Python 图像处理丨带你掌握图像几何变换
本文分享自华为云社区《[Python图像处理] 十二.图像几何变换之图像仿射变换、图像透视变换和图像校正》,作者: eastmount 。
一.图像仿射变换
图像仿射变换又称为图像仿射映射,是指在几何中,一个向量空间进行一次线性变换并接上一个平移,变换为另一个向量空间。通常图像的旋转加上拉升就是图像仿射变换,仿射变换需要一个 M 矩阵实现,但是由于仿射变换比较复杂,很难找到这个 M 矩阵。
OpenCV 提供了根据变换前后三个点的对应关系来自动求解 M 的函数——cv2.getAffineTransform(pos1,pos2),其中 pos1 和 pos2 表示变换前后的对应位置关系,输出的结果为仿射矩阵 M,接着使用函数 cv2.warpAffine()实现图像仿射变换。图 5-14 是仿射变换的前后效果图。
图像仿射变换的函数原型如下:
M = cv2.getAffineTransform(pos1,pos2)
pos1 表示变换前的位置
pos2 表示变换后的位置
cv2.warpAffine(src, M, (cols, rows))
src 表示原始图像
M 表示仿射变换矩阵
(rows,cols)表示变换后的图像大小,rows 表示行数,cols 表示列数
实现代码如下所示:
输出效果图如下所示:
二.图像透视变换
图像透视变换(Perspective Transformation)的本质是将图像投影到一个新的视平面,同理 OpenCV 通过函数 cv2.getPerspectiveTransform(pos1,pos2)构造矩阵 M,其中 pos1 和 pos2 分别表示变换前后的 4 个点对应位置。得到 M 后在通过函数 cv2.warpPerspective(src,M,(cols,rows))进行透视变换。
图像透视变换的函数原型如下:
M = cv2.getPerspectiveTransform(pos1, pos2)
pos1 表示透视变换前的 4 个点对应位置
pos2 表示透视变换后的 4 个点对应位置
cv2.warpPerspective(src,M,(cols,rows))
src 表示原始图像
M 表示透视变换矩阵
(rows,cols)表示变换后的图像大小,rows 表示行数,cols 表示列数
代码如下:
输出结果如下图所示:
三.基于图像透视变换的图像校正
下面参考 t6_17大神 的文章,通过图像透视变换实现图像校正功能。
假设现在存在一张 A4 纸图像,现在需要通过调用图像透视变换校正图像。
代码如下所示:
运行结果如下图所示:
四.图像几何变换总结
最后补充图像几何代码所有变换,希望读者能体会下相关的代码,并动手实践下。输出结果以女神为例:
完整代码如下:
版权声明: 本文为 InfoQ 作者【华为云开发者联盟】的原创文章。
原文链接:【http://xie.infoq.cn/article/4cc0872f539c4a4fdc6bbd03f】。文章转载请联系作者。
评论