Python图像处理丨图像缩放、旋转、翻转与图像平移
摘要:本篇文章主要讲解Python调用OpenCV实现图像位移操作、旋转和翻转效果,包括四部分知识:图像缩放、图像旋转、图像翻转、图像平移。
本文分享自华为云社区《[Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移》,作者:eastmount 。
本篇文章主要讲解Python调用OpenCV实现图像位移操作、旋转和翻转效果,包括四部分知识:图像缩放、图像旋转、图像翻转、图像平移。全文均是基础知识,希望对您有所帮助。
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fx\fy)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:
#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。
#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。
#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:
#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轴方向同时翻转。
代码如下所示:
#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 xrange(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:
#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 xrange(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:
华为伙伴暨开发者大会2022火热来袭,重磅内容不容错过!
【精彩活动】勇往直前·做全能开发者→12场技术直播前瞻,8大技术宝典高能输出,还有代码密室、知识竞赛等多轮神秘任务等你来挑战。即刻闯关,开启终极大奖!点击踏上全能开发者晋级之路吧!
【技术专题】未来已来,2022技术探秘→华为各领域的前沿技术、重磅开源项目、创新的应用实践,站在智能世界的入口,探索未来如何照进现实,干货满满点击了解。
点击关注,第一时间了解华为云新鲜技术~
Python图像处理丨图像缩放、旋转、翻转与图像平移相关推荐
- python图像处理第七课--图像缩放、翻转、旋转、平移--小白的成长历程
#目的为记录在自己运行时存在的问题及解决方法,本文基于CSDN社区的Eastmount大佬的课程,通过学习,其中也增加了自己的考量和问题的解决. 图像缩放 图像缩放由 resize() 函数实现,如下 ...
- Python图像处理丨带你掌握图像几何变换
摘要:本篇文章主要讲解图像仿射变换和图像透视变换,通过Python调用OpenCV函数实. 本文分享自华为云社区<[Python图像处理] 十二.图像几何变换之图像仿射变换.图像透视变换和图像校 ...
- 跟我学Python图像处理丨图像特效处理:毛玻璃、浮雕和油漆特效
摘要:本文讲解常见的图像特效处理,从而让读者实现各种各样的图像特殊效果,并通过Python和OpenCV实现. 本文分享自华为云社区<[Python图像处理] 二十四.图像特效处理之毛玻璃.浮雕 ...
- 跟我学Python图像处理丨关于图像金字塔的图像向下取样和向上取样
摘要:本文讲述图像金字塔知识,了解专门用于图像向上采样和向下采样的pyrUp()和pyrDown()函数. 本文分享自华为云社区<[Python图像处理] 二十一.图像金字塔之图像向下取样和向上 ...
- Python图像处理丨图像的灰度线性变换
摘要:本文主要讲解灰度线性变换. 本文分享自华为云社区<[Python图像处理] 十五.图像的灰度线性变换>,作者:eastmount. 一.图像灰度线性变换原理 图像的灰度线性变换是通过 ...
- Python图像处理丨带你认识图像量化处理及局部马赛克特效
摘要:本文主要讲述如何进行图像量化处理和采样处理及局部马赛克特效. 本文分享自华为云社区<[Python图像处理] 二十.图像量化处理和采样处理及局部马赛克特效>,作者: eastmoun ...
- Python图像处理丨详解图像去雾处理方法
摘要:本文主要讲解ACE去雾算法.暗通道先验去雾算法以及雾化生成算法. 本文分享自华为云社区<[Python图像处理] 三十.图像预处理之图像去雾详解(ACE算法和暗通道先验去雾算法)丨[拜托了 ...
- Python图像处理丨带你掌握傅里叶变换原理及实现(含图片见解)
本文主要讲解图像傅里叶变换的相关内容,在数字图像处理中,有两个经典的变换被广泛应用--傅里叶变换和霍夫变换.其中,傅里叶变换主要是将时间域上的信号转变为频率域上的信号,用来进行图像除噪.图像增强等处理 ...
- 跟我学Python图像处理丨带你入门OpenGL
摘要:介绍Python和OpenGL的入门知识,包括安装.语法.基本图形绘制等. 本文分享自华为云社区<[Python图像处理] 二十七.OpenGL入门及绘制基本图形(一)>,作者:ea ...
最新文章
- linux停止客户端,linux – 从客户端打印motd停止ssh登录?
- Python为图像添加文本内容(Writing Text on Image)
- 学JS的心路历程 -物件与原型(二)
- jQuery 的 serializeArray()、serialize() 方法
- 逻辑回归(Logistic Regression, LR)又称为逻辑回归分析,是分类和预测算法中的一种。通过历史数据的表现对未来结果发生的概率进行预测。例如,我们可以将购买的概率设置为因变量,将用户的
- jmeter语言设置
- python对excel表统计视频教程_Python实现对excel文件列表值进行统计的方法
- jquery取复制函数注意点
- Ubuntu16.04 +cuda8.0+cudnn+caffe+theano+tensorflow配置明细
- 耒阳计算机学校,耒阳县系统分析师_科泰计算机学校
- 消息中间件RabbitMQ 初探
- 企业管理系统各主要模块简介
- 1.5时钟控制的触发器(钟控JK、钟控T触发器)
- DataStructuresAndAlgorithm--字谜游戏
- python爬取qq音乐下载歌曲
- SwiftUI 内功教程之Closures 09 闭包捕捉价值Capturing Values及经典用法
- js实现的复制和粘贴
- shell脚本实践:自动清理文件,以时间方式形成路径的图片或者是Excel、pdf等文件
- 男人必学的几样家常炒菜,尤其是面对一个不会做饭的媳妇。
- 51nod 1355 斐波那契的最小公倍数
热门文章
- 金融科技大数据产品推荐:Chinapex创略智能客户数据平台——开启智慧营销之旅
- 【学习笔记-opencv透视变换】点的透视变换和图像透视变换
- 【转载】解决Office2016与Visio不能同时安装的问题!最后附上自己使用心得
- 如何挑选优质老域名?
- 计算机考北京科技大学容易吗,北京科技大学考研难吗?一般要什么水平才可以进入?...
- 【数论+莫比乌斯反演】Exclusive Multiplication | gym103688E
- 康师傅饮料瓶盖编码泄漏 10万乐视会员流入黑市
- 机器学习之数据分析与特征工程
- WSL2 + Docker + xfce4安装及使用
- 过度拟合现象的解决方案