建网站的公司深圳,营销网站建设公司,手机收费网页制作,咨询装修1 图像的放大与缩小 2 图像的翻转 3 图像的旋转 4 仿射变换之图像平移 5 仿射变换之获取变换矩阵 6 透视变换 1 图像的放大与缩小 resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) src: 要缩放的图片dsize: 缩放之后的图片大小, 元组和列表表示均可.dst: 可选参数, 缩…1 图像的放大与缩小 2 图像的翻转 3 图像的旋转 4 仿射变换之图像平移 5 仿射变换之获取变换矩阵 6 透视变换 1 图像的放大与缩小 resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) src: 要缩放的图片dsize: 缩放之后的图片大小, 元组和列表表示均可.dst: 可选参数, 缩放之后的输出图片fx, fy: x轴和y轴的缩放比, 即宽度和高度的缩放比.interpolation: 插值算法, 主要有以下几种: INTER_NEAREST, 邻近插值, 速度快, 效果差.INTER_LINEAR, 双线性插值, 使用原图中的4个点进行插值. 默认.INTER_CUBIC, 三次插值, 原图中的16个点.INTER_AREA, 区域插值, 效果最好, 计算时间最长.
import cv2 # 导入OpenCV库用于图像处理
import numpy as np # 导入NumPy库用于处理数组操作# 读取图片文件将它们分别加载到变量dog和cat中
dog cv2.imread(./dog.jpeg) # 加载狗的图像
cat cv2.imread(./cat.jpeg) # 加载猫的图像# 打印图像的形状确保正确加载图像并了解它们的尺寸
print(dog.shape) # 输出狗的图像尺寸 (360, 499, 3) - 3代表RGB通道
print(cat.shape) # 输出猫的图像尺寸 (480, 640, 3) - 3代表RGB通道# 将猫的图像调整为与狗的图像相同的大小
new_cat cv2.resize(cat, (499, 360)) # 将猫的图像大小缩放至 (499, 360)# 使用不同的插值方法将狗的图像缩放到800x800像素
# # 1. 最近邻插值INTER_NEAREST这是最简单的插值方法直接选择最近的像素。通常会导致图像有较大的像素块感。
# new_dog1 cv2.resize(dog, (800, 800), interpolationcv2.INTER_NEAREST)# # 2. 双线性插值INTER_LINEAR常用的插值方法考虑周围的像素并计算加权平均值。缩放效果较平滑适用于图像放大。
# new_dog2 cv2.resize(dog, (800, 800), interpolationcv2.INTER_LINEAR)# # 3. 三次插值INTER_CUBIC相比于双线性插值更复杂的插值算法使用16个周围的像素来计算新的像素值图像放大时更平滑但速度较慢。
# new_dog3 cv2.resize(dog, (800, 800), interpolationcv2.INTER_CUBIC)# # 4. 像素区域关系重采样INTER_AREA通常用于缩小图像通过考虑像素区域的平均值来生成新的像素适合于图像缩小时使用。
# new_dog4 cv2.resize(dog, (800, 800), interpolationcv2.INTER_AREA)# 打印缩放后的猫图像的数据可以删除此行除非需要调试
# print(new_cat) # 这会输出图像的像素矩阵值# 将狗和猫的图像水平拼接在一起并显示
cv2.imshow(new_cat, np.hstack((dog, new_cat))) # np.hstack水平拼接两个图像
cv2.waitKey(0) # 等待用户按任意键后继续以显示窗口
cv2.destroyAllWindows() # 关闭所有打开的窗口 2 图像的翻转
flip(src, flipCode) flipCode 0 表示上下翻转flipCode 0 表示左右翻转flipCode 0 上下 左右
# 翻转
import cv2
import numpy as np#导入图片
dog cv2.imread(./dog.jpeg)new_dog cv2.flip(dog, flipCode-1)
cv2.imshow(dog, new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()3 图像的旋转
rotate(img, rotateCode) ROTATE_90_CLOCKWISE 90度顺时针ROTATE_180 180度ROTATE_90_COUNTERCLOCKWISE 90度逆时针
# 旋转
import cv2
import numpy as np#导入图片
dog cv2.imread(./dog.jpeg)new_dog cv2.rotate(dog, rotateCodecv2.cv2.ROTATE_90_COUNTERCLOCKWISE)
cv2.imshow(dog, new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()4 仿射变换之图像平移 仿射变换是图像旋转, 缩放, 平移的总称.具体的做法是通过一个矩阵和和原图片坐标进行计算, 得到新的坐标, 完成变换. 所以关键就是这个矩阵. warpAffine(src, M, dsize, flags, mode, value) M:变换矩阵 dsize: 输出图片大小 flag: 与resize中的插值算法一致 mode: 边界外推法标志 value: 填充边界值 平移矩阵 矩阵中的每个像素由(x,y)组成,(x, y)表示这个像素的坐标. 假设沿x轴平移 t x t_x tx, 沿y轴平移 t y t_y ty, 那么最后得到的坐标为 ( x ^ , y ^ ) ( x t x , y t y ) (\hat x, \hat y) (x t_x, y t_y) (x^,y^)(xtx,yty), 用矩阵表示就是: # 仿射变换之平移
import cv2
import numpy as np#导入图片
dog cv2.imread(./dog.jpeg)h, w, ch dog.shape
M np.float32([[1, 0, 100], [0, 1, 0]])
# 注意opencv中是先宽度, 再高度
new cv2.warpAffine(dog, M, (w, h))cv2.imshow(new, new)
cv2.waitKey(0)
cv2.destroyAllWindows()5 仿射变换之获取变换矩阵
仿射变换的难点就是计算变换矩阵, OpenCV提供了计算变换矩阵的API
getRotationMatrix2D(center, angle, scale) center 中心点 , 以图片的哪个点作为旋转时的中心点.angle 角度: 旋转的角度, 按照逆时针旋转.scale 缩放比例: 想把图片进行什么样的缩放.
