Open-CV图像处理
几何变换
图像缩放
#%%
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
#%%
img = cv.imread('1.jpg')
#%%
plt.imshow(img[:,:,::-1])
#%%
# 绝对尺寸 esc + m
rows,cols = img.shape[:2]
#%%
rows
#%%
cols
#%%
res = cv.resize(img,(2*cols,2*rows))
#%%
plt.imshow(res[:,:,::-1])
#%%
res.shape
#%%
res1 = cv.resize(img,None,fx=0.5,fy=0.5)
#%%
plt.imshow(res1[:,:,::-1])
#%%
res1.shape图像平移
#%% md
# 图像平移
#%%
rows
#%%
M = np.float32([[1,0,100],[0,1,50]])
#%%
res2 = cv.warpAffine(img,M,(cols,rows))
#%%
plt.imshow(res2[:,:,::-1])
#%%
res2 = cv.warpAffine(img,M,(cols,rows))
#%%
plt.imshow(res2[:,:,::-1])图像旋转
#%%
M = cv.getRotationMatrix2D((cols/2,rows/2),45,0.5)
#%%
res3 = cv.warpAffine(img,M,(cols,rows))
#%%
plt.imshow(res3[:,:,::-1])图像仿射变换
图像的仿射变换涉及到图像的形状位置角度的变化，是深度学习预处理中常到的功能,仿射变换主要是对图像的缩放，旋转，翻转和平移等操作的组合。
# 2.1 创建变换矩阵
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[100,100],[200,50],[100,250]])
M = cv.getAffineTransform(pts1,pts2)
# 2.2 完成仿射变换
dst = cv.warpAffine(img,M,(cols,rows))图像的投射变换
透射变换是视角变化的结果，是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面（透视面）绕迹线（透视轴）旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。
它的本质将图像投影到一个新的视平面
# 2.1 创建变换矩阵
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[100,145],[300,100],[80,290],[310,300]])
T = cv.getPerspectiveTransform(pts1,pts2)
# 2.2 进行变换
dst = cv.warpPerspective(img,T,(cols,rows))图像的金字塔
图像金字塔是图像多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效但概念简单的结构。
图像金字塔用于机器视觉和图像压缩，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。
金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似，层级越高，图像越小，分辨率越低。
imgup = cv.pyrUp(img)
plt.imshow(imgup[:,:,::-1])
imgdown = cv.pyrDown(img)
plt.imshow(imgdown[:,:,::-1])总结
- 图像缩放：对图像进行放大或缩小
cv.resize() - 图像平移：
指定平移矩阵后，调用
cv.warpAffine()平移图像 - 图像旋转：
调用
cv.getRotationMatrix2D获取旋转矩阵，然后调用cv.warpAffine()进行旋转 - 仿射变换：
调用
cv.getAffineTransform将创建变换矩阵，最后该矩阵将传递给cv.warpAffine()进行变换 - 透射变换：
通过函数
cv.getPerspectiveTransform()找到变换矩阵，将cv.warpPerspective()进行投射变换 - 金字塔
图像金字塔是图像多尺度表达的一种，使用的API：
cv.pyrUp(): 向上采样cv.pyrDown(): 向下采样
形态学操作
连通性
4,8,D邻接
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2022-01-14，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录