前言

圖像變換是指通過(guò)對(duì)圖像進(jìn)行縮放、平移、旋轉(zhuǎn)、仿射、透視等變換來(lái)改變圖像的形狀和大小。在本篇博客中，我們將詳細(xì)介紹OpenCV中的圖像變換函數(shù)，并提供示例代碼以幫助讀者更好地理解這些函數(shù)的使用方法。

1. 縮放變換

縮放變換是指通過(guò)改變圖像的大小來(lái)改變圖像的形狀。在OpenCV中，可以使用resize函數(shù)實(shí)現(xiàn)縮放變換。該函數(shù)的原型如下：

void resize(InputArray src, OutputArray dst, Size dsize, double fx=0, double fy=0, int interpolation=INTER_LINEAR )

其中，src表示原圖像，dst表示輸出圖像，dsize表示輸出圖像的大小，fx和fy表示在x和y方向上的縮放因子，interpolation表示縮放方法，常見(jiàn)的有以下5種：

1. cv2.INTER_NEAREST 最近鄰插值法；
2. cv2.INTER_LINEAR 雙線性插值法（默認(rèn)）（推薦放大處理）；
3. cv2.INTER_AREA 基于局部像素點(diǎn)的重采樣（推薦縮小處理）；
4. cv2.INTER_CUBIC 基于4x4像素鄰域的3次插值法（推薦放大處理）；
5. cv2.INTER_LANCZOS4 基于8x8像素鄰域的lanczos插值；

下面是一個(gè)簡(jiǎn)單的示例代碼，展示如何使用resize函數(shù)進(jìn)行圖像縮放：

import cv2

# 加載圖像
img = cv2.imread('input.jpg')

# 縮放圖像
resized_img = cv2.resize(img, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_LINEAR)

# 顯示縮放后的圖像
cv2.imshow('Resized Image', resized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的示例代碼中，我們首先使用cv2.imread函數(shù)加載輸入圖像，然后使用cv2.resize函數(shù)將圖像縮小一半，最后使用cv2.imshow函數(shù)顯示縮放后的圖像。

2. 平移變換

**平移變換是指通過(guò)改變圖像的位置來(lái)改變圖像的形狀。**在OpenCV中，可以使用warpAffine函數(shù)實(shí)現(xiàn)平移變換。該函數(shù)的原型如下：

void warpAffine(InputArray src, OutputArray dst, InputArray M, Size dsize, int flags=INTER_LINEAR, int borderMode=BORDER_CONSTANT, const Scalar& borderValue=Scalar())

其中，src表示原圖像，dst表示輸出圖像，M表示變換矩陣，dsize表示輸出圖像的大小，flags表示插值方法，borderMode表示邊界填充模式，borderValue表示填充顏色。

下面是一個(gè)簡(jiǎn)單的示例代碼，展示如何使用warpAffine函數(shù)進(jìn)行圖像平移：

import cv2
import numpy as np

# 加載圖像
img = cv2.imread('input.jpg')

# 定義平移矩陣
M = np.float32([[1, 0, 100], [0, 1, 50]])

# 平移圖像
translated_img = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

# 顯示平移后的圖像
cv2.imshow('Translated Image', translated_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的示例代碼中，我們首先使用cv2.imread函數(shù)加載輸入圖像，然后定義一個(gè)平移矩陣M，其中第一行表示在x方向上平移100個(gè)像素，第二行表示在y方向上平移50個(gè)像素。最后，我們使用cv2.warpAffine函數(shù)對(duì)圖像進(jìn)行平移，并使用cv2.imshow函數(shù)顯示平移后的圖像。

3. 旋轉(zhuǎn)變換

**旋轉(zhuǎn)變換是指通過(guò)改變圖像的方向來(lái)改變圖像的形狀。**在OpenCV中，可以使用getRotationMatrix2D和warpAffine函數(shù)實(shí)現(xiàn)旋轉(zhuǎn)變換。getRotationMatrix2D函數(shù)用于計(jì)算旋轉(zhuǎn)矩陣，warpAffine函數(shù)用于對(duì)圖像進(jìn)行旋轉(zhuǎn)變換。這兩個(gè)函數(shù)的原型如下：

Mat getRotationMatrix2D(Point2f center, double angle, double scale);
void warpAffine(InputArray src, OutputArray dst, InputArray M, Size dsize, int flags=INTER_LINEAR, int borderMode=BORDER_CONSTANT, const Scalar& borderValue=Scalar())

