使用Python進行圖像幾何變換的操作流程

更新時間：2025年11月11日 09:53:05 作者：封奚澤優(yōu)

本文介紹了圖像處理中的基本幾何變換操作,主要包括圖像縮放、平移、旋轉(zhuǎn)等基礎(chǔ)變換,以及仿射變換和透射變換等高級變換方法,同時講解了圖像金字塔的構(gòu)建方法,包括向上采樣(pyrUp)和向下采樣(pyrDown),需要的朋友可以參考下

算數(shù)操作

圖像的加法

OpenCV加法是飽和操作，Numpy加法是模運算。

import cv2
import numpy as np
 
x = np.uint8([250])
y = np.uint8([10])
print(x)  # [[250]]
print(y)  # [[10]]
print(cv2.add(x, y))  # [[255]]
print(x + y)  # [4]

OpenCV加法

# cv2.add() 是 OpenCV 中用于執(zhí)行圖像加法運算的核心函數(shù)，與 Python 的普通加法運算符 (+) 不同，它使用飽和運算防止溢出。
dst = cv2.add(src1, src2[, dst[, mask[, dtype]]])

參數(shù)	類型	描述
`src1`	numpy.ndarray	第一個輸入數(shù)組（圖像）
`src2`	numpy.ndarray 或標量	第二個輸入數(shù)組或標量值
`dst`	numpy.ndarray (可選)	輸出數(shù)組（與輸入相同大小和類型）
`mask`	numpy.ndarray (可選)	8位單通道掩碼，指定要修改的輸出數(shù)組元素
`dtype`	int (可選)	輸出數(shù)組的深度（如 cv2.CV_8U, cv2.CV_32F）

中文標題會亂碼，干脆使用英文標題了，鍵盤按下任意鍵退出，只是關(guān)閉窗口程序不會結(jié)束。

import cv2
 
# 讀取兩張相同尺寸的圖像
img1 = cv2.imread("image1.jpg")  # 替換為你的圖片路徑
img2 = cv2.imread("image2.jpg")  # 替換為你的圖片路徑
 
# 檢查圖像是否成功讀取
if img1 is None or img2 is None:
    print("錯誤：無法讀取圖像文件")
    exit()
 
# 調(diào)整img2尺寸匹配img1
if img1.shape != img2.shape:
    img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0]))  # 注意寬高順序
 
# 直接相加
result = cv2.add(img1, img2)
 
# 顯示結(jié)果
cv2.imshow("OpenCV Addition", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

Numpy加法

很明顯直接相加的話圖像直接失真了。

result = img1 + img2

import cv2
 
# 讀取兩張相同尺寸的圖像
img1 = cv2.imread("image1.jpg")  # 替換為你的圖片路徑
img2 = cv2.imread("image2.jpg")  # 替換為你的圖片路徑
 
# 檢查圖像是否成功讀取
if img1 is None or img2 is None:
    print("錯誤：無法讀取圖像文件")
    exit()
 
# 調(diào)整img2尺寸匹配img1
if img1.shape != img2.shape:
    img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0]))  # 注意寬高順序
 
# 直接相加
result = img1 + img2
 
# 顯示結(jié)果
cv2.imshow("Numpy Addition", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖像的混合

# cv2.addWeighted() 是 OpenCV 中最重要和最常用的圖像處理函數(shù)之一，用于實現(xiàn)圖像的加權(quán)混合（也稱為alpha混合）。
# dst = src1 × alpha + src2 × beta + gamma
dst = cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])

