需要源码请点赞关注收藏后评论区留言私信~~~

一、仿射变换

仿射变换是一种仅在二维平面中发生的几何变形，变换之后的图形仍然可以保持直线的平直性和平行性，也就是说原来的直线变换之后还是直线，平行线变换之后还是平行线，常见的仿射变换包括平移 旋转和倾斜

OpenCV通过cv2.warpAffine()方法实现仿射变换效果 语法如下

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

M 一个二行三列的矩阵 根据此矩阵的值变换原图中的像素位置

dsize 输出图像的尺寸大小

flags 插值方式 建议使用默认方式

borderMode 边界类型

borderValue 边界值

M也被叫做仿射矩阵 实际上是一个2*3的列表

M=[[a,b,c],[d,e,f]] 仿射变换输出的图像按照以下公式计算

新x=原x*a+原y*b+c

新y=原x*d+原y*e+f

平移

平移就是让图像中的所有像素同时沿着水平或者垂直方向移动，实现这种效果只需要将M设置为以下即可

M=[[1,0,水平移动距离],[0,1,垂直移动的距离]]

让图像向右下方平移效果如下

import cv2import numpy as npimg = cv2.imread("demo.png")# 读取图像rows = len(img)# 图像像素行数cols = len(img[0])# 图像像素列数M = np.float32([[1, 0, 50],# 横坐标向右移动50像素[0, 1, 100]])# 纵坐标向下移动100像素dst = cv2.warpAffine(img, M, (cols, rows))cv2.imshow("img", img)# 显示原图cv2.imshow("dst", dst)# 显示仿射变换效果cv2.waitKey()# 按下任何键盘按键后cv2.destroyAllWindows()# 释放所有窗体

旋转

OpenCV提供了getRotationMatrix2D方法自动计算旋转图像的M矩阵 语法如下

M=cv2.getRotationMartix2D(center,angle,scale)

center 旋转点的中心坐标

angle 旋转的角度 正数逆时针 负数顺时针

scale 缩放比例

下面让图像逆时针旋转30度的同时缩小到原来的百分之八十

import cv2img = cv2.imread("demo.png")# 读取图像rows = len(img)# 图像像素行数cols = len(img[0])# 图像像素列数center = (rows / 2, cols / 2)# 图像的中心点M = cv2.getRotationMatrix2D(center, 30, 0.8)# 以图像为中心，逆时针旋转30度，缩放0.8倍dst = cv2.warpAffine(img, M, (cols, rows))# 按照M进行仿射cv2.imshow("img", img)# 显示原图cv2.imshow("dst", dst)# 显示仿射变换效果cv2.waitKey()# 按下任何键盘按键后cv2.destroyAllWindows()# 释放所有窗体

倾斜

OpenCV需要定位图像的三个点来计算倾斜效果，这三个点分别是左上角 右上角和左下角，这样可以保证图像的平直性和平行性

同样有getAffineTransform方法来自动计算倾斜图像的M矩阵 语法如下

M=cv2.getAffineTransform(src,dst)

src 原图三个点的坐标 格式为三行两列的浮点数列表

dst 倾斜图像的三个点坐标 格式与src一样

下面让图像向右倾斜

import cv2import numpy as npimg = cv2.imread("demo.png")# 读取图像rows = len(img)# 图像像素行数cols = len(img[0])# 图像像素列数p1 = np.zeros((3, 2), np.float32)# 32位浮点型空列表，原图三个点p1[0] = [0, 0]# 左上角点坐标p1[1] = [cols - 1, 0]# 右上角点坐标p1[2] = [0, rows - 1]# 左下角点坐标p2 = np.zeros((3, 2), np.float32)# 32位浮点型空列表，倾斜图三个点p2[0] = [50, 0]# 左上角点坐标，向右挪50像素p2[1] = [cols - 1, 0]# 右上角点坐标，位置不变p2[2] = [0, rows - 1]# 左下角点坐标，位置不变M = cv2.getAffineTransform(p1, p2)# 根据三个点的变化轨迹计算出M矩阵dst = cv2.warpAffine(img, M, (cols, rows))# 按照M进行仿射cv2.imshow('img', img)# 显示原图cv2.imshow('dst', dst)# 显示仿射变换效果cv2.waitKey()# 按下任何键盘按键后cv2.destroyAllWindows()# 释放所有窗体

二、透视

透视就是让图像在三维空间中变形，从不同的角度观察物体，会看到不同的变形画面

OpenCV中需要通过定位图像的四个点计算透视效果，透视效果不能保证图像的平直性和平行性

OpenCV通过warpPerspective方法来实现透视效果

M=cv2.warpPerspective(src,M,dsize,flags,borderMode,borderValue)

M是一个三行三列的矩阵 根据此矩阵的值变换原图中的像素位置

通过getPerspectiveTransform方法来计算M矩阵

下面模拟从底部观察图像得到的透视效果

import cv2import numpy as npimg = cv2.imread("demo.png")# 读取图像rows = len(img)# 图像像素行数cols = len(img[0])# 图像像素列数p1 = np.zeros((4, 2), np.float32)# 32位浮点型空列表，保存原图四个点p1[0] = [0, 0]# 左上角点坐标p1[1] = [cols - 1, 0]# 右上角点坐标p1[2] = [0, rows - 1]# 左下角点坐标p1[3] = [cols - 1, rows - 1]# 右下角点坐标p2 = np.zeros((4, 2), np.float32)# 32位浮点型空列表，保存透视图四个点p2[0] = [90, 0]# 左上角点坐标，向右移动90像素p2[1] = [cols - 90, 0]# 右上角点坐标，向左移动90像素p2[2] = [0, rows - 1]# 左下角点坐标，位置不变p2[3] = [cols - 1, rows - 1]# 右下角点坐标，位置不变M = cv2.getPerspectiveTransform(p1, p2)# 根据四个点的变化轨迹计算出M矩阵dst = cv2.warpPerspective(img, M, (cols, rows))# 按照M进行仿射cv2.imshow('img', img)# 显示原图cv2.imshow('dst', dst)# 显示仿射变换效果cv2.waitKey()# 按下任何键盘按键后cv2.destroyAllWindows()# 释放所有窗体

创作不易 觉得有帮助请点赞关注收藏~~~