OpenCV for Python 學習筆記 三

給源圖像增加邊界

cv2.copyMakeBorder(src,top, bottom, left, right ,borderType,value)

src:源圖像

top,bottem,left,right: 分別表示四個方向上邊界的長度

borderType: 邊界的類型

有以下幾種：

BORDER_REFLICATE　　　  # 直接用邊界的顏色填充， aaaaaa | abcdefg | gggg
BORDER_REFLECT　　　　  # 倒映，abcdefg | gfedcbamn | nmabcd BORDER_REFLECT_101　　 # 倒映，和上面類似，但在倒映時，會把邊界空開，abcdefg | egfedcbamne | nmabcd BORDER_WRAP　　　　 　# 額。類似於這種方式abcdf | mmabcdf | mmabcd BORDER_CONSTANT　　　　# 常量，增加的變量通通為value色 [value][value] | abcdef | [value][value][value]

 

value: 僅僅是常量型邊界才有意義

代碼及結果如示：

import numpy as np
import cv2
from matplotlib import pyplot as plt

RED=[255,0,0]

img = cv2.imread('/home/zh/pic/3.png')
img1 = cv2.resize(img, (0,0), fx=0.5, fy=0.5)

replicate = cv2.copyMakeBorder(img1, 10,100,100,100, cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1, 100,10,100,100, cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1, 100,100,10,100, cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1, 100,100,100,10, cv2.BORDER_WRAP)
constant = cv2.copyMakeBorder(img1, 100,100,100,100, cv2.BORDER_CONSTANT, value=RED)

plt.subplot(231),plt.imshow(img1),plt.title('ORIGINAL')
plt.subplot(232),plt.imshow(replicate),plt.title('REFLECT')
plt.subplot(233),plt.imshow(reflect),plt.title('REFLECT')
plt.subplot(234),plt.imshow(reflect101),plt.title('REFLECT_101')
plt.subplot(235),plt.imshow(wrap),plt.title('WRAP')
plt.subplot(236),plt.imshow(constant),plt.title('CONSTANT')

plt.show()

 

圖像的幾何變換：

常見的幾何變換有縮放，仿射，透視變換，可以通過如下函數完成對圖像的上述變換

dst = cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) 
dst = cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) 
dst = cv2.warpPerspective(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) 

首先是縮放變換cv2.resize()

非關鍵字參數組有2個：src,dsize，分別是源圖像與縮放后圖像的尺寸

關鍵字參數為dst,fx,fy,interpolation

dst為縮放后的圖像，fx,fy為圖像x,y方向的縮放比例，

interplolation為縮放時的插值方式，有三種插值方式：

cv2.INTER_AREA 　　# 使用象素關系重采樣。當圖像縮小時候，該方法可以避免波紋出現。當圖像放大時，類似於 CV_INTER_NN 方法　　　　
cv2.INTER_CUBIC　　# 立方插值
cv2.INTER_LINEAR  # 雙線形插值　
cv2.INTER_NN      # 最近鄰插值

 

仿射變換cv2.warpAffine()

非關鍵字參數有src, M, dsize，分別表示源圖像，變換矩陣，變換后的圖像的長寬

這里說一下放射變換的變換矩陣

位移變換矩陣為：

　　　　

旋轉變換矩陣：

　　標准旋轉變換矩陣為

　　　　，但該矩陣沒有考慮旋轉變換時進行位移以及縮放操作，OpenCV中的旋轉變換如下：

　　　　，其中

　　OpenCV中提供了一個函數獲得這樣一個矩陣

M=cv2.getRotationMatrix2D(rotate_center, degree, scale)

　　rotate_center為一個2元的元組，表示旋轉中心坐標，degree表示逆時針旋轉的角度，scale表示縮放的比例

仿射變換矩陣：

　　

透視變換cv2.warpPerspective()

非關鍵字參數src, M, dsize分別表示源圖像，變換矩陣，以及輸出圖像的大小

關鍵字參數為flags, borderMode, borderValue，這幾個參數的意思理解的還不是很清楚，可以去

http://docs.opencv.org/modules/imgproc/doc/geometric_transformations.html 查找warpPerspective函數

透視變換矩陣一般不容易直接知道，能夠直接知道的往往是變換前后的點的位置，因此，OpenCV中提供了getPersepectiveTransform()函數獲得透視變換矩陣

M = cv2.getPerspectiveTransform(pts1, pts2)

pts1,pts2分別為變換前點的位置以及變換后點的位置

(其實所有的變換的變換矩陣都可以通過變換前后點的坐標得到，即通過上面這個函數，因為所有的變換都是透視變換中的特例而已) 

最后用一個實例將上述變換函數作用呈現如下：

import numpy as np
import cv2
from matplotlib import pyplot as plt

#scaling:
img = cv2.imread('/home/zh/pic/3.png')
rows, cols, channels = img.shape
res = cv2.resize(img, (cols/2, rows/2))

#Translation:

# 1.shift
M_shift = np.float32([[1,0,100],[0,1,50]])
img_shift = cv2.warpAffine(img, M_shift, (cols, rows))

# 2.rotate
M_rotate = cv2.getRotationMatrix2D((cols/2, rows/2), 90, 1)
img_rotate = cv2.warpAffine(img, M_rotate, (cols, rows))

# 3.affine
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M_affine = cv2.getAffineTransform(pts1,pts2)
img_affine = cv2.warpAffine(img, M_affine, (cols, rows))

# 4.perspective
pts3 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts4 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M_perspective = cv2.getPerspectiveTransform(pts3,pts4)
img_perspective = cv2.warpPerspective(img, M_perspective, (cols, rows))

print 'shift:\n', M_shift
print 'rotate:\n', M_rotate
print 'affine:\n', M_affine
print 'perspective:\n', M_perspective

plt.subplot(231),plt.imshow(img),plt.title('src')
plt.subplot(232),plt.imshow(res),plt.title('scale')
plt.subplot(233),plt.imshow(img_shift),plt.title('shift')
plt.subplot(234),plt.imshow(img_rotate),plt.title('rotate')
plt.subplot(235),plt.imshow(img_affine),plt.title('affine')
plt.subplot(236),plt.imshow(img_perspective),plt.title('perspective')

plt.show()

 

結果如下：