图像几何变换

图片变换的本质就是对图片的矩阵进行操作

图片位移

矩阵仿射变换，是一系列变换的基础

图片缩放

图片缩放就是将图片宽高信息进行改变

加载图片
修改大小
放大缩小等比例缩放

def resize(img,param):
    height,width,_ = get_img_info(img)
    dstHeight = int(height * param)
    dstWidth = int(height * param)
    dst = cv2.resize(img,(dstWidth,dstHeight))
    return dst

def get_img_info(img):
    imgInfo = img.shape
    height = imgInfo[0]
    width = imgInfo[1]
    mode = imgInfo[2]
    return height, width, mode

图像缩放

img = cv2.imread('empire.jpeg',1)

dst = utils.resize(img,0.5)
cv2.imshow('resize img',dst)
cv2.waitKey(0)

在 opencv 中提供的有关缩放的方法

最近临域插值
对于缩放后像素位置 x y 如果是小数，可以按临近进行取整
双线性插值
当我们进行缩放后得到点的 x y 都是小数，这次在双线插值法不是取最近点，而是按比例进行从周围 4 个点进行取值。根据该点距离其周围 4 点的比例来将周围 4 点像素值作为目标点。
像素关系重采样
立方插值

def resize_nearby(img,scale):
    height,width,_ = get_img_info(img)
    dstHeight = int(height/scale)
    dstWidth = int(height/scale)
    # create empty
    dstImage = np.zeros((dstHeight,dstWidth,3),np.uint8)
    for i in range(0,dstHeight):# row
        for j in range(0,dstWidth):#column
            iNew = int(i*(height*1.0/dstHeight))
            jNew = int(j*(width*1.0)/dstWidth)
            dstImage[i,j] = img[iNew,jNew]
    return dstImage

通过变换矩阵实现图片缩放

def resize_with_mat(img,scale):
    height,width,_ = get_img_info(img)
    # tranform array
    matTransform = np.float32([[scale,0,0],[0,scale,0]]) # 2 * 3
    dst = cv2.warpAffine(img,matTransform,(int(width*scale),int(height*scale)) )
    return dst

图片剪切

其本质是对数据进行操作，x 表示列信息 y 表示行信息。

def img_crop(img,startX,startY,h,w):
    height,width,_ = get_img_info(img)
    print(startX,(startX+h),startY,startY + w)
    dst = img[startX:(startX+w),startY:(startY + h)]
    # dst = img[100:200,100:300]
    return dst

图片裁剪

图片镜像

def img_mirror_v(img):
    height,width,deep = get_img_info(img)
    dstInfo = (height*2,width,deep)
    dst = np.zeros(dstInfo,np.uint8)
    for i in range(0,height):
        for j in range(0,width):
            dst[i,j] = img[i,j]
            # x y 
            dst[height*2-i-1,j] = img[i,j]
    for i in range(0,width):
        dst[height,i] = (0,0,255) #BGR
    return dst

图片镜像

图片位移

了解 opencv 提供有关位移的 API,
这里 matTransform 就是偏移矩阵，由该矩阵来控制图片的位置
$\begin{bmatrix} 1 & 0 & 100 \ 0 & 1 & 200 \end{bmatrix}$

[1,0,100],[0,1,200] 对该矩阵进行拆分为[1,0],[0,1]和[100],[200]
xy 为 C 矩阵
AC + B = [[1x + 0y],[0x + 1*y]] + [[100],[200]] = [[x+100],[y+200]]

def img_transform(img):
    height,width,_ = get_img_info(img)
    # tranform array
    matTransform = np.float32([[1,0,100],[0,1,200]]) # 2 * 3
    dst = cv2.warpAffine(img,matTransform,(width,height))
    return dst

图片平移

仿射变换

所谓仿射变换就是线性变换将平移，通过矩阵来控制 2D 图像，

直线变换

变换前是直线的，变换后依然是直线
直线比例保持不变
变换前是原点的，变换后依然是原点

这里通过左上角、左下角和右上角

def img_transform(img):
    height,width,deep = get_img_info(img)
    matSrc = np.float32([[0,0],[0,height-1],[width-1,0]])
    matDst = np.float32([[50,50],[300,height-200],[width-300,100]])
    # combination
    matAffine = cv2.getAffineTransform(matSrc,matDst) # mat
    dst = cv2.warpAffine(img,matAffine,(width,height))
    return dst

图片变换

图片旋转

有关图像旋转这里我们使用 opencv 提供 getRotationMatrix2D 来获得一个矩阵来控制旋转，getRotationMatrix2D 接受三个参数分别为，

旋转的中心点
旋转的角度
缩放的比例

def img_rotate(img):
    height,width,deep = get_img_info(img)

    # mat rotate 1 center 2 angle 3 src
    matRotate = cv2.getRotationMatrix2D((height*0.5,width*0.5),45,0.5)
    dst = cv2.warpAffine(img,matRotate,(width,height))
    return dst

图片旋转