opencv006图像处理之仿射变换(旋转,缩放,平移)

空间变换中的仿射变换对应着五种变换,平移,缩放,旋转,翻转,错切。而这五种变化由原图像转变到变换图像的过程,可以用仿射变换矩阵进行描述。而这个变换过程可以用一个2*3的矩阵与原图进行相乘得到。关键就是这个矩阵M:

仿射变换的函数:

 平移,旋转 

cv2.warpAffine(scr, M, dsize, flags, mode, value)

 透视

 cv2.warpPerspective(img1, M, desize......)
  • M: 变换矩阵
  • desize: 输出图片大小
  • flags:与resize中的插值算法一致
  • mode:边界外推法标志(有默认值)
  • value:填充边界值(有默认值)

平移

 

读入的是二维的图像,所以就不用写最后一行了


向右平移200 (向左就是负数,其他同理)

# 变换矩阵,最少是float32
M = np.float32([[1, 0, 200], [0, 1, 0]])

向下平移200

# 变换矩阵,最少是float32
M = np.float32([[1, 0,  0], [0, 1,  200]])

向右下平移

# 变换矩阵,最少是float32
M = np.float32([[1, 0, 200], [0, 1, 200]])

这个是向右平移的代码:

import cv2
import numpy as np
img1 = cv2.imread("F:\est01\e1.jpg")
h, w, ch = img1.shape
# 变换矩阵,最少是float32
M = np.float32([[1, 0, 200], [0, 1, 0]])
# 平移操作
# 注意opencv中先宽后高
new_img1 = cv2.warpAffine(img1, M, dsize=(w, h))
cv2.imshow('img1', img1)
cv2.imshow('new_img1', new_img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

 

 旋转

可以用opencv获取变换矩阵

在进行旋转操作时,不方便手动 计算变换矩阵,opencv中提供了获取变换矩阵的api

方法1:

使用cv2.getRotationMatrix2D 

M = cv2.getRotationMatrix2D(center, angle, 缩放比例)
import cv2
import numpy as np
img1 = cv2.imread("F:\est01\e1.jpg")
h, w, ch = img1.shape
# 获取变换矩阵
M = cv2.getRotationMatrix2D((100, 100), 30, 1)
new_img1 = cv2.warpAffine(img1, M, (w, h))
cv2.imshow('img1', img1)
cv2.imshow('new_img1', new_img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

另一种方法:

 使用cv2.getAffineTransform(src, dst)

M = cv2.getAffineTransform(src, dst)

 可以通过三个点来确定变换后的位置,相当于解方程,三个点对应三个方程,解出偏移的参数,旋转的角度

src = np.float32([[200, 100], [300, 100], [200, 300]])
dst = np.float32([[100, 150], [360, 200], [280, 120]])
M = cv2.getAffineTransform(src, dst)
new_img1 = cv2.warpAffine(img1, M, (w, h))

三个点是随便写的,所以有些许奇怪 哈哈哈 

 效果像把图片向某个方向拉

透视

 将一种坐标系变成另一种坐标系,可以把倾斜的图片变正

函数:

cv2.warpPerspective(img,M,desize.......)

对于透视变换来说,M是一个3*3的矩阵

cv2.getPerspectiveTransform(src,dst)获取透视变换矩阵,需要4个点,即图片的四个角

src = np.float32([[50, 50], [630, 0], [0, 640], [630, 630]])
dst = np.float32([[0, 0], [640, 0], [0, 640], [640, 640]])
M = cv2.getPerspectiveTransform(src, dst)
new_img1 = cv2.warpPerspective(img1, M, (640, 640))

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/603513.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

5年经验之谈 —— 探索自动化测试用例设计粒度!

自动化测试用例的粒度指的是测试用例的细致程度,即每个测试用例检查的功能点的数量和范围。 通常,根据测试用例的粒度,可以被分为3种不同的层次,从更低层次的细粒度到更高层次的粗粒度。 第一种:单元测试 - 细粒度 单…

16、Kubernetes核心技术 - 节点选择器、亲和和反亲和

目录 一、概述 二、节点名称 - nodeName 二、节点选择器 - nodeSelector 三、节点亲和性和反亲和性 3.1、亲和性和反亲和性 3.2、节点硬亲和性 3.3、节点软亲和性 3.4、节点反亲和性 3.5、注意点 四、Pod亲和性和反亲和性 4.1、亲和性和反亲和性 4.2、Pod亲和性/反…

chatGPT带你学习设计模式 (二)抽象工厂模式(创建型模式) GURU

深入理解抽象工厂模式 引言 在面向对象编程中,对象的创建是一个常见且关键的挑战。尤其在需要管理一系列相关对象的创建时,传统的对象创建方法(如直接使用 new 关键字)可能导致代码的高耦合和低灵活性。这时,抽象工厂…

jmeter连接数据库

下载jdbc 在浏览器输入 mysql jdbc官网 ; 网址:MySQL :: MySQL Connectors 点击 Download 查看自己mysql服务的版本,找到对应版本的jdbc 所以下载5版本的jdbc 安装jdbc(绿色版安装) 操作jmeter 打开jmeter&#xff0…

前端框架中的状态管理(State Management)

聚沙成塔每天进步一点点 ⭐ 专栏简介 前端入门之旅:探索Web开发的奇妙世界 欢迎来到前端入门之旅!感兴趣的可以订阅本专栏哦!这个专栏是为那些对Web开发感兴趣、刚刚踏入前端领域的朋友们量身打造的。无论你是完全的新手还是有一些基础的开发…