# 仿射变换之平移
import cv2
import numpy as np#导入图片
dog cv2.imread(./dog.jpeg)h, w, ch dog.shape
# M np.float32([[1, 0, 100], [0, 1, 0]])# 注意旋转的角度为逆时针.
# M cv2.getRotationMatrix2D((100, 100), 15, 1.0)
# 以图像中心点旋转
M cv2.getRotationMatrix2D((w/2, h/2), 15, 1.0)
# 注意opencv中是先宽度, 再高度
new cv2.warpAffine(dog, M, (w, h))cv2.imshow(new, new)
cv2.waitKey(0)
cv2.destroyAllWindows()getAffineTransform(src[], dst[]) 通过三点可以确定变换后的位置, 相当于解方程, 3个点对应三个方程, 能解出偏移的参数和旋转的角度. src原目标的三个点 dst对应变换后的三个点 import cv2
import numpy as np# 导入图片
dog cv2.imread(./dog.jpeg) # 使用cv2.imread读取图片# 获取图片的高度(h)宽度(w)以及通道数(ch)
h, w, ch dog.shape# 定义原始图片中用于仿射变换的三个顶点坐标
# 这三个点是仿射变换之前的点指定用于计算仿射变换矩阵
src np.float32([[20, 10], [30, 10], [20, 30]])# 定义变换后目标图片中对应的三个顶点坐标
# 这些点是原始图片中的三个点在仿射变换后的位置
dst np.float32([[10, 15], [36, 20], [28, 10]])# 计算仿射变换矩阵
# cv2.getAffineTransform会根据src和dst的点计算出2x3的仿射变换矩阵M
M cv2.getAffineTransform(src, dst)# 对原图像进行仿射变换
# cv2.warpAffine使用仿射变换矩阵M对图片进行仿射变换输出图片大小为原图的宽(w)和高(h)
new_dog cv2.warpAffine(dog, M, (w, h))# 显示仿射变换后的图片
cv2.imshow(new_dog, new_dog)# 等待键盘事件
cv2.waitKey(0) # 等待按键事件0表示无限等待
cv2.destroyAllWindows() # 关闭所有窗口 6 透视变换
透视变换就是将一种坐标系变换成另一种坐标系. 简单来说可以把一张斜的图变正. warpPerspective(img, M, dsize,…) 对于透视变换来说, M是一个3 * 3 的矩阵. getPerspectiveTransform(src, dst) 获取透视变换的变换矩阵, 需要4个点, 即图片的4个角.
import cv2
import numpy as np# 导入图片
img cv2.imread(./123.png) # 使用cv2.imread读取图片
print(img.shape) # 打印图片的尺寸信息返回的是(高, 宽, 通道数)# 定义源图像的四个顶点坐标
# 这些坐标是在原图像中的四个点用于透视变换
src np.float32([[100, 1100], [2100, 1100], [0, 4000], [2500, 3900]])# 定义目标图像的四个顶点坐标
# 这些坐标是透视变换后图像中对应的四个点
dst np.float32([[0, 0], [2300, 0], [0, 3000], [2300, 3000]])# 计算透视变换矩阵
# 这个矩阵将源图像的四个点映射到目标图像的四个点
M cv2.getPerspectiveTransform(src, dst)# 使用计算得到的透视变换矩阵进行图像变换
# cv2.warpPerspective将原图像按照透视矩阵M进行变换输出尺寸为(2300, 3000)
new cv2.warpPerspective(img, M, (2300, 3000))# 创建用于显示原图的窗口并调整窗口大小
cv2.namedWindow(img, cv2.WINDOW_NORMAL) # 创建窗口 img
cv2.resizeWindow(img, 640, 480) # 将窗口 img 调整为640x480# 创建用于显示透视变换后的图像窗口并调整窗口大小
cv2.namedWindow(new, cv2.WINDOW_NORMAL) # 创建窗口 new
cv2.resizeWindow(new, 640, 480) # 将窗口 new 调整为640x480# 显示原图和透视变换后的图像
cv2.imshow(img, img) # 显示原图
cv2.imshow(new, new) # 显示透视变换后的图像# 等待键盘事件
cv2.waitKey(0) # 无限等待按键输入0表示无限等待
cv2.destroyAllWindows() # 关闭所有窗口
设计logo
1.引入图片2.设计一个logo图片3.规划一个自己的logo看看放哪里合适在添加的位置变成黑色4.利用add方法把logo和图片叠加在一起
import cv2
import numpy as npdog cv2.imread(./dog.jpeg)# 创建logo
logo np.zeros((200, 200, 3), np.uint8)# 绘制logo
logo[20: 120, 20: 120] [0, 0, 255]
logo[80: 180, 80: 180] [0, 255, 0]# 掩码
mask np.zeros((200, 200), np.uint8)
mask[20: 120, 20: 120] 255
mask[80: 180, 80: 180] 255# cv2.imshow(mask, mask)
m cv2.bitwise_not(mask)
# cv2.imshow(m, m)# 选择dog添加logo的位置
roi dog[0: 200, 0: 200]# roi与m进行与操作, mask先roi,roi做与运算
tmp cv2.bitwise_and(roi, roi, maskm)
# cv2.imshow(tmp, tmp)dst cv2.add(tmp, logo)
# cv2.imshow(dst, dst)# 在dog上还原
dog[: 200, : 200] dst# cv2.imshow(logo, logo)
cv2.imshow(dog, dog)cv2.waitKey(0)
cv2.destroyAllWindows()