參數(shù)	類型	描述	默認值	重要說明
`src1`	numpy.ndarray	第一個輸入圖像（矩陣）	必填	支持多通道圖像（如BGR彩色圖）
`alpha`	float	第一個圖像的權(quán)重系數(shù)	必填	通常范圍0.0-1.0，但可為任意實數(shù)
`src2`	numpy.ndarray	第二個輸入圖像（矩陣）	必填	必須與src1尺寸和通道數(shù)相同
`beta`	float	第二個圖像的權(quán)重系數(shù)	必填	通常alpha + beta = 1.0
`gamma`	float	添加到加權(quán)和的標量值	必填	用于亮度調(diào)整，通常為0
`dst`	numpy.ndarray	輸出圖像	None	可選，用于預分配輸出數(shù)組
`dtype`	int	輸出數(shù)組的深度	-1	可選，如cv2.CV_8U, cv2.CV_32F

import cv2
 
# 讀取兩張相同尺寸的圖像
img1 = cv2.imread("image1.jpg")  # 替換為你的圖片路徑
img2 = cv2.imread("image2.jpg")  # 替換為你的圖片路徑
 
# 檢查圖像是否成功讀取
if img1 is None or img2 is None:
    print("錯誤：無法讀取圖像文件")
    exit()
 
# 調(diào)整img2尺寸匹配img1
if img1.shape != img2.shape:
    img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0]))  # 注意寬高順序
 
# 圖像混合
result = cv2.addWeighted(img1, 0.3, img2, 0.7, 0)
# 顯示結(jié)果
cv2.imshow("Image Mixing", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

幾何變換

圖像縮放

對圖像進行放大或縮小。

resized = cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])

參數(shù)詳解：

src: 輸入圖像 (numpy.ndarray)
dsize: 輸出圖像尺寸 (tuple: (width, height))
fx: 水平縮放因子 (float)
fy: 垂直縮放因子 (float)
interpolation: 插值方法 (默認為 cv2.INTER_LINEAR)

重要規(guī)則：必須指定 dsize 或 (fx, fy)，但不能同時指定兩者

插值方法對比

插值方法	枚舉值	時間復雜度	質(zhì)量	適用場景
最近鄰插值	`cv2.INTER_NEAREST`	O(1)	低	像素藝術(shù)、實時處理
雙線性插值	`cv2.INTER_LINEAR`	O(4)	中	默認選擇，平衡速度質(zhì)量
雙三次插值	`cv2.INTER_CUBIC`	O(16)	高	高質(zhì)量放大，照片處理
區(qū)域插值	`cv2.INTER_AREA`	O(1)	中高	縮小圖像首選
Lanczos插值	`cv2.INTER_LANCZOS4`	O(64)	極高	專業(yè)級放大，醫(yī)學影像

絕對尺寸

resized = cv2.resize(img, (400, 300))

相對尺寸

# 縮小為原圖的50%
half_size = cv2.resize(img, None, fx=0.5, fy=0.5)

圖像平移

指定平移矩陣后，調(diào)用cv.warpAffine()平移圖像。

dst = cv2.warpAffine(
    src, 
    M, 
    dsize, 
    dst=None, 
    flags=cv2.INTER_LINEAR, 
    borderMode=cv2.BORDER_CONSTANT, 
    borderValue=0
)

必需參數(shù)

參數(shù)	類型	描述
`src`	numpy.ndarray	輸入圖像 (單通道或多通道)
`M`	numpy.ndarray (2×3)	2×3仿射變換矩陣
`dsize`	tuple	輸出圖像尺寸 `(width, height)`

可選參數(shù)

參數(shù)	類型	默認值	描述
`dst`	numpy.ndarray	None	輸出圖像數(shù)組 (預分配內(nèi)存)
`flags`	int	cv2.INTER_LINEAR	插值方法
`borderMode`	int	cv2.BORDER_CONSTANT	邊界填充模式
`borderValue`	scalar	0	邊界填充值 (BORDER_CONSTANT時使用)

M仿射變換矩陣

M = [ a11  a12  b1 ]
    [ a21  a22  b2 ]

