生成的代码如下：

M = cv2.getRotationMatrix2D((cols/2, rows/2), 45, 0.6)

旋转缩放的结果如图5.9所示。
在这里插入图片描述

图5.9

5.3 案例51：透视变换

透视变换是在二维平面获得接近真实三维物体的视觉效果一种算法，OpenCV提供了透视变换的函数warpPerspective，该函数定义如下：

dst = warpPerspective(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)

函数对应的参数含义说明：
src，输入图像；
M，3×3的变换矩阵；
dsize，输出图像尺寸；
dst，输出图像（返回值）；
flags，插值方式，由InterpolationFlags定义；
borderMode，边界模式，由BorderTypes定义（见3.4.5节）；
borderValue，当边界模式为BORDER_CONSTANT时的边界值。
插值方式InterpolationFlags的定义如下：

enum InterpolationFlags{
    INTER_NEAREST        	= 0,		#最近邻插值
    INTER_LINEAR         	= 1,		#双线性插值	
    INTER_CUBIC          	= 2,		#双三次插值
    INTER_AREA           	= 3,		#不支持
    INTER_LANCZOS4       	= 4,		#Lanczos插值
    INTER_LINEAR_EXACT 		= 5,		#按位双线性插值
    INTER_MAX            	= 7,		#差值代码mask
    WARP_FILL_OUTLIERS   	= 8,		#是否填充所有目标图像像素的标志
    WARP_INVERSE_MAP     	= 16		#是否翻转变换的标志
};

3×3的变换矩阵可以通过函数getPerspectiveTransform获取，函数定义如下：

retval = getPerspectiveTransform(src, dst, solveMethod=None)

函数参数说明如下：
src，输入图像中四边形顶点的坐标；
dst，输出图像中相应四边形顶点的坐标；
solveMethod，矩阵分解类型；
retval，生成的透视变换矩阵（返回值）；
使用warpPerspective函数进行透视变换的案例代码如下：

import cv2
import numpy as np

img = cv2.imread('src.jpg')
height, width, channel = img.shape
#设置源图像中四边形顶点的坐标
pSrc = np.float32([[0, 0], [width-1, 0], [width-1, height-1], [0, height-1]])
#设置目标图像中相应四边形顶点的坐标
pDst = np.float32([[width*0.02, height*0.1], [width*0.8, width*0.2], [width*0.9, height*0.8], [width*0.2, height*0.8]])
#生成3x3透视变换矩阵
M = cv2.getPerspectiveTransform(pSrc, pDst)
#透视变换
dst = cv2.warpPerspective(img, M, (height, width))
cv2.imshow("perspective_result", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()