一、图像的缩放
OpenCv API:
cv2.resize(src, dsize, fx, fy, interpolation)
参数：
src：输入的图像dsize：绝对尺寸，直接将图像调整为指定大小fx, fy：相对尺寸，将dsize设置为None时，直接设置fx, fy为比例因子即可interpolation：插值方法
代码编写
import numpy as npimport cv2 as cvimport matplotlib.pyplot as pltsrc = cv.imread("E:\\qi.png")img = src.copy()# 绝对尺寸rows, cols = img.shape[:2]res = cv.resize(img, (cols * 2, rows * 2))# 相对尺寸res1 = cv.resize(img, None, fx=0.5, fy=0.5)# 显示图像fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10, 8), dpi=100)axes[0].imshow(img[:, :, ::-1])axes[0].set_title("原图")axes[1].imshow(res[:, :, ::-1])axes[1].set_title("绝对尺寸")axes[2].imshow(res1[:, :, ::-1])axes[2].set_title("相对尺寸")plt.show()
二、图像的平移
OpenCv API：
cv2.warpAffine(src, M, dsize)
参数：
src:输入的图像M：2*3的移动矩阵，格式为
M=[10tx01ty]\begin{gathered} M= \begin{bmatrix} 1 & 0 & tx \\ 0 & 1 & ty \end{bmatrix} \quad \end{gathered} M=[1001txty]表示x方向移动tx，y方向移动ty
注意：M应设置为np.float32类型的Numpy数组dsize：输出图像的大小
注意：输出图像的大小，应该是（宽度，高度）的形式，width=列数，height=行数
代码编写
例如：将图像移动（50,100）的距离
import numpy as npimport cv2 as cvimport matplotlib.pyplot as pltsrc = cv.imread("E:\\qi.png")img = src.copy()# 平移图像rows, cols = img.shape[:2]M = np.float32([[1, 0, 100], [0, 1, 50]])dst = cv.warpAffine(img, M, (cols, rows))dst2 = cv.warpAffine(img, M, (cols*2, rows*2))# 显示图像fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10, 8), dpi=100)axes[0].imshow(img[:, :, ::-1])axes[0].set_title("原图")axes[1].imshow(dst[:, :, ::-1])axes[1].set_title("平移（50,100）")axes[2].imshow(dst2[:, :, ::-1])axes[2].set_title("平移（50,100），画布扩大2倍")plt.show()
三、图像旋转
OpenCv API:
M = cv2.getRotationMatrix2D(center, angle, scale)dst = cv2.warpAffine(src, M, dsize)
参数：
center：旋转中心angle：旋转角度scale：缩放比例M：旋转矩阵
代码编写
import numpy as npimport cv2 as cvimport matplotlib.pyplot as pltsrc = cv.imread("E:\\qi.png")img = src.copy()# 旋转图像M = cv.getRotationMatrix2D((cols/2, rows/2), 90, 1)dst_rotate = cv.warpAffine(img, M, (cols, rows))M = cv.getRotationMatrix2D((cols/2, rows/2), 45, 0.5)dst_rotate2 = cv.warpAffine(img, M, (cols, rows))# 显示图像fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10, 8), dpi=100)axes[0].imshow(img[:, :, ::-1])axes[0].set_title("原图")axes[1].imshow(dst_rotate[:, :, ::-1])axes[1].set_title("以中心旋转90度")axes[2].imshow(dst_rotate2[:, :, ::-1])axes[2].set_title("以中心旋转45度，并缩小1/2")plt.show()
四、仿射变换
OpenCv API：
M = cv2.getAffineTransform(src, dst)img = cv2.warpAffine(src, M, dsize)
代码编写
import numpy as npimport cv2 as cvimport matplotlib.pyplot as pltsrc = cv.imread("E:\\qi.png")img = src.copy()# 仿射变换pts1 = np.float32([[50, 50], [200, 50], [50, 200]])pts2 = np.float32([[100, 100], [200, 50], [100, 250]])M = cv.getAffineTransform(pts1, pts2)dst_affine = cv.warpAffine(img, M, (cols, rows))# 显示图像fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 8), dpi=100)axes[0].imshow(img[:, :, ::-1])axes[0].set_title("原图")axes[1].imshow(dst_affine[:, :, ::-1])axes[1].set_title("仿射变换")plt.show()
五、透射变换
OpenCv API：
M = cv2.getPerspectiveTransform(src, dst)img = cv2.warpPerspective(src, M, dsize)
代码编写
import numpy as npimport cv2 as cvimport matplotlib.pyplot as pltsrc = cv.imread("E:\\qi.png")img = src.copy()# 透射变换pts1 = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])pts2 = np.float32([[100, 145], [300, 100], [80, 290], [310, 300]])M = cv.getPerspectiveTransform(pts1, pts2)dst_perspective = cv.warpPerspective(img, M, (cols, rows))# 显示图像fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 8), dpi=100)axes[0].imshow(img[:, :, ::-1])axes[0].set_title("原图")axes[1].imshow(dst_perspective[:, :, ::-1])axes[1].set_title("透射变换")plt.show()
六、图像金字塔
图像金字塔是图像多尺度表达的一种，是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。
OpenCv API:
cv2.pyrUp(src) # 上采样操作cv2.pyrDown(src) # 下采样操作
代码编写
import numpy as npimport cv2 as cvimport matplotlib.pyplot as pltsrc = cv.imread("E:\\qi.png")img = src.copy()# 图像金字塔up_img = cv.pyrUp(img)down_img = cv.pyrDown(img)# 显示图像cv.imshow("source", img)cv.imshow("up_img", up_img)cv.imshow("down_img", down_img)cv.waitKey(0)cv.destroyAllWindows()
