4 用python進行OpenCV實戰之圖像變換1(平移)

前言

到目前為止,經過前幾節的介紹,我們已經有了一個堅實的基礎去做一些圖像處理,在本節我們先將介紹圖像變換中的平移,為后面幾節學習圖像變換中的旋轉、改變大小、鏡像、裁剪打下一個好的基礎

1 平移

1.1 平移基本操作

新建

translation.py

平移的意思就是將圖像沿著x軸、y軸移到,我們可以進行上下左右等各個方向的移動。

# -*- coding: utf-8 -*-
import numpy as np #1
import argparse #2
import imutils #3
import cv2 #4

ap = argparse.ArgumentParser() #5
ap.add_argument("-i", "--image", required=True,
                help="Path to the image") #6
args = vars(ap.parse_args())  #7

image = cv2.imread(args["image"]) #8
cv2.imshow("原始圖片", image) #9

M = np.float32([[1, 0, 25], [0, 1, 50]]) #10
shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #11
cv2.imshow("Shifted Down and Right", shifted) #12

M = np.float32([[1, 0, -50], [0, 1, -90]]) #13
shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #14
cv2.imshow("Shifted Up and Left", shifted) #15

shifted = imutils.translate(image, 0, 100) #16
cv2.imshow("Shifted down", shifted) #17
cv2.waitKey(0) #18

#1-9:
與前幾節一樣的操作,進行導包,然后顯示原始圖片,但是需要注意的是在第三行 import imutils,這里的imutils是什么呢?這不是一個OpenCV或者NumPy的包,而是我們自己寫的一個庫,里面包含了諸如平移、旋轉等操作的方法,以便于我們使用起來更加的方便,具體將在后面進行詳細介紹。

#10:

M = np.float32([[1, 0, 25], [0, 1, 50]]) #10

我們通過NumPy定義了一個平移矩陣M,它將決定我們我們將平移多少像素,我們的矩陣是定義成的浮點形式,這在OpenCV中至關重要的。

平移矩陣

在矩陣第一行中表示的是[1,0,x],其中x表示圖像將向左或向右移動的距離,如果x是正值,則表示向右移動,如果是負值的話,則表示向左移動。
在矩陣第二行表示的是[0,1,y],其中y表示圖像將向上或向下移動的距離,如果y是正值的話,則向下移動,如果是負值的話,則向上移動。為什么呢?還記得我們前幾節說過的OpenCV的圖像坐標系么?
OpenCV圖像坐標系

所以第10行的代碼表示我們將向右移動25pix,向下移動50pix(pix表示像素)。
#11-12:
在第11行我們的調用了cv2.warpAffine()方法,這是進行一個仿射變換,至于什么是仿射變換?簡單的說就是:“線性變換”+“平移”,深入了解點這里

shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #11

其中第一個參數表示我們希望進行變換的圖片,第二個參數是我們的平移矩陣,第三個希望展示的結果圖片的大小,這里保持和原始圖片一樣大小。然后我們將變換后的圖片顯示出來。

#13-15:
與上面的變換方式是一樣的,但是你是向上和向左移動

#16-18:
在第16行我們使用了:imutils這個自己寫的庫,然后調用了translate()方法。第一個參數是需要操作的圖像,第二個參數是在x軸上平移,第三個參數是在y軸上平移。

shifted = imutils.translate(image, 0, 100) #16

1.2 自寫的變換函數庫

我們為了在translation.py中導入使用imutils,我們需要在translation.py的同一個目錄下新建

imutils.py

在其中寫入如下代碼:

import numpy as np #1
import cv2 #2

def translate(image, x, y): #3
    M = np.float32([[1, 0, x], [0, 1, y]]) #4
    shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #5
    return shifted #6

#1-2:
導入使用的包

#3-6:
我們定義了一個translate函數,在這個函數中我們只是將平移的操作寫在里面了,然后返回了平移之后的結果shifted,通過這個例子,我們是不是感受到了封裝的力量?不管你有沒有,反正我是有。這樣當我再在translation.py中要對圖像進行變換時候是不是將很方便了?敲黑板:這個imutils.py我們將在后面的幾個變換操作中,都會用到,也會將其他變換的操作,都封裝在里面。

2 效果展示

平移效果展示

轉載請注明出處:
CSDN:樓上小宇__home:http://blog.csdn.net/sty945
簡書:樓上小宇:http://www.lxweimin.com/u/1621b29625df

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,546評論 6 533
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,570評論 3 418
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,505評論 0 376
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,017評論 1 313
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,786評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,219評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,287評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,438評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,971評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,796評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,995評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,540評論 5 359
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,230評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,662評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,918評論 1 286
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,697評論 3 392
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,991評論 2 374

推薦閱讀更多精彩內容