如何在Python中使用OpenCV进行图像转换？代码示例

2021年11月16日19:15:43 发表评论 818 次浏览

Python如何实现图像转换？本文带你了解如何使用 Python 中的 OpenCV 库执行透视图像转换技术，例如图像平移、反射、旋转、缩放、剪切和裁剪。

Python OpenCV实现图像转换介绍

图像变换是一种坐标变换函数，它将一个坐标系中的一些（x，y）点映射到另一个坐标系中的点（x'，y'）。

如何在Python中使用OpenCV进行图像转换？代码示例例如，如果我们在xy坐标中有(2, 3)个点，而我们在uv坐标中绘制同一个点，同一个点的表示方式不同，如下图所示：

如何在Python中使用OpenCV进行图像转换？代码示例

这是Python图像转换示例目录：

  • 图像变换的使用
  • 图像平移
  • 图像缩放
  • 图像剪切
    • 在 x 轴方向上剪切
    • y 轴方向的剪切
  • 图像反射
  • 图像旋转
  • 图像裁剪
  • 结论

图像变换的使用

在下图中，漫画书与右侧图像之间的几何关系基于相似变换（旋转、平移和缩放）。如果我们需要训练一个机器学习模型来找到这本漫画书，那么我们需要输入不同形状和角度的图像。如何在Python中使用OpenCV进行图像转换？代码示例

图像转换技术在机器学习中图像的预处理阶段可以帮助我们很多。

矩阵可以表示图像。矩阵中的每个值都是特定坐标处的像素值。可以使用矩阵乘法来执行图像变换。数学家已经计算出一些矩阵，可以用来完成某些转换操作。

平移

Python OpenCV实现图像转换：图像平移是图像从一个位置到另一个位置的直线平移，因此物体的平移称为平移。下面显示的矩阵用于图像的平移：

如何在Python中使用OpenCV进行图像转换？代码示例b x的值 定义了图像在 x 轴上的移动量，而b y 的值 决定了图像在 y 轴上的移动：

如何在Python中使用OpenCV进行图像转换？代码示例现在你了解了图像平移，让我们看一下 Python 代码。在 OpenCV 中，有两个用于执行转换的内置函数：

  • cv2.warpPerspective: 将(3x3)变换矩阵作为输入。
  • cv2.warpAffine: 将(2x3)变换矩阵作为输入。

这两个函数都采用三个输入参数：

  • 输入图像。
  • 变换矩阵。
  • 图像的高度和宽度的元组。

在本教程中，我们将使用cv2.warpPerspective()函数。

Python如何实现图像转换？下面的代码读取输入图像（如果你想要确切的输出，请在此处获取演示图像并将其放在当前工作目录中），对其进行平移并显示：

import numpy as np
import cv2
import matplotlib.pyplot as plt

# read the input image
img = cv2.imread("city.jpg")
# convert from BGR to RGB so we can plot using matplotlib
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# disable x & y axis
plt.axis('off')
# show the image
plt.imshow(img)
plt.show()
# get the image shape
rows, cols, dim = img.shape
# transformation matrix for translation
M = np.float32([[1, 0, 50],
                [0, 1, 50],
                [0, 0, 1]])
# apply a perspective transformation to the image
translated_img = cv2.warpPerspective(img, M, (cols, rows))
# disable x & y axis
plt.axis('off')
# show the resulting image
plt.imshow(translated_img)
plt.show()
# save the resulting image to disk
plt.imsave("city_translated.jpg", translated_img)

请注意，我们使用plt.axis('off')as 我们不想输出轴值，我们使用 matplotlib 的imshow()函数显示图像。

我们还使用plt.imsave()函数将图像保存在本地。原图：

如何在Python中使用OpenCV进行图像转换？代码示例

翻译图像：

如何在Python中使用OpenCV进行图像转换？代码示例图像缩放

Python OpenCV实现图像转换：图像缩放是用于调整数字图像大小的过程。OpenCV 有一个内置函数cv2.resize()，但我们将像以前一样使用矩阵乘法来执行转换。用于缩放的矩阵如下所示：如何在Python中使用OpenCV进行图像转换？代码示例S x和S y分别是 x 轴和 y 轴的缩放因子。

