每次學(xué)習(xí)新東西的時(shí)候，橡皮擦都是去海量檢索，然后找到適合自己理解的部分。

再將其拼湊成一個(gè)小的系統(tǒng)，爭(zhēng)取對(duì)該內(nèi)容有初步理解。

今天這 1 個(gè)小時(shí)，核心要學(xué)習(xí)的是圖像的平移，在電腦上隨便打開(kāi)一張圖片，實(shí)現(xiàn)移動(dòng)都非常簡(jiǎn)單，但是在代碼中，出現(xiàn)了一些新的概念。

檢索 OpenCV 圖像平移相關(guān)資料時(shí)，碰到的第一個(gè)新概念是就是 仿射變換。

每次看到這樣子的數(shù)學(xué)名字，必然心中一涼，做為一個(gè)數(shù)學(xué)小白，又要瑟瑟發(fā)抖了。

百度一下，看看百科中是如何介紹的。

看過(guò)上圖中的一些相關(guān)簡(jiǎn)介之后，對(duì)于這個(gè)概念也并沒(méi)有太深刻的理解，本著先用起來(lái)，在補(bǔ)充理論的學(xué)習(xí)觀點(diǎn)，我們先實(shí)現(xiàn)圖像平移。

學(xué)習(xí)過(guò)程中，碰到一些概念性的東西，可以先應(yīng)用起來(lái)，然后在后續(xù)的深入學(xué)習(xí)過(guò)程中，逐步去完善它們。

cv2.warpAffine() 仿射變換

基于該方法去尋找相關(guān)資料，得到仿射變換的基本概念，從二維坐標(biāo)到二維坐標(biāo)之間的線性變換，并且要保持二維圖形的“平直性” 和 “平行性”。

仿射變換中，包含平移，縮放，翻轉(zhuǎn)，旋轉(zhuǎn)，剪切。

該方法的語(yǔ)法結(jié)構(gòu)如下：

dst = cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])

參數(shù)說(shuō)明：

• src：輸入圖像
• M：2*3 transformation matrix (轉(zhuǎn)變矩陣)
• dsize：輸出圖像的大小，格式為(cols,rows)，width 對(duì)應(yīng) cols，height 對(duì)應(yīng) rows
• flags： 可選參數(shù)，插值方法的組合（int 類(lèi)型），默認(rèn)值 INTER_LINEAR
• borderMode：可選參數(shù)，邊界像素模式（int 類(lèi)型），默認(rèn)值 BORDER_CONSTANT
• borderValue：可選參數(shù)，邊界填充值; 默認(rèn)情況下，默認(rèn)值 Scalar()即 0
  

官方可查閱的英文資料如下：

插值方式（flags）有如下類(lèi)型：

• INTER_LINEAR 線性插值
• INTER_NEAREST 最近鄰插值
• INTER_AREA 區(qū)域插值
• INTER_CUBIC 三次樣條插值
• INTER_LANCZOS4 Lanczos 插值

一般情況下，使用 wrapAffine 前三個(gè)參數(shù)，即 warpAffine(img,M,(rows,cols)) 實(shí)現(xiàn)基本的仿射變換效果，但是這種情況會(huì)出現(xiàn) 黑邊 現(xiàn)象。

最后一個(gè)參數(shù)為 borderValue，邊界填充的顏色，默認(rèn)為黑色，可以自行設(shè)置為其它顏色。

具體代碼

圖像平移是圖像位置的移動(dòng)。在平移前，需要先轉(zhuǎn)換矩陣 M，，其中 tx，ty 表示在(x,y)方向上的位移，如下所示：

測(cè)試代碼如下，重要部分在注釋中進(jìn)行說(shuō)明。

import numpy as np
import cv2 as cv

img = cv.imread('10.jpg', 1)
rows, cols, channels = img.shape
# [1,0,100] 右移 100， [0,1,50] 下移 50
M = np.float32([[1, 0, 100], [0, 1, 50]])
res = cv.warpAffine(img, M, (cols, rows))
cv.imshow("img", res)
cv.waitKey()

特別說(shuō)明：
cv.warpAffine 方法的第三個(gè)參數(shù)是輸出圖像的大小，其形式應(yīng)為（width，height）。記住 width =列數(shù)（cols），height =行數(shù)（rows）。

以下為代碼運(yùn)行結(jié)果。

關(guān)于 borderMode 參數(shù)值的說(shuō)明：

該部分內(nèi)容涉及邊緣處理，翻閱手冊(cè)過(guò)程找到的說(shuō)明指向 BorderTypes。翻閱了一下，依舊是有些超綱，可以先記錄下相關(guān)內(nèi)容，日后在進(jìn)行回顧，參考地址。

所有值羅列如下：

• BORDER_CONSTANT = 0
• BORDER_REPLICATE = 1
• BORDER_REFLECT = 2
• BORDER_WRAP = 3
• BORDER_REFLECT_101 = 4
• BORDER_TRANSPARENT = 5
• BORDER_REFLECT101 = BORDER_REFLECT_101
• BORDER_DEFAULT = BORDER_REFLECT_101
• BORDER_ISOLATED = 16
  

borderValue：當(dāng)圖像邊界處理方式為 BORDER_CONSTANT 時(shí)的填充值。

測(cè)試代碼如下：

import numpy as np
import cv2 as cv

img = cv.imread('10.jpg', 1)
rows, cols, channels = img.shape
M = np.float32([[1, 0, 100], [0, 1, 50]])
res = cv.warpAffine(img, M, (cols, rows),
                    borderMode=cv.BORDER_CONSTANT, borderValue=(200, 66, 66))
cv.imshow("img", res)
cv.waitKey()

OpenCV 尾聲

到此這篇關(guān)于Python OpenCV 圖像平移的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)OpenCV 圖像平移內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論