GEE:随机数

作者:CSDN _养乐多_ 本文将介绍在 Google Earth Engine(GEE)上生成随机数的 API,可以指定随机数的生成范围、类型(整型、浮点型)、分布方式(均匀分布、正态分布)。 文章目录 一、随…

基于springboot的基于协同过滤算法的东北特产销售系统的设计与实现

文章目录 项目介绍主要功能截图:部分代码展示设计总结项目获取方式🍅 作者主页:超级无敌暴龙战士塔塔开 🍅 简介:Java领域优质创作者🏆、 简历模板、学习资料、面试题库【关注我,都给你】 🍅文末获取源码联系🍅 项目介绍 基于springboot的基于协同过滤算法的东北…

2024年度 ROTS - 实时操作系统 Top 15

RTOS(实时操作系统)。 这里说的 RTOS 并非新星球大战电影中的机器人,而是物联网设备、航空系统、空中交通管制等背后的无声协调者,就在地球上。 RTOS,或称实时操作系统,设计它们是为了更好的管理资源&…

MySQL5.7 InnoDB 内存结构

官网地址:MySQL :: MySQL 5.7 Reference Manual :: 14.5 InnoDB In-Memory Structures 欢迎关注留言,我是收集整理小能手,工具翻译,仅供参考,笔芯笔芯. MySQL 5.7 参考手册 / ... / 缓冲池 14.5.1 缓冲池 缓冲池是…

20240106-换一种思维,工作也不过就是一种挣钱的方式而已了

今天在车上一个百度的同事聊抱怨说:累了,真的累了,干不动了,想跑路了,不想打工了。我们之前也会经常聊到和吐槽这种事情,但是我最近由于思维的一些改变,所以就想到把这个事情记录下来。 在大厂…

第四讲_css常用属性

css常用属性 1. css颜色表示方式1.1 颜色名1.2 rgb 和 rgba1.3 hex 和 hexa1.4 hsl 和 hsla 2. css 常用属性2.1 常用的文本属性2.2 常用的列表属性2.3 常用的边框属性2.4 表格独有属性2.5 常用的背景属性2.6 常用的鼠标属性 1. css颜色表示方式 1.1 颜色名 在css中定义了一些…

华为OD机试 - 矩阵匹配(Java JS Python C)

题目描述 从一个 N * M(N ≤ M)的矩阵中选出 N 个数,任意两个数字不能在同一行或同一列,求选出来的 N 个数中第 K 大的数字的最小值是多少。 输入描述 输入矩阵要求:1 ≤ K ≤ N ≤ M ≤ 150 输入格式: N M K N*M矩阵 输出描述 N*M 的矩阵中可以选出 M! / N! 种组合数…

NumPy 高级教程——并行计算

Python NumPy 高级教程:并行计算 并行计算是在多个处理单元上同时执行计算任务的方法,以提高程序的性能。在 NumPy 中,可以使用一些工具和技术来进行并行计算,充分利用多核处理器的优势。在本篇博客中,我们将深入介绍…

1871_什么是PCB

Grey 全部学习内容汇总: https://github.com/GreyZhang/g_hardware_basic 1871_什么是PCB 简单的PCB的缩写自然很容易理解,不过PCB涉及到的一些概念性的知识会比一个简单的缩写多得多。这里根据AD官方上的一个页面来整理一下这方面的基础知识点。 主…

书摘:C 嵌入式系统设计模式 06

本书的原著为:《Design Patterns for Embedded Systems in C ——An Embedded Software Engineering Toolkit 》,讲解的是嵌入式系统设计模式,是一本不可多得的好书。 本系列描述我对书中内容的理解。本文章描述原书第 2 章的内容。 作为嵌入…

谷歌chrome浏览器升级 120.0 后书签显示变黑变粗的解决方式

在地址栏输入 chrome://flags, 然后搜索 chrome-refresh-2023-chrome-font, 从 default 改为 Disable 即可

pg的copy说明

copy 可以在表和文件之间交换数据 COPY table_name [ ( column_name [, ...] ) ]FROM { filename | PROGRAM command | STDIN }[ [ WITH ] ( option [, ...] ) ]COPY { table_name [ ( column_name [, ...] ) ] | ( query ) }TO { filename | PROGRAM command | STDOUT }[ [ WI…

雅思词汇——Word List 3(V2)

文章目录 1. leak [liːk]2. literature [ˈlɪtərətʃə( r)]3. suffer [ˈsʌfə( r)]4. impede [ɪmˈpiːd]5. spring [sprɪŋ]6. biological [ˌbaɪəˈlɒdʒɪkl]7. deduce [dɪˈdjuːs]8. doctorate [ˈdɒktərɪt]9. absolute [ˈbsəluːt]10. theoretical [θ…

SpringBoot+Elasticsearch使用resthighlevelclient对象查询条件为“且+或”

查询年龄为15或者16或者17或者18的且班级为1班的学生信息 在Spring Boot 中使用 RestHighLevelClient 进行 Elasticsearch 查询,您需要编写相应的查询逻辑。以下是一个简单的示例: 首先,确保您的项目中包含了 Elasticsearch 的依赖&#xf…

用php实现日历输出

上述日历功能的实现要点包括: 获取当前年份和月份: 使用date函数获取当前的年份和月份。 $year date("Y"); $month date("m");确定当前月份的第一天是星期几: 使用date函数和w格式参数获取当前月份的第一天是星期几。 …