asp网站模板安装教程,百度站长平台官网死链提交,小说推文万能关键词,一个网站可以绑定几个域名图像的几何变换从原理上看主要包括两种#xff1a;基于23矩阵的仿射变换#xff08;平移、缩放、旋转和翻转等#xff09;、基于33矩阵的透视变换。 仿射变换基本的图像变换就是二维坐标的变换#xff1a;从一种二维坐标(x,y)到另一种二维坐标(u,v)的线性变换#xff1a; …图像的几何变换从原理上看主要包括两种基于2×3矩阵的仿射变换平移、缩放、旋转和翻转等、基于3×3矩阵的透视变换。 仿射变换基本的图像变换就是二维坐标的变换从一种二维坐标(x,y)到另一种二维坐标(u,v)的线性变换 如果写成矩阵的形式那就是 作如下定义 矩阵T(2×3)就称为仿射变换的变换矩阵R为线性变换矩阵t为平移矩阵简单来说仿射变换就是线性变换平移。变换后直线依然是直线平行线依然是平行线直线间的相对位置关系不变因此非共线的三个对应点便可确定唯一的一个仿射变换线性变换4个自由度平移2个自由度→仿射变换自由度为6。 仿射变换在OpenCV中的实现如下 import cv2
import numpy as np
import matplotlib.pyplot as pltimg cv2.imread(drawing.jpg)
rows, cols img.shape[:2]# 变换前的三个点
pts1 np.float32([[50, 65], [150, 65], [210, 210]])
# 变换后的三个点
pts2 np.float32([[50, 100], [150, 65], [100, 250]])# 生成变换矩阵维数2*3
M cv2.getAffineTransform(pts1, pts2)
dst cv2.warpAffine(img, M, (cols, rows))plt.subplot(121), plt.imshow(img), plt.title(input)
plt.subplot(122), plt.imshow(dst), plt.title(output)
plt.show()运行结果 其实平移、旋转、缩放和翻转等变换就是对应了不同的仿射变换矩阵下面分别来看 1平移 平移就是x和y方向上的直接移动可以上下/左右移动自由度为2变换矩阵可以表示为 # 平移图片
import numpy as nprows, cols img.shape[:2]# 定义平移矩阵需要是numpy的float32类型
# x轴平移100y轴平移50
M np.float32([[1, 0, 100], [0, 1, 50]])
dst cv2.warpAffine(img, M, (cols, rows))cv2.imshow(shift, dst)
cv2.waitKey(0)1通过比例进行缩放 import cv2 as cv
import numpy as np# 图片缩放
img cv.imread(images/animal.jpg, flags1) # flags1读取为彩色flags0读取为灰度
cv.imshow(i, img)
h, w, channel img.shape # 以行列形式存储, 第几行到第几行为图像高度
dst_h int(h*0.5)
dst_w int(w*0.5)
# 最近邻域差值 双线性插值 像素关系重采样 立方差值
dst cv.resize(img, (dst_w, dst_h)) # 默认双线性差值
cv.imshow(img, dst)
cv.waitKey(0)OpenCV提供了resize函数来改变图像的大小C中的函数原型如下 void resize(InputArray src, OutputArray dst, Size dsize, double fx0, double fy0, int interpolationINTER_LINEAR ); 函数参数说明 src输入原图像即待改变大小的图像 dst输出改变大小之后的图像这个图像和原图像具有相同的内容只是大小和原图像不一样而已 dsize输出图像的大小。如果这个参数不为0那么就代表将原图像缩放到这个Size(widthheight)指定的大小如果这个参数为0那么原图像缩放之后的大小就要通过下面的公式来计算 dsize Size(round(fx*src.cols), round(fy*src.rows)) 其中fx和fy就是下面要说的两个参数是图像width方向和height方向的缩放比例。 fxwidth方向的缩放比例如果它是0那么它就会按照(double)dsize.width/src.cols来计算 fyheight方向的缩放比例如果它是0那么它就会按照(double)dsize.height/src.rows来计算 interpolation这个是指定插值的方式图像缩放之后肯定像素要进行重新计算的就靠这个参数来指定重新计算像素的方式有以下几种 INTER_NEAREST - 最邻近插值INTER_LINEAR - 双线性插值如果最后一个参数你不指定默认使用这种方法INTER_AREA - resampling using pixel area relation. It may be a preferred method for image decimation, as it gives moire’-free results. But when the image is zoomed, it is similar to the INTER_NEAREST method.INTER_CUBIC - 4x4像素邻域内的双立方插值INTER_LANCZOS4 - 8x8像素邻域内的Lanczos插值函数使用说明 dsize和fx/fy不能同时为0要么你就指定好dsize的值让fx和fy空置直接使用默认值就像resize(img, imgDst, Size(30,30)); 要么你就让dsize为0指定好fx和fy的值比如fxfy0.5那么就相当于把原图两个方向缩小一倍至于最后的插值方法正常情况下使用默认的双线性插值就够用了。几种常用方法的效率是最邻近插值双线性插值双立方插值Lanczos插值但是效率和效果成反比所以根据自己的情况酌情使用。正常情况下在使用之前dst图像的大小和类型都是不知道的类型从src图像继承而来大小也是从原图像根据参数计算出来。但是如果你事先已经指定好dst图像的大小那么你可以通过下面这种方式来调用函数 resize(src, dst, dst.size(), 0, 0, interpolation);2通过矩阵变换进行缩放 import cv2 as cv
import numpy as np# 图片缩放
img cv.imread(../images/moon.jpg, flags1) # flags1读取为彩色flags0读取为灰度
h, w img.shape[:2]
mat_shift np.float32([[0.5, 0, 0], [0, 0.5, 0]]) # 缩放矩阵
dst cv.warpAffine(img, mat_shift, (int(w/2), int(h/2)))
cv.imshow(img1, img)
cv.imshow(img2, dst)
cv.waitKey(0)转载于:https://www.cnblogs.com/carsonzhu/p/10763438.html
