Python 图像处理丨图像缩放、旋转、翻转与图像平移

2022 年 5 月 26 日
本文字数：2743 字
阅读完需：约 9 分钟

摘要：本篇文章主要讲解 Python 调用 OpenCV 实现图像位移操作、旋转和翻转效果。

本文分享自华为云社区《[Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移》，作者：eastmount 。

本篇文章主要讲解 Python 调用 OpenCV 实现图像位移操作、旋转和翻转效果，包括四部分知识：图像缩放、图像旋转、图像翻转、图像平移。全文均是基础知识，希望对您有所帮助。

一.图像缩放

图像缩放主要调用 resize()函数实现，具体如下：result = cv2.resize(src, dsize[, result[. fx[, fy[, interpolation]]]])其中 src 表示原始图像，dsize 表示缩放大小，fx 和 fy 也可以表示缩放大小倍数，他们两个（dsize 或 fx\fy）设置一个即可实现图像缩放。例如：

result = cv2.resize(src, (160,160))
result = cv2.resize(src, None, fx=0.5, fy=0.5)

图像缩放：设（x0, y0）是缩放后的坐标，（x, y）是缩放前的坐标，sx、sy 为缩放因子，则公式如下：

代码示例如下所示：

#encoding:utf-8import cv2  import numpy as np   #读取图片src = cv2.imread('test.jpg')#图像缩放result = cv2.resize(src, (200,100))print result.shape
#显示图像cv2.imshow("src", src)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

复制代码

输出结果如下图所示，图像缩小为（200，100）像素。

需要注意的是，代码中 cv2.resize(src, (200,100)) 设置的 dsize 是列数为 200，行数为 100。同样，可以获取原始图像像素再乘以缩放系数进行图像变换，代码如下所示。

#encoding:utf-8import cv2  import numpy as np   #读取图片src = cv2.imread('test.jpg')rows, cols = src.shape[:2]print rows, cols
#图像缩放 dsize(列,行)result = cv2.resize(src, (int(cols*0.6), int(rows*1.2)))#显示图像cv2.imshow("src", src)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

复制代码

输出结果如下图所示：

最后讲解(fx,fy)缩放倍数的方法对图像进行放大或缩小。

#encoding:utf-8import cv2  import numpy as np   #读取图片src = cv2.imread('test.jpg')rows, cols = src.shape[:2]print rows, cols
#图像缩放result = cv2.resize(src, None, fx=0.3, fy=0.3)#显示图像cv2.imshow("src", src)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

复制代码

最后输出的结果如下图所示，这是按例比 0.3*0.3 缩小的。

二、图像旋转

图像旋转主要调用 getRotationMatrix2D()函数和 warpAffine()函数实现，绕图像的中心旋转，具体如下：

M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)

参数分别为：旋转中心、旋转度数、scale

rotated = cv2.warpAffine(src, M, (cols, rows))

参数分别为：原始图像、旋转参数、原始图像宽高

图像旋转：设（x0, y0）是旋转后的坐标，（x, y）是旋转前的坐标，(m,n)是旋转中心，a 是旋转的角度，(left,top)是旋转后图像的左上角坐标，则公式如下：

代码如下所示：

#encoding:utf-8import cv2  import numpy as np   #读取图片src = cv2.imread('test.jpg')#原图的高、宽 以及通道数rows, cols, channel = src.shape
#绕图像的中心旋转#参数：旋转中心 旋转度数 scaleM = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)#参数：原始图像 旋转参数 元素图像宽高rotated = cv2.warpAffine(src, M, (cols, rows))#显示图像cv2.imshow("src", src)cv2.imshow("rotated", rotated)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

复制代码

输出结果如下图所示：

如果设置-90 度，则核心代码和图像如下所示。M = cv2.getRotationMatrix2D((cols/2, rows/2), -90, 1)rotated = cv2.warpAffine(src, M, (cols, rows))

三、图像翻转

图像翻转在 OpenCV 中调用函数 flip()实现，原型如下：dst = cv2.flip(src, flipCode)其中 src 表示原始图像，flipCode 表示翻转方向，如果 flipCode 为 0，则以 X 轴为对称轴翻转，如果 fliipCode>0 则以 Y 轴为对称轴翻转，如果 flipCode<0 则在 X 轴、Y 轴方向同时翻转。

代码如下所示：

#encoding:utf-8import cv2  import numpy as npimport matplotlib.pyplot as plt #读取图片img = cv2.imread('test.jpg')src = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#图像翻转#0以X轴为对称轴翻转 >0以Y轴为对称轴翻转 <0X轴Y轴翻转img1 = cv2.flip(src, 0)img2 = cv2.flip(src, 1)img3 = cv2.flip(src, -1)#显示图形titles = ['Source', 'Image1', 'Image2', 'Image3']  images = [src, img1, img2, img3]for i in xrange(4):     plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')     plt.title(titles[i])     plt.xticks([]),plt.yticks([])  plt.show()

复制代码

输出结果如下图所示：

四、图像平移

图像平移：设（x0, y0）是缩放后的坐标，（x, y）是缩放前的坐标，dx、dy 为偏移量，则公式如下：

图像平移首先定义平移矩阵 M，再调用 warpAffine()函数实现平移，核心函数如下：M = np.float32([[1, 0, x], [0, 1, y]])shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

完整代码如下所示：

#encoding:utf-8import cv2  import numpy as npimport matplotlib.pyplot as plt #读取图片img = cv2.imread('test.jpg')image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#图像平移 下、上、右、左平移M = np.float32([[1, 0, 0], [0, 1, 100]])img1 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
M = np.float32([[1, 0, 0], [0, 1, -100]])img2 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
M = np.float32([[1, 0, 100], [0, 1, 0]])img3 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
M = np.float32([[1, 0, -100], [0, 1, 0]])img4 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))#显示图形titles = [ 'Image1', 'Image2', 'Image3', 'Image4']  images = [img1, img2, img3, img4]for i in xrange(4):     plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')     plt.title(titles[i])     plt.xticks([]),plt.yticks([])  plt.show()