技术交流|Python图像处理丨图像缩放、旋转、翻转与图像平移 python|图像处理|计算机视觉|图

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：

result = cv2.resize(src, (160,160))
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：

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。

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：

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。

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：

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：

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))

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：

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：

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：

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~