變換類型與矩陣關(guān)系

變換類型	矩陣公式	說明
平移	`[[1, 0, tx], [0, 1, ty]]`	tx, ty 為平移量
旋轉(zhuǎn)	`cv2.getRotationMatrix2D(center, angle, scale)`	中心點、角度、縮放
縮放	`[[sx, 0, 0], [0, sy, 0]]`	sx, sy 為縮放因子
傾斜	`[[1, shx, 0], [shy, 1, 0]]`	shx, shy 為傾斜因子
組合變換	M = M1 × M2	矩陣乘法組合多個變換

import cv2
import numpy as np
 
# 讀取兩張相同尺寸的圖像
img = cv2.imread("image1.jpg")  # 替換為你的圖片路徑
 
# 檢查圖像是否成功讀取
if img is None:
    print("錯誤：無法讀取圖像文件")
    exit()
# x移動200px，y移動150px
M = np.float32([[1, 0, 200], [0, 1, 150]])  # 平移矩陣
result = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))
 
# 顯示結(jié)果
cv2.imshow("Image Translation", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖像旋轉(zhuǎn)

調(diào)用cv.getRotationMatrix2D獲取旋轉(zhuǎn)矩陣，然后調(diào)用cv.warpAffine()進行旋轉(zhuǎn)。

# 生成旋轉(zhuǎn)矩陣
retval = cv2.getRotationMatrix2D(center, angle, scale)

參數(shù)	類型	描述
`center`	tuple (x, y)	旋轉(zhuǎn)中心點坐標
`angle`	float	旋轉(zhuǎn)角度（度），逆時針為正
`scale`	float	縮放比例 (1.0 = 保持原大小)

返回值：retval: 2×3 仿射變換矩陣 (numpy.ndarray, dtype=float64)

此時M：[[ 0.70710678 0.70710678 -50.33008589]
[ -0.70710678 0.70710678 418.49242405]]

import cv2
 
# 讀取兩張相同尺寸的圖像
img = cv2.imread("image1.jpg")  # 替換為你的圖片路徑
 
# 檢查圖像是否成功讀取
if img is None:
    print("錯誤：無法讀取圖像文件")
    exit()
# 旋轉(zhuǎn)中心，旋轉(zhuǎn)角度，縮放因子
M = cv2.getRotationMatrix2D((img.shape[1] / 2, img.shape[0] / 2), 45, 1)  # 旋轉(zhuǎn)矩陣
# 進行旋轉(zhuǎn)
result = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))
 
# 顯示結(jié)果
cv2.imshow("Image Rotation", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

仿射變換

調(diào)用getAffineTransform將創(chuàng)建變換矩陣，最后該矩陣傳遞給cv.warpAffine()進行變換。

如果兩條線在變換前平行，變換后仍然平行。
位于同一直線上的點在變換后仍然位于同一直線上。
直線上點的比例關(guān)系在變換后保持不變。如果點C位于A和B之間，且AC:CB = m:n，則變換后這個比例關(guān)系仍然成立。

# 通過三對對應(yīng)點建立源圖像與目標圖像之間的幾何映射關(guān)系
M = cv2.getAffineTransform(src, dst)

參數(shù)	類型	描述
`src`	numpy.ndarray (3×2)	源圖像中的三個點坐標 (float32)
`dst`	numpy.ndarray (3×2)	目標圖像中的三個對應(yīng)點坐標 (float32)

返回值：M: 2×3 仿射變換矩陣 (numpy.ndarray, dtype=float64)

此時M：[[ 1.26666667 0.6 -83.33333333]
[ -0.33333333 1. 66.66666667]]

import cv2
import numpy as np
 
# 讀取兩張相同尺寸的圖像
img = cv2.imread("image1.jpg")  # 替換為你的圖片路徑
 
# 檢查圖像是否成功讀取
if img is None:
    print("錯誤：無法讀取圖像文件")
    exit()
 
# 定義源圖像和目標圖像的頂點
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])
# 計算仿射變換矩陣
M = cv2.getAffineTransform(pts1, pts2)
# 進行仿射變換
result = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))
 
# 顯示結(jié)果
cv2.imshow("Affine Transformation", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

透射變換

通過函數(shù)getPerspectiveTransform()找到變換矩陣，將cv.warpPerspective()進行投射變換。

M = cv2.getPerspectiveTransform(src, dst[, solveMethod])