如何在Python中使用OpenCV进行图像转换？代码示例下面的代码负责读取相同的图像，定义用于缩放的变换矩阵，并显示结果图像：

import numpy as np
import cv2
import matplotlib.pyplot as plt

# read the input image
img = cv2.imread("city.jpg")
# convert from BGR to RGB so we can plot using matplotlib
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# disable x & y axis
plt.axis('off')
# show the image
plt.imshow(img)
plt.show()
# get the image shape
rows, cols, dim = img.shape
#transformation matrix for Scaling
M = np.float32([[1.5, 0  , 0],
            	[0,   1.8, 0],
            	[0,   0,   1]])
# apply a perspective transformation to the image
scaled_img = cv2.warpPerspective(img,M,(cols*2,rows*2))
# disable x & y axis
plt.axis('off')
# show the resulting image
plt.imshow(scaled_img)
plt.show()
# save the resulting image to disk
plt.imsave("city_scaled.jpg", scaled_img)

输出图像：

如何在Python中使用OpenCV进行图像转换？代码示例

请注意，你可以使用cropping轻松删除那些黑色像素，我们将在本教程的末尾介绍这一点。

另请阅读：如何在 Python 中使用 OpenCV 模糊图像中的人脸。

Python图像转换示例：图像剪切

剪切映射是一种将每个点在固定方向上位移的线性映射，它用与其 x 或 y 坐标成正比的特定值水平或垂直替换每个点，有两种类型的剪切效应。

在 x 轴方向上剪切

在 x 轴方向上进行剪切时，与 x 轴平行的图像边界保持其位置，而与 y 轴平行的边缘根据剪切因子改变其位置：

如何在Python中使用OpenCV进行图像转换？代码示例

y 轴方向的剪切

Python如何实现图像转换？在 y 轴方向上进行剪切时，与 y 轴平行的图像边界保持其位置，而与 x 轴平行的边缘根据剪切因子改变其位置。剪切矩阵如下图所示：

如何在Python中使用OpenCV进行图像转换？代码示例下面是负责剪切的代码：

import numpy as np
import cv2
import matplotlib.pyplot as plt

# read the input image
img = cv2.imread("city.jpg")
# convert from BGR to RGB so we can plot using matplotlib
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# disable x & y axis
plt.axis('off')
# show the image
plt.imshow(img)
plt.show()
# get the image shape
rows, cols, dim = img.shape
# transformation matrix for Shearing
# shearing applied to x-axis
M = np.float32([[1, 0.5, 0],
             	[0, 1  , 0],
            	[0, 0  , 1]])
# shearing applied to y-axis
# M = np.float32([[1,   0, 0],
#             	  [0.5, 1, 0],
#             	  [0,   0, 1]])
# apply a perspective transformation to the image                
sheared_img = cv2.warpPerspective(img,M,(int(cols*1.5),int(rows*1.5)))
# disable x & y axis
plt.axis('off')
# show the resulting image
plt.imshow(sheared_img)
plt.show()
# save the resulting image to disk
plt.imsave("city_sheared.jpg", sheared_img)

第一个矩阵是应用于 x 轴的剪切，如果你想要 y 轴，则注释第一个矩阵并取消注释第二个矩阵。

X轴剪切图像：

如何在Python中使用OpenCV进行图像转换？代码示例

Y轴剪切图像：

如何在Python中使用OpenCV进行图像转换？代码示例

相关：在 Python 中使用 OpenCV 进行人脸检测。

Python OpenCV实现图像转换：图像反射

图像反射（或镜像）对于翻转图像很有用，它可以垂直和水平翻转图像，这是缩放的一种特殊情况。对于沿 x 轴的反射，我们将Sy的值设置为 -1，将Sx的值设置为 1，对于 y 轴反射，反之亦然。

