当前位置 博文首页 > Python OpenCV 图像平移的实现示例
每次学习新东西的时候,橡皮擦都是去海量检索,然后找到适合自己理解的部分。
再将其拼凑成一个小的系统,争取对该内容有初步理解。
今天这 1 个小时,核心要学习的是图像的平移,在电脑上随便打开一张图片,实现移动都非常简单,但是在代码中,出现了一些新的概念。
检索 OpenCV 图像平移相关资料时,碰到的第一个新概念是就是 仿射变换
。
每次看到这样子的数学名字,必然心中一凉,做为一个数学小白,又要瑟瑟发抖了。
百度一下,看看百科中是如何介绍的。
看过上图中的一些相关简介之后,对于这个概念也并没有太深刻的理解,本着先用起来,在补充理论的学习观点,我们先实现图像平移。
学习过程中,碰到一些概念性的东西,可以先应用起来,然后在后续的深入学习过程中,逐步去完善它们。
基于该方法去寻找相关资料,得到仿射变换的基本概念,从二维坐标到二维坐标之间的线性变换,并且要保持二维图形的“平直性” 和 “平行性”。
仿射变换中,包含平移,缩放,翻转,旋转,剪切。
该方法的语法结构如下:
dst = cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
参数说明:
官方可查阅的英文资料如下:
插值方式(flags)有如下类型:
一般情况下,使用 wrapAffine
前三个参数,即 warpAffine(img,M,(rows,cols))
实现基本的仿射变换效果,但是这种情况会出现 黑边
现象。
最后一个参数为 borderValue
,边界填充的颜色,默认为黑色,可以自行设置为其它颜色。
图像平移是图像位置的移动。在平移前,需要先转换矩阵 M,,其中 tx
,ty
表示在(x,y)方向上的位移,如下所示:
测试代码如下,重要部分在注释中进行说明。
import numpy as np import cv2 as cv img = cv.imread('10.jpg', 1) rows, cols, channels = img.shape # [1,0,100] 右移 100, [0,1,50] 下移 50 M = np.float32([[1, 0, 100], [0, 1, 50]]) res = cv.warpAffine(img, M, (cols, rows)) cv.imshow("img", res) cv.waitKey()
特别说明:
cv.warpAffine
方法的第三个参数是输出图像的大小,其形式应为(width,height)。记住 width =列数(cols),height =行数(rows)。
以下为代码运行结果。
关于 borderMode
参数值的说明:
该部分内容涉及边缘处理,翻阅手册过程找到的说明指向 BorderTypes
。翻阅了一下,依旧是有些超纲,可以先记录下相关内容,日后在进行回顾,参考地址。
所有值罗列如下:
borderValue
:当图像边界处理方式为 BORDER_CONSTANT
时的填充值。
测试代码如下:
import numpy as np import cv2 as cv img = cv.imread('10.jpg', 1) rows, cols, channels = img.shape M = np.float32([[1, 0, 100], [0, 1, 50]]) res = cv.warpAffine(img, M, (cols, rows), borderMode=cv.BORDER_CONSTANT, borderValue=(200, 66, 66)) cv.imshow("img", res) cv.waitKey()