主要参考Stack Overflow的问答
xaedes的回答更实用, 贴出代码:
def subimage(image, center, theta, width, height):
theta *= np.pi / 180 # convert to rad
v_x = (np.cos(theta), np.sin(theta))
v_y = (-np.sin(theta), np.cos(theta))
s_x = center[0] - v_x[0] * (width / 2) - v_y[0] * (height / 2)
s_y = center[1] - v_x[1] * (width / 2) - v_y[1] * (height / 2)
mapping = np.array([[v_x[0],v_y[0], s_x],
[v_x[1],v_y[1], s_y]])
return cv2.warpAffine(image,mapping,(width, height),flags=cv2.WARP_INVERSE_MAP,borderMode=cv2.BORDER_REPLICATE)
算法原理
发现这个cv2.warpAffine是个很强大的函数, 要扣明白了,找到了CSDN博文:图像的几何变换
很详细了, 就不转了!
参数说明在这篇博文
摘录相关部分:
仿射变换cv2.warpAffine()
cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst
非关键字参数有src, M, dsize，分别表示源图像，变换矩阵，变换后的图像的长宽
这里说一下放射变换的变换矩阵
位移变换矩阵为：
旋转变换矩阵：
标准旋转变换矩阵为
，但该矩阵没有考虑旋转变换时进行位移以及缩放操作，OpenCV中的旋转变换如下：
OpenCV中提供了一个函数获得这样一个矩阵
M=cv2.getRotationMatrix2D(rotate_center, degree, scale)
rotate_center为一个2元的元组，表示旋转中心坐标，degree表示逆时针旋转的角度，scale表示缩放的比例
更详细的参数介绍还是看官方文档
放两条OpenCV笔记
img_pil = Image.fromarray(cv2.cvtColor(img_cv, cv2.COLOR_BGR2RGB))
pil_image = PIL.Image.open('Image.jpg').convert('RGB')
open_cv_image = numpy.array(pil_image)
# Convert RGB to BGR
open_cv_image = open_cv_image[:, :, ::-1].copy()
