前言
到目前为止,经过前几节的介绍,我们已经有了一个坚实的基础去做一些图像处理,在本节我们先将介绍图像变换中的平移,为后面几节学习图像变换中的旋转、改变大小、镜像、裁剪打下一个好的基础
1 平移
1.1 平移基本操作
新建
translation.py
平移的意思就是将图像沿着x轴、y轴移到,我们可以进行上下左右等各个方向的移动。
# -*- 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("原始图片", 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:
与前几节一样的操作,进行导包,然后显示原始图片,但是需要注意的是在第三行 import imutils,这里的imutils是什么呢?这不是一个OpenCV或者NumPy的包,而是我们自己写的一个库,里面包含了诸如平移、旋转等操作的方法,以便于我们使用起来更加的方便,具体将在后面进行详细介绍。
#10:
M = np.float32([[1, 0, 25], [0, 1, 50]]) #10
我们通过NumPy定义了一个平移矩阵M,它将决定我们我们将平移多少像素,我们的矩阵是定义成的浮点形式,这在OpenCV中至关重要的。
在矩阵第一行中表示的是[1,0,x],其中x表示图像将向左或向右移动的距离,如果x是正值,则表示向右移动,如果是负值的话,则表示向左移动。
在矩阵第二行表示的是[0,1,y],其中y表示图像将向上或向下移动的距离,如果y是正值的话,则向下移动,如果是负值的话,则向上移动。为什么呢?还记得我们前几节说过的OpenCV的图像坐标系么?
所以第10行的代码表示我们将向右移动25pix,向下移动50pix(pix表示像素)。
#11-12:
在第11行我们的调用了cv2.warpAffine()方法,这是进行一个仿射变换,至于什么是仿射变换?简单的说就是:“线性变换”+“平移”,深入了解点这里。
shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #11
其中第一个参数表示我们希望进行变换的图片,第二个参数是我们的平移矩阵,第三个希望展示的结果图片的大小,这里保持和原始图片一样大小。然后我们将变换后的图片显示出来。
#13-15:
与上面的变换方式是一样的,但是你是向上和向左移动
#16-18:
在第16行我们使用了:imutils这个自己写的库,然后调用了translate()方法。第一个参数是需要操作的图像,第二个参数是在x轴上平移,第三个参数是在y轴上平移。
shifted = imutils.translate(image, 0, 100) #16
1.2 自写的变换函数库
我们为了在translation.py中导入使用imutils,我们需要在translation.py的同一个目录下新建
imutils.py
在其中写入如下代码:
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:
导入使用的包
#3-6:
我们定义了一个translate函数,在这个函数中我们只是将平移的操作写在里面了,然后返回了平移之后的结果shifted,通过这个例子,我们是不是感受到了封装的力量?不管你有没有,反正我是有。这样当我再在translation.py中要对图像进行变换时候是不是将很方便了?敲黑板:这个imutils.py我们将在后面的几个变换操作中,都会用到,也会将其他变换的操作,都封装在里面。
2 效果展示
转载请注明出处:
CSDN:楼上小宇__home:http://blog.csdn.net/sty945
简书:楼上小宇:http://www.jianshu.com/u/1621b29625df