反射的变换矩阵如下所示：

如何在Python中使用OpenCV进行图像转换？代码示例如何在Python中使用OpenCV进行图像转换？代码示例这是用于反射的 Python 代码：

import numpy as np
import cv2
import matplotlib.pyplot as plt

# read the input image
img = cv2.imread("city.jpg")
# convert from BGR to RGB so we can plot using matplotlib
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# disable x & y axis
plt.axis('off')
# show the image
plt.imshow(img)
plt.show()
# get the image shape
rows, cols, dim = img.shape
# transformation matrix for x-axis reflection 
M = np.float32([[1,  0, 0   ],
                [0, -1, rows],
                [0,  0, 1   ]])
# transformation matrix for y-axis reflection
# M = np.float32([[-1, 0, cols],
#                 [ 0, 1, 0   ],
#                 [ 0, 0, 1   ]])
# apply a perspective transformation to the image
reflected_img = cv2.warpPerspective(img,M,(int(cols),int(rows)))
# disable x & y axis
plt.axis('off')
# show the resulting image
plt.imshow(reflected_img)
plt.show()
# save the resulting image to disk
plt.imsave("city_reflected.jpg", reflected_img)

如前所述，这将反映它的 x 轴，如果你想要 y 轴反射，请取消注释第二个矩阵并注释第一个矩阵。

X轴反射图像：

如何在Python中使用OpenCV进行图像转换？代码示例

Y轴反射图像：

如何在Python中使用OpenCV进行图像转换？代码示例
Python图像转换示例：图像旋转

旋转是数学中的一个概念，它是某个空间的运动，它至少保留一个点。图像旋转是一种常见的图像处理程序，应用于匹配、对齐和其他基于图像的算法，它也 广泛用于数据增强，尤其是 在图像分类方面。

如何在Python中使用OpenCV进行图像转换？代码示例旋转变换矩阵如下图所示，其中 theta ( θ ) 为旋转角度：

如何在Python中使用OpenCV进行图像转换？代码示例下面是图像旋转的 Python 代码：

import numpy as np
import cv2
import matplotlib.pyplot as plt

# read the input image
img = cv2.imread("city.jpg")
# convert from BGR to RGB so we can plot using matplotlib
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# disable x & y axis
plt.axis('off')
# show the image
plt.imshow(img)
plt.show()
# get the image shape
rows, cols, dim = img.shape
#angle from degree to radian
angle = np.radians(10)
#transformation matrix for Rotation
M = np.float32([[np.cos(angle), -(np.sin(angle)), 0],
            	[np.sin(angle), np.cos(angle), 0],
            	[0, 0, 1]])
# apply a perspective transformation to the image
rotated_img = cv2.warpPerspective(img, M, (int(cols),int(rows)))
# disable x & y axis
plt.axis('off')
# show the resulting image
plt.imshow(rotated_img)
plt.show()
# save the resulting image to disk
plt.imsave("city_rotated.jpg", rotated_img)

输出图像：

如何在Python中使用OpenCV进行图像转换？代码示例这是旋转了 10° ( np.radians(10))，你可以随意编辑它！

相关：如何使用 OpenCV 在 Python 中执行边缘检测。

Python图像转换示例：图像裁剪

Python如何实现图像转换？图像裁剪是从图像中去除不需要的外部区域，上面的很多示例都引入了黑色像素，你可以使用裁剪轻松地去除它们。下面的代码是这样做的：

import numpy as np
import cv2
import matplotlib.pyplot as plt

# read the input image
img = cv2.imread("city.jpg")
# convert from BGR to RGB so we can plot using matplotlib
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# disable x & y axis
plt.axis('off')
# show the image
plt.imshow(img)
plt.show()
# get 200 pixels from 100 to 300 on both x-axis & y-axis
# change that if you will, just make sure you don't exceed cols & rows
cropped_img = img[100:300, 100:300]
# disable x & y axis
plt.axis('off')
# show the resulting image
plt.imshow(cropped_img)
plt.show()
# save the resulting image to disk
plt.imsave("city_cropped.jpg", cropped_img)

Python OpenCV实现图像转换结果解释：由于 OpenCV 将图像加载为 numpy 数组，我们可以简单地通过索引数组来裁剪图像，在我们的例子中，我们选择在两个轴上从100到300获得200 个像素，这是输出图像：

如何在Python中使用OpenCV进行图像转换？代码示例

结论

在本教程中，我们介绍了图像处理和变换的基础知识，即图像平移、缩放、剪切、反射、旋转和裁剪。

你可以在此处获取所有代码。

木子山

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: