使用cv2.wrapAffine()进行仿射变换
result = wrapAffine(img,M,dsize)
参数解释:
result:输出图片
img:输入图片
M:转换矩阵,共计六个参数,M11,M12,M13,M21,M22,M23
对应:out=(M11x+M12y+M13,M12x+M22y+M23)
通过上式进行仿射变换
dsize:输出图像大小,通常先使用 .shape方法获得
仿射变换的关键是获取变换矩阵M
示例:
import numpy as np
from cv2 import cv2
lena = cv2.imread('black.bmp')
#先行再列,多少行对应的是height
#多少列对应的是width
width,height = lena.shape[:2]
#出来的dx和dy必须是整数
lena_1 = cv2.resize(lena,dsize=(int(width*2),int(height*2)))
#水平翻转,正数水平,负数竖直,0为水平加竖直
lena_2 = cv2.flip(lena_1,flipCode=1)
#创建平移数组
#1*x+0*y+50,0*x+1*y+50=x+50,y+50
#向左下各平移50
m_move = np.float32([[1,0,50],[0,1,50]])
#利用平移矩阵进行仿射变换
lena_3 = cv2.warpAffine(lena_2,m_move,dsize=(width,height))
#创建旋转矩阵
m_ratation = cv2.getRotationMatrix2D((width/2,height/2),45,1)
#利用旋转矩阵进行仿射变换
lena_4 = cv2.warpAffine(lena_3,m_ratation,dsize = (width,height))
#point_0是原图三个点
#point_1是新图三个点,这三个点是一一对应关系
points_0 = np.float32([[0,0],[0,height-1],[width-1,0]])
points_1 = np.float32([[0,50],[50,90],[200,30]])
#利用这个一一对应关系生成矩阵
m_complex = cv2.getAffineTransform(points_0,points_1)
#rows为行数,cols为列数
rows,cols= lena_4.shape[:2]
lena_5 = cv2.warpAffine(lena_4,m_complex,dsize=(cols,rows))
cv2.imshow('before',lena)
cv2.imshow('lena_1',lena_1)
cv2.imshow('lena_2',lena_2)
cv2.imshow('lena_3',lena_3)
cv2.imshow('lena_4',lena_4)
cv2.imshow('lena_5',lena_5)
cv2.waitKey()
cv2.destroyAllWindows()
效果:
参考:《OpenCV轻松入门-面向python》 李立宗著
来源:CSDN
作者:RS Dash
链接:https://blog.csdn.net/RSstudent/article/details/103794277