目录
图像的坐标变换又称为图像的几何计算，常见的基本变换包括：平移、旋转、镜像和缩放等等。
（1）代码
使用OpenCV仿射变换函数（cv2.warpAffine）实现平移操作。
import numpy as np
import matplotlib.pyplot as plt
import cv2
def translation(img, x, y):
(h, w) = img.shape[:2]
M = np.float32([[1, 0, x], [0, 1, y]])# 定义平移矩阵
translation_img = cv2.warpAffine(img, M, (w, h))
return translation_img
def run(img_path):
img = cv2.imread(img_path)
shifted_1 = translation(img, 0, 50)# 下移50像素
shifted_2 = translation(img, 100, 50)# 右移100，下移50像素
shifted_3 = translation(img, -50, 0)# 左移50像素
cv2.imwrite("result.jpg", shifted_3)
titles = ["img", "(0,50)", "(100,50)", "(-50,0)"]
images = [img, shifted_1, shifted_2, shifted_3]
for i in range(4):
plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
if __name__ == '__main__':
run("test_rgb.jpg")
pass（2）结果图
（1）代码
import matplotlib.pyplot as plt
import cv2
def run(img_path):
img = cv2.imread(img_path)
flip_0 = cv2.flip(img, 0)# 垂直镜像
flip_1 = cv2.flip(img, 1)# 水平镜像
titles = ["img", "vertical", "horizontal"]
images = [img, flip_0, flip_1]
for i in range(3):
plt.subplot(1, 3, i + 1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
if __name__ == '__main__':
run("test_rgb.jpg")
pass（2）结果图
（1）代码
使用 OpenCV 仿射变换函数(cv2.warpAffine)实现旋转操作。
import numpy as np
import matplotlib.pyplot as plt
import cv2
def rotateImg(img, angle, center=None, scale=1.0):
(h, w) = img.shape[:2]
if center is None:
center = (w / 2, h / 2)# 旋转中心的缺失值为图像中心
M = cv2.getRotationMatrix2D(center, angle, scale)# 调用计算旋转矩阵函数
rotated_img = cv2.warpAffine(img, M, (w, h))
return rotated_img
def run(img_path):
img = cv2.imread(img_path)
rotated_1 = rotateImg(img, 45)# 逆时针45度
rotated_2 = rotateImg(img, -60)# 顺时针60度
rotated_3 = rotateImg(img, 90)# 逆时针90度
titles = ["img", "45", "-60", "90"]
images = [img, rotated_1, rotated_2, rotated_3]
for i in range(4):
plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')
plt.title(titles[i])
plt.xticks([]), plt.yticks([])
plt.show()
if __name__ == '__main__':
run("test_rgb.jpg")
pass（2）结果图
（1）缩放
（2）插值
优点：放大后图像质量高，不会出现像素值不连续的情况。
（3）代码
import cv2
def run(img_path):
img = cv2.imread(img_path)
(h, w) = img.shape[:2]
# 最邻近插值
resized_1 = cv2.resize(img, (10, 10), interpolation=cv2.INTER_NEAREST)
# 双线性插值
resized_2 = cv2.resize(img, (600, 700), interpolation=cv2.INTER_LINEAR)
cv2.namedWindow('(10, 10)', cv2.WINDOW_NORMAL)
cv2.imshow("(10, 10)", resized_1)
cv2.waitKey(0)
cv2.destroyAllWindows()
if __name__ == '__main__':
run("test.jpg")
pass（4）结果图
