opencv的8種圖像變換

1. 圖像放大、縮小

我們先看下原圖
import cv2
import matplotlib.pyplot as plt
import numpy as np
img = cv2.imread(‘image/logo.png’)
plt.imshow(img)

看下圖像大小
#height,width, channel
height,width,channel = img.shape

圖像放大縮小
使用cv2.resize()方法
cv2.resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)
參數解釋

dsize形參是個數組，數組的寬度在前，高度在后（output_width,output_height）
圖像縮放之后，肯定像素要進行重新計算的，就靠這個參數來指定重新計算像素的方式，有以下幾種：
INTER_NEAREST - 最近鄰插值
INTER_LINEAR - 雙線性插值，如果最后一個參數你不指定，默認使用這種方法
INTER_CUBIC - 4x4像素鄰域內的雙立方插值
INTER_LANCZOS4 - 8x8像素鄰域內的Lanczos插值

#圖像放大
resized_img = cv2.resize(img,(width2,height2),interpolation=cv2.INTER_LINEAR)
plt.imshow(resized_img)

看下此時圖像大小，確守放大了1倍

圖像縮小
#圖像縮小
smaller_img = cv2.resize(img,None,fx=0.5,fy=0.5,interpolation=cv2.INTER_LINEAR)
plt.imshow(smaller_img)
可以看到圖像縮小了一倍

2. 圖像平移

warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)
src：輸入圖像
M：運算矩陣，2行3列的，數據類型要求是float32位及以上
dsize：運算后矩陣的大小，也就是輸出圖片的尺寸。是個元祖，寬度在前，高度在后
dst：輸出圖像
flags：插值方法的組合，與resize函數中的插值一樣，可以查看cv2.resize
borderMode：像素外推方法，邊界像素的模型( int 類型)，詳情參考官網
borderValue：在恒定邊框的情況下使用的borderValue值； 邊界填充的顏色, 默認為 (0, 0, 0) (黑色)

圖像平移
#圖像平移
#先獲取原來的高和寬
height,width = img.shape[:2]
M = np.float32([[1,0,20],[0,1,10]]) #圖像平移。向右平移20個像素，向下平移10個像素
move_img = cv2.warpAffine(img,M,(width,height))

我們詳細分析下M這個矩陣
下面的M相當于就是一個運算矩陣。2行3列

根據定義，我們的坐標就可以根據A，B來進行運算

可以很輕易的得出以下方程

通過方程我們就可以很輕易的看出，c1和c2就相當于是讓圖像平移，而a和b這2個參數就是對圖像進行旋轉，縮放等操作。

對圖片進行三維旋轉
#圖像旋轉
#先獲取原來的高和寬
height,width = img.shape[:2]
M = np.float32([[1,0.2,0],[0.2,1,0]]) #圖像平移。向右平移20個像素，向下平移10個像素
scoll_img = cv2.warpAffine(img,M,(width,height))

plt.imshow(scoll_img)

3. 圖像旋轉

1. rot_mat = cv2.getRotationMatrix2D(center, -5, 1)

參數說明：center表示中間點的位置，-5表示順時針旋轉5度，1表示進行等比列的縮放

2. cv2.warpAffine(img, rot_mat, (img.shape[1], img.shape[0]))

參數說明： img表示輸入的圖片，rot_mat表示仿射變化矩陣，(image.shape[1], image.shape[0])表示變換后的圖片大小

#先獲取原來的高和寬
height,width = img.shape[:2]

#設置旋轉的中心
center = (width //2.0, height//2.0) #旋轉中心

M2 = cv2.getRotationMatrix2D(center,180,1) #1表示旋轉過程中有沒縮放，180表示逆時針旋轉，負數表示順時針旋轉

rotation_img = cv2.warpAffine(img,M2,(width,height))

plt.imshow(rotation_img)

等比例旋轉180

4. 圖像仿射變換

對于更復雜仿射變換，OpenCV提供了函數cv2.getAffineTransform()來生成仿射函數cv2.warpAffine()所使用的轉換矩陣M。
該函數的語法格式為：
retval=cv2.getAffineTransform(src, dst)
src代表輸入圖像的三個點坐標。
dst代表輸出圖像的三個點坐標。
參數值src和dst是包含三個一維數組(x, y)點的二維數組。
指代原始圖像和目標圖像內平行四邊形的三個頂點（左上角、右上角、左下角）

上述參數通過函數cv2.getAffineTransform()定義了兩個平行四邊形。
src和dst中的三個點分別對應平行四邊形的左上角、右上角、左下角三個點。
函數cv2.warpAffine()以函數cv2.getAffineTransform()獲取的轉換矩陣M為參數，將src中的點仿射到dst中。
函數cv2.getAffineTransform()對所指定的點完成映射后，將所有其他點的映射關系按照指定點的關系計算確定。

#圖像仿射變換
p1 = np.float32([[120,35],[215,45],[135,120]])
p2 = np.float32([[135,45],[300,110],[130,230]])
M3 = cv2.getAffineTransform(p1,p2) #計算一個變換矩陣
trans_img = cv2.warpAffine(img,M3,(width,height))
plt.imshow(trans_img)

5. 圖像裁剪

#圖像剪裁，裁剪像素范圍

crop_img = img[20:100,20:40]
plt.imshow(crop_img)

6. 圖像的位運算（AND, OR, XOR）

位運算都是針對多張圖形來計算的
我們先創建兩個圖形
繪制長方形
#長方形
rectangle = np.zeros((300,300),dtype=‘uint8’)
rect_img = cv2.rectangle(rectangle,(25,25),(275,275),255,-1)
cv2.rectangle(img, pt1, pt2, color, thickness, lineType, shift )

參數表示依次為： （圖片，長方形框左上角坐標, 長方形框右下角坐標， 字體顏色，字體粗細）

plt.imshow(rect_img)

畫布畫圓
circle(img, center, radius, color, thickness=None, lineType=None, shift=None):
含義：圖片，中心店，半徑，顏色，圓輪廓粗細，線類型。

#畫圓
rectangle = np.zeros((300,300),dtype=‘uint8’)
circle_img = cv2.circle(rectangle,(150,150),150,255,-1)
plt.imshow(circle_img)

#與運算
and_img = cv2.bitwise_and(rect_img,circle_img)
plt.imshow(and_img)

可見兩張圖重合的部分被畫出

#或運算 OR
or_img = cv2.bitwise_or(rect_img,circle_img)
plt.imshow(or_img)

#異或運算 XOR
兩張圖片不重疊的部分
xor_img = cv2.bitwise_xor(rect_img,circle_img)
plt.imshow(xor_img)

7. 圖像的分離和融合

#圖像的分離
B,G,R = cv2.split(img)

plt.imshow(B)

plt.imshow(G)

plt.imshow?

在使用opencv和matplotlib的過程中會遇到圖像反色或者生成的是偽彩色圖像的問題，
原因是兩個讀取RGB通道的順序是不一樣的，opencv的順序是B-G-R，而matplotlib的順序是R-G-B，所以這個區分就會產生一些矛盾。

圖像合并
matplotlib這樣顯示才是正常顏色
plt.imshow(cv2.merge([R,G,B]))

對比下直接用matplotlib和cv2的顯示

8. 圖像的顏色空間

#顏色空間
#灰度
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
plt.imshow(gray)

#HSV(色度，飽和度，純度)
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
plt.imshow(hsv)

#lab
lab = cv2.cvtColor(img,cv2.COLOR_BGR2LAB)
plt.imshow(lab)