其中，center表示旋轉(zhuǎn)中心，angle表示旋轉(zhuǎn)角度，scale表示縮放因子，src表示原圖像，dst表示輸出圖像，M表示變換矩陣，dsize表示輸出圖像的大小，flags表示插值方法，borderMode表示邊界填充模式，borderValue表示填充顏色。

下面是一個(gè)簡(jiǎn)單的示例代碼，展示如何使用getRotationMatrix2D和warpAffine函數(shù)進(jìn)行圖像旋轉(zhuǎn)：

import cv2
import numpy as np

# 加載圖像
img = cv2.imread('input.jpg')

# 計(jì)算旋轉(zhuǎn)矩陣
center = (img.shape[1] / 2, img.shape[0] / 2)
angle = 45
scale = 1
M = cv2.getRotationMatrix2D(center, angle, scale)

# 旋轉(zhuǎn)圖像
rotated_img = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

# 顯示旋轉(zhuǎn)后的圖像
cv2.imshow('Rotated Image', rotated_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的示例代碼中，我們首先使用cv2.imread函數(shù)加載輸入圖像，然后使用cv2.getRotationMatrix2D函數(shù)計(jì)算旋轉(zhuǎn)矩陣M，其中center表示旋轉(zhuǎn)中心，angle表示旋轉(zhuǎn)角度，scale表示縮放因子。最后，我們使用cv2.warpAffine函數(shù)對(duì)圖像進(jìn)行旋轉(zhuǎn)，并使用cv2.imshow函數(shù)顯示旋轉(zhuǎn)后的圖像。

4. 仿射變換

**仿射變換是指通過(guò)線性變換來(lái)改變圖像的形狀。**在OpenCV中，可以使用getAffineTransform和warpAffine函數(shù)實(shí)現(xiàn)仿射變換。getAffineTransform函數(shù)用于計(jì)算仿射變換矩陣，warpAffine函數(shù)用于對(duì)圖像進(jìn)行仿射變換。這兩個(gè)函數(shù)的原型如下：

Mat getAffineTransform(const Point2f src[], const Point2f dst[]);
void warpAffine(InputArray src, OutputArray dst, InputArray M, Size dsize, int flags=INTER_LINEAR, int borderMode=BORDER_CONSTANT, const Scalar& borderValue=Scalar() )

其中，src表示原圖像中的三個(gè)點(diǎn)，dst表示變換后的三個(gè)點(diǎn)，M表示變換矩陣，dsize表示輸出圖像的大小，flags表示插值方法，borderMode表示邊界填充模式，borderValue表示填充顏色。

下面是一個(gè)簡(jiǎn)單的示例代碼，展示如何使用getAffineTransform和warpAffine函數(shù)進(jìn)行仿射變換：

import cv2
import numpy as np

# 加載圖像
img = cv2.imread('input.jpg')

# 定義原圖像中的三個(gè)點(diǎn)和變換后的三個(gè)點(diǎn)
src_points = np.float32([[50, 50], [200, 50], [50, 200]])
dst_points = np.float32([[10, 100], [200, 50], [100, 250]])

# 計(jì)算仿射變換矩陣
M = cv2.getAffineTransform(src_points, dst_points)

# 仿射變換圖像
affine_img = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

# 顯示變換后的圖像
cv2.imshow('Affine Image', affine_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的示例代碼中，我們首先使用cv2.imread函數(shù)加載輸入圖像，然后定義原圖像中的三個(gè)點(diǎn)和變換后的三個(gè)點(diǎn)，其中src_points表示原圖像中的三個(gè)點(diǎn)的坐標(biāo)，dst_points表示變換后的三個(gè)點(diǎn)的坐標(biāo)。最后，我們使用cv2.getAffineTransform函數(shù)計(jì)算仿射變換矩陣M，并使用cv2.warpAffine函數(shù)對(duì)圖像進(jìn)行仿射變換，并使用cv2.imshow函數(shù)顯示變換后的圖像。

除了以上介紹的幾種變換，OpenCV中還提供了許多其他的圖像變換函數(shù)，例如透視變換、極坐標(biāo)變換等等，后續(xù)給大家分享。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-731348.html

到了這里，關(guān)于【OpenCV】圖像變換（縮放、平移、旋轉(zhuǎn)、仿射）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！