该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类、目标检测应用。
前一篇文章介绍Python调用OpenCV实现图像融合、图像加减法、图像逻辑运算和类型转换。这篇文章将详细讲解图像缩放、图像旋转、图像翻转、图像平移。希望文章对您有所帮助，如果有不足之处，还请海涵~
- 一.图像缩放
- 二.图像旋转
- 三.图像翻转
- 四.图像平移
该系列在github所有源代码：
- https://github.com/eastmountyxz/ ImageProcessing-Python
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]]]])
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fxfy）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：
代码示例如下所示：
代码语言：javascript复制#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = 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。
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。
代码语言：javascript复制#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = 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：
最后讲解(fx,fy)缩放倍数的方法对图像进行放大或缩小。
代码语言：javascript复制#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = 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。
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：
代码如下所示：
代码语言：javascript复制#encoding:utf-8
import cv2
import numpy as np
#读取图片
src = 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：
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))
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轴同时翻转。
代码如下所示：
代码语言：javascript复制#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取图片
img = cv2.imread('test.jpg')
src = 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 range(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：
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：
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：
代码语言：javascript复制#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 range(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：
五.总结
本文主要讲解Python和OpenCV的图像基础处理，具体内容包括：
- 一.图像缩放
- 二.图像旋转
- 三.图像翻转
- 四.图像平移
源代码下载地址，记得帮忙点star和关注喔！
- https://github.com/eastmountyxz/ ImageProcessing-Python
参考文献，在此感谢这些大佬，共勉！
- [1] 冈萨雷斯. 数字图像处理（第3版）[M]. 电子工业出版社, 2013.
- [2] 毛星云, 冷雪飞. OpenCV3编程入门[M]. 电子工业出版社, 2015.
- [3] https://blog.csdn.net/Eastmount