參數(shù)	類型	描述
`src`	numpy.ndarray (4×2)	源圖像中的四個點坐標 (float32)
`dst`	numpy.ndarray (4×2)	目標圖像中的四個對應(yīng)點坐標 (float32)
`solveMethod`	int	矩陣求解方法 (默認 DECOMP_LU)

此時T：[[ 1.05587376e+00 9.18151097e-02 -6.50969128e+01]
[ 4.69010049e-02 1.12562412e+00 -7.57920240e+01]
[ 1.83251448e-04 5.13337001e-04 1.00000000e+00]]

dst = cv2.warpPerspective(
    src, 
    M, 
    dsize, 
    dst=None, 
    flags=cv2.INTER_LINEAR, 
    borderMode=cv2.BORDER_CONSTANT, 
    borderValue=0
)

參數(shù)	類型	描述	默認值
`src`	numpy.ndarray	輸入圖像 (單通道或多通道)	-
`M`	numpy.ndarray (3×3)	透視變換矩陣 (單應(yīng)性矩陣)	-
`dsize`	tuple	輸出圖像尺寸 `(width, height)`	-
`dst`	numpy.ndarray	輸出圖像 (預分配內(nèi)存)	None
`flags`	int	插值方法 + 可選標志	INTER_LINEAR
`borderMode`	int	邊界處理模式	BORDER_CONSTANT
`borderValue`	scalar	邊界填充值	0

import cv2
import numpy as np
 
# 讀取兩張相同尺寸的圖像
img = cv2.imread("image1.jpg")  # 替換為你的圖片路徑
 
# 檢查圖像是否成功讀取
if img is None:
    print("錯誤：無法讀取圖像文件")
    exit()
# 透 視變換
# 定義源點
pts1=np.float32([[56, 65], [368, 52], [28, 387], [389, 390]])
# 定義目標點
pts2=np.float32([[0, 0], [300, 0], [0, 300], [300, 300]])
# 獲取透 視變換矩陣
T=cv2.getPerspectiveTransform(pts1, pts2)
 
result = cv2.warpPerspective(img, T, (img.shape[1], img.shape[0]))
 
# 顯示結(jié)果
cv2.imshow("Transmission Transformation", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖像金字塔

向上采樣：cv.pyrUp()

向下采樣：cv.pyrDown()

dst = cv2.pyrUp(
    src, 
    dst=None, 
    dstsize=None, 
    borderType=cv2.BORDER_DEFAULT
)
 
dst = cv2.pyrDown(
    src, 
    dst=None, 
    dstsize=None, 
    borderType=cv2.BORDER_DEFAULT
)

參數(shù)	類型	描述	默認值
`src`	numpy.ndarray	輸入圖像	-
`dst`	numpy.ndarray	輸出圖像 (可選)	None
`dstsize`	tuple	輸出圖像大小 `(width, height)`	None
`borderType`	int	邊界填充類型	cv2.BORDER_DEFAULT

import cv2
import numpy as np
 
# 讀取兩張相同尺寸的圖像
img = cv2.imread("image1.jpg")  # 替換為你的圖片路徑
 
# 檢查圖像是否成功讀取
if img is None:
    print("錯誤：無法讀取圖像文件")
    exit()
 
up_img = cv2.pyrUp(img)  # 上采樣
down_img = cv2.pyrDown(img)  # 下采樣
 
# 顯示結(jié)果
cv2.imshow("enlarge", up_img)
cv2.imshow("Image Pyramid", img)
cv2.imshow("shrink", down_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

特性	圖像金字塔	圖像縮放
目的	創(chuàng)建多尺度表示用于特征分析	改變圖像尺寸以適應(yīng)特定需求
輸出	一組不同尺度的圖像序列	單一尺寸的圖像
數(shù)學基礎(chǔ)	高斯平滑+下采樣/上采樣	插值算法
可逆性	不可逆（信息損失）	部分可逆（取決于算法）
典型應(yīng)用	多尺度特征檢測、圖像融合	顯示適配、預處理、存儲優(yōu)化
OpenCV函數(shù)	`pyrUp()`, `pyrDown()`	`resize()`