技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移

摘要:本篇文章主要讲解Python调用OpenCV实现图像位移操作、旋转和翻转效果,包括四部分知识:图像缩放、图像旋转、图像翻转、图像平移。
本文分享自华为云社区《[Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移》,作者:eastmount 。
本篇文章主要讲解Python调用OpenCV实现图像位移操作、旋转和翻转效果,包括四部分知识:图像缩放、图像旋转、图像翻转、图像平移。全文均是基础知识,希望对您有所帮助。
一.图像缩放 图像缩放主要调用resize()函数实现,具体如下:
result = cv2.resize(src, dsize[, result[. fx[, fy[, interpolation]]]])
【技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移】其中src表示原始图像,dsize表示缩放大小,fx和fy也可以表示缩放大小倍数,他们两个(dsize或fx\fy)设置一个即可实现图像缩放。例如:
  1. result = cv2.resize(src, (160,160))
  2. result = cv2.resize(src, None, fx=0.5, fy=0.5)
图像缩放:设(x0, y0)是缩放后的坐标,(x, y)是缩放前的坐标,sx、sy为缩放因子,则公式如下:
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片

代码示例如下所示:
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = https://www.it610.com/article/cv2.imread('test.jpg')#图像缩放 result = cv2.resize(src, (200,100)) print result.shape#显示图像 cv2.imshow("src", src) cv2.imshow("result", result)#等待显示 cv2.waitKey(0) cv2.destroyAllWindows()

输出结果如下图所示,图像缩小为(200,100)像素。
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片

需要注意的是,代码中 cv2.resize(src, (200,100)) 设置的dsize是列数为200,行数为100。
同样,可以获取原始图像像素再乘以缩放系数进行图像变换,代码如下所示。
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = https://www.it610.com/article/cv2.imread('test.jpg') rows, cols = src.shape[:2] print rows, cols#图像缩放 dsize(列,行) result = cv2.resize(src, (int(cols*0.6), int(rows*1.2)))#显示图像 cv2.imshow("src", src) cv2.imshow("result", result)#等待显示 cv2.waitKey(0) cv2.destroyAllWindows()

输出结果如下图所示:
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片

最后讲解(fx,fy)缩放倍数的方法对图像进行放大或缩小。
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = https://www.it610.com/article/cv2.imread('test.jpg') rows, cols = src.shape[:2] print rows, cols#图像缩放 result = cv2.resize(src, None, fx=0.3, fy=0.3)#显示图像 cv2.imshow("src", src) cv2.imshow("result", result)#等待显示 cv2.waitKey(0) cv2.destroyAllWindows()

最后输出的结果如下图所示,这是按例比0.3*0.3缩小的。
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片

二、图像旋转 图像旋转主要调用getRotationMatrix2D()函数和warpAffine()函数实现,绕图像的中心旋转,具体如下:
  • M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
    参数分别为:旋转中心、旋转度数、scale
  • rotated = cv2.warpAffine(src, M, (cols, rows))
    参数分别为:原始图像、旋转参数、原始图像宽高
图像旋转:设(x0, y0)是旋转后的坐标,(x, y)是旋转前的坐标,(m,n)是旋转中心,a是旋转的角度,(left,top)是旋转后图像的左上角坐标,则公式如下:
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片
代码如下所示:
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = https://www.it610.com/article/cv2.imread('test.jpg')#原图的高、宽 以及通道数 rows, cols, channel = src.shape#绕图像的中心旋转 #参数:旋转中心 旋转度数 scale M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1) #参数:原始图像 旋转参数 元素图像宽高 rotated = cv2.warpAffine(src, M, (cols, rows))#显示图像 cv2.imshow("src", src) cv2.imshow("rotated", rotated)#等待显示 cv2.waitKey(0) cv2.destroyAllWindows()

输出结果如下图所示:
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片

如果设置-90度,则核心代码和图像如下所示。
M = cv2.getRotationMatrix2D((cols/2, rows/2), -90, 1)
rotated = cv2.warpAffine(src, M, (cols, rows))
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片
三、图像翻转 图像翻转在OpenCV中调用函数flip()实现,原型如下:
dst = cv2.flip(src, flipCode)
其中src表示原始图像,flipCode表示翻转方向,如果flipCode为0,则以X轴为对称轴翻转,如果fliipCode>0则以Y轴为对称轴翻转,如果flipCode<0则在X轴、Y轴方向同时翻转。
代码如下所示:
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt #读取图片 img = cv2.imread('test.jpg') src = https://www.it610.com/article/cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#图像翻转 #0以X轴为对称轴翻转>0以Y轴为对称轴翻转 <0X轴Y轴翻转 img1 = cv2.flip(src, 0) img2 = cv2.flip(src, 1) img3 = cv2.flip(src, -1)#显示图形 titles = ['Source', 'Image1', 'Image2', 'Image3'] images = [src, img1, img2, img3] for i in xrange(4): plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()

输出结果如下图所示:
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片

四、图像平移 图像平移:设(x0, y0)是缩放后的坐标,(x, y)是缩放前的坐标,dx、dy为偏移量,则公式如下:
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片
图像平移首先定义平移矩阵M,再调用warpAffine()函数实现平移,核心函数如下:
M = np.float32([[1, 0, x], [0, 1, y]])
shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
完整代码如下所示:
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt #读取图片 img = cv2.imread('test.jpg') image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#图像平移 下、上、右、左平移 M = np.float32([[1, 0, 0], [0, 1, 100]]) img1 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))M = np.float32([[1, 0, 0], [0, 1, -100]]) img2 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))M = np.float32([[1, 0, 100], [0, 1, 0]]) img3 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))M = np.float32([[1, 0, -100], [0, 1, 0]]) img4 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))#显示图形 titles = [ 'Image1', 'Image2', 'Image3', 'Image4'] images = [img1, img2, img3, img4] for i in xrange(4): plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()

输出结果如下图所示:
技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移
文章图片
华为伙伴暨开发者大会2022火热来袭,重磅内容不容错过!
【精彩活动】勇往直前·做全能开发者→12场技术直播前瞻,8大技术宝典高能输出,还有代码密室、知识竞赛等多轮神秘任务等你来挑战。即刻闯关,开启终极大奖!点击踏上全能开发者晋级之路吧!
【技术专题】未来已来,2022技术探秘→华为各领域的前沿技术、重磅开源项目、创新的应用实践,站在智能世界的入口,探索未来如何照进现实,干货满满点击了解。

点击关注,第一时间了解华为云新鲜技术~

    推荐阅读