如opencv开发前的准备工作中所说,此系列文章是在学习Practical Python and OpenCV(点击下载)这本书的一些记录,发出来的文章跳过了第三章对RGB,以及numpy简单操作等介绍，请大家下载原书查看，在原书中对一下段落已进行翻译注释。文章系列完整展示代码点击下载
import numpy as np
import cv2
import argparse
import imutils
ap = argparse.ArgumentParser()
ap.add_argument("-i","--image", required =True,
help ="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original", image)
cv2.waitKey(0)
M = np.float32([[1,0,25],[0,1,50]])
#定义我们的平移矩阵M
#矩阵M被定义为一个浮点数组 - 这很重要，因为OpenCV期望这个矩阵是浮点类型的。
#矩阵的第一行是[1,0，tx]，其中tx是像素的数量，我们将左右移动图像。
#tx的负值会将图像左移，正值会将图像向右移
#我们将矩阵的第二行定义为[0，1，ty]，其中ty是我们将向上或向下移动图像的像素数量。
#ty的负值会使图像向上移动，正值会使图像向下移动。
shifted =cv2.warpAffine(image ,M ,(image.shape[1], image.shape[0]))
#warpAffine第一个参数是我们想要移动的图像，第二个参数是我们的平移矩阵M.最后，我们手动提供图像的尺寸（宽度和高度）作为第三个参数
cv2.imshow("Shifted Up and Left",shifted)
M = np.float32([[1,0,-50],[0,1,-90]])
shifted =cv2.warpAffine(image ,M ,(image.shape[1], image.shape[0]))
cv2.imshow("Shifted Up and Left",shifted)
cv2.waitKey(0)
以上多次使用warpAffine重复性很高而且 使用起来不方便，我们可以定义一个叫imutils.py的模块封装这个方法如下：
import numpy as np
import cv2
def translate(image, x, y):
M = np.float32([[1,0, x], [0,1, y]])
shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
return shifted
再实现上面平移的动作:
shifted =imutils.translate(image,0,100)
cv2.imshow("Shifted Up and Left",shifted)
import numpy as np
import cv2
import argparse
ap = argparse.ArgumentParser()
ap.add_argument("-i","--image",required =True,help ="Path to the image")
args =vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)
(h,w) = image.shape[:2]
center = (w//2,h//2)
M = cv2.getRotationMatrix2D(center,45,1.0)
#cv2.getRotationMatrix2D(center, degrees , scale)
#center为需要围绕旋转的点，当我们旋转图像时，我们需要指定我们要旋转的点。
#在大多数情况下，你会想要围绕图像的中心旋转;然而，
#OpenCV允许你指定你想旋转的任意点
# degrees 旋转的角度
# scale 比例 这里你可以指定一个浮点值，其中1.0意味着使用相同的图像转换。但是，如果您指定的值为2.0，则图像的大小将加倍。类似地，0.5的值将图像的大小减半。
#就像我们定义矩阵来翻译图像一样，我们也定义了一个矩阵来旋转图像。我们只需要调用cv2.getRotationMatrix2D方法，而不是使用NumPy手工构造矩阵
rotated = cv2.warpAffine(image, M,(w,h))
cv2.imshow("Rotated by 45 Degrees", rotated)
M = cv2.getRotationMatrix2D(center,-90,1.0)
rotated = cv2.warpAffine(image, M ,(w,h))
cv2.imshow("Rotated by -90 Degrees",rotated)
rotated = imutils.rotate(image,60,None,0.5)
cv2.imshow("Rotated by imutils",rotated)
cv2.waitKey(0)
封装rotate方法
工具类imutils.py
def rotate(image, angle ,center= None,scale =1.0):
(h,w)= image.shape[:2]
ifcenterisNone:
center =(w /2,h/2)
M = cv2.getRotationMatrix2D(center,angle,scale)
rotated = cv2.warpAffine(image, M ,(w,h))
return rotated
调用方式:
rotated = imutils.rotate(image,60,None,0.5)
import numpy as np
import cv2
import argparse
import imutils
ap = argparse.ArgumentParser()
ap.add_argument("-i","--image",required =True,help ="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)
r =150.0/image.shape[1]
#定义新图片的宽度为150，为了计算新图片的高度，计算出新图片宽度和当前图片宽度的比例。
dim = (150,int(image.shape[0]*r))
#新图片的宽高
resized = cv2.resize(image , dim, interpolation = cv2.INTER_AREA)
#cv2.resize(image,dim,interpolation)
#image 需要调整的图片 dim 新图片的尺寸
#最后一个参数是我们的插值方法，它是在幕后处理实际图像大小调整的算法
#cv2.INTER_AREA，cv2.INTER_LINEAR,cv2.INTER_CUBIC,cv2.INTER_NEAREST
# interpolation 可选参数
# INTER_NEAREST - a nearest-neighbor interpolation
# INTER_LINEAR - a bilinear interpolation (used by default)
# INTER_AREA - resampling using pixel area relation. It may be a preferred method for image decimation, as it gives moire’-free results. But when the image is zoomed, it is similar to the INTER_NEAREST method.
# INTER_CUBIC - a bicubic interpolation over 4x4 pixel neighborhood
# INTER_LANCZOS4 - a Lanczos interpolation over 8x8 pixel neighborhood
NTER_NEAREST - 最近邻居插值
INTER_LINEAR - 双线性插值（默认使用）
INTER_AREA - 使用像素区域关系重采样。这可能是图像抽取的首选方法，因为它可以产生无莫尔效应的结果。但是当图像放大时，它与INTER_NEAREST方法类似。
INTER_CUBIC -4x4像素邻域上的双三次插值
INTER_LANCZOS4 -8x8像素邻域上的Lanczos插值
cv2.imshow("resized(width)",resized)
cv2.waitKey(0)
我们可以在x或y轴周围翻转图像，甚至可以翻转图像（We can flip an image around either the x or y axis, or even both.）
import argparse
import cv2
ap = argparse.ArgumentParser()
ap.add_argument("-i","--image",required =True,help ="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)
flipped = cv2.flip(image,1)
cv2.imshow("Flipped Horizontally",flipped)
#使用1的翻转代码值表示我们将水平地围绕y轴翻转图像。
flipped = cv2.flip(image,0)
# 指定一个0的翻转代码表示我们想要垂直翻转图像，围绕X轴
cv2.imshow("Flipped Vertically",flipped)
flipped = cv2.flip(image,-1)
# 使用负向翻转代码将图像翻转两个轴。
cv2.imshow("Flipped Horizontally&Vertically",flipped)
cv2.waitKey(0)
图片的裁剪使用NumPy数组切片来完成图像裁剪
import numpy as np
import argparse
import cv2
ap = argparse.ArgumentParser()
ap.add_argument("-i","--image",required =True, help="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)
#NumPy数组中高度在前面，宽度在后面
cropped = image[30:220,10:335]
#所以我们需要截取的区域值定义需要按照numpy的格式，如上[starty:endy,startx:endx]
# 1.Start y: The starting y coordinate. In this case, we
# start at y = 30.
# 2. End y: The ending y coordinate. We will end our crop
# at y = 220.
# 3. Start x: The starting x coordinate of the slice. We start
# the crop at x = 10.
# 4. End x: The ending x-axis coordinate of the slice. Our
# slice ends at x = 335.
cv2.imshow("update",cropped)
cv2.waitKey(0)
凡事往简单处想，往认真处行。
更多文章请关注我的博客：https://harveyyeung.github.io
