2剪切移位镜像反射旋转

图片处理

一、图片缩放

最近临域插值双线性插值原理

src(原图像) 1020 dst（目标图片） 510
可以用原图像上的点src表示目标图像上的点dst
#例如：原图像的点（2,4）表示目标图像的点（1,2）
知道目标图像（x,y）如何计算原图像的（x,y）?公式
#newx=x*(src行/目标行) 例如：newx=1*(10/5)=2
#newy=y*(src列/目标列) 例如：newy=2*(20/10)=4
计算出是小数12.3取12 -->最近邻域插值法（取最近的）
#比如有一个点（15.2,22.3）–>(15,22)(最近邻域插值法)

双线插值法：（API中resize（）方法就是实现了该方法）

双线性插值
A1 = 20% 上+80%下 A2
B1 = 30% 左+70%右 B2
1 最终点 = A1 30% + A2 70%
2 最终点 = B1 20% + B2 80%
实质：矩阵运算

代码实现

# 1 info获取图片宽度高度等 2 创建空白模版 3 计算缩放后像素点x y
import cv2
import numpy as np
img = cv2.imread('image0.jpg',1) # 1彩色
imgInfo = img.shape
height = imgInfo[0] #高
width = imgInfo[1]  #宽
dstHeight = int(height/2) #目标高一半
dstWidth = int(width/2) #目标宽一半
dstImage = np.zeros((dstHeight,dstWidth,3),np.uint8) #目标模板  3个基本元素 np.uint8 0-255
# 循环遍历图片 到目标高度和宽度结束
for i in range(0,dstHeight): #行for j in range(0,dstWidth): #列 iNew = int(i*(height*1.0/dstHeight)) #强制转化 计算新的ijNew = int(j*(width*1.0/dstWidth))dstImage[i,j] = img[iNew,jNew]  #目标图像i j 为计算所得的i j
cv2.imshow('dst',dstImage)
cv2.waitKey(0)
# 实现方法1 opencv API resize 2 算法原理 3 自己实现源码

问题

AttributeError: ‘NoneType’ object has no attribute 'shape’
原因

找不到这个image0图片，检查image0是否在当前目录

二、图片剪切

#100 -》200 x
#100-》300 y
import cv2
img = cv2.imread('image0.jpg',1)#1彩色
imgInfo = img.shape
dst = img[100:200,100:300]
cv2.imshow('image',dst)
cv2.waitKey(0)

三、图片移位

# 1 API 2 算法原理 3 源代码
import cv2
import numpy as np
img = cv2.imread('image0.jpg',1)
cv2.imshow('src',img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
####
matShift = np.float32([[1,0,100],[0,1,200]])# 2行*3列
dst = cv2.warpAffine(img,matShift,(height,width))#1 data 2 mat 3 info
# 移位 矩阵
cv2.imshow('dst',dst)
cv2.waitKey(0)

原理

API原理
# [1,0,100],[0,1,200] 2*2 2*1
# [[1,0],[0,1]]  2*2  A
# [[100],[200]] 2*1   B
# 新xy C
此处传入的是一个2*3的矩阵的原理：
其中将其拆分为一个2*2与一个2*1的矩阵
[[1,0],[0,1]]->A（前两位）
[[100],[200]]->B（最后一位）
其中原来图像x,y->C
根据公式A*C+B得到移动后的坐标
计算公式：A*C+B = [[1*x+0*y],[0*x+1*y]]+[[100],[200]]
运算结果： [[x+100],[y+200]] 这就是原来x,y移动后的坐标
像素
#(10,20)->映射后为(110,120)

代码实现

#源码实现移动
import cv2
import numpy as np
img = cv2.imread('image0.jpg',1)
cv2.imshow('src',img)
imgInfo = img.shape
dst = np.zeros(img.shape,np.uint8) # 新定义矩阵 1 维度 2 图片数据类型0-255
height = imgInfo[0]
width = imgInfo[1]
for i in range(0,height):for j in range(0,width-100): # -右移dst[i,j+100]=img[i,j]
cv2.imshow('image',dst)
cv2.waitKey(0)

四、图片镜像

# 图片镜像
import cv2
import numpy as np
img = cv2.imread('image0.jpg',1)
cv2.imshow('src',img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
deep = imgInfo[2] #深度
newImgInfo = (height*2,width,deep)
dst = np.zeros(newImgInfo,np.uint8) # 某种的数据类型 必须 np.uint8
for i in range(0,height):for j in range(0,width):dst[i,j] = img[i,j] # 上半部分#x y = 2*h - y -1dst[height*2-i-1,j] = img[i,j] # 下半部分
for i in range(0,width):  #范围 0-整个图片宽度dst[height,i] = (0,0,255)  #BGR 分割线
cv2.imshow('dst',dst)
cv2.waitKey(0)

五、图片仿射

import cv2
import numpy as np
img = cv2.imread('image0.jpg',1)
cv2.imshow('src',img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
#通过原图点的拉伸，三点一个平面 src 3->dst 3 (左上角 左下角 右上角)
matSrc = np.float32([[0,0],[0,height-1],[width-1,0]]) #原图三点
matDst = np.float32([[50,50],[300,height-200],[width-300,100]]) #目标图像
#矩阵组合
matAffine = cv2.getAffineTransform(matSrc,matDst)# 仿射变换矩阵mat 1 src 2 dst
dst = cv2.warpAffine(img,matAffine,(width,height)) #仿射变换方法
cv2.imshow('dst',dst)
cv2.waitKey(0)

六、图片旋转

import cv2
import numpy as np
img = cv2.imread('image0.jpg',1)
cv2.imshow('src',img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
# 旋转矩阵2*3
matRotate = cv2.getRotationMatrix2D((height*0.5,width*0.5),45,1)# mat rotate 1 center 2 角度angle 3 为了便于展示要缩放系数scale
#100*100 25
dst = cv2.warpAffine(img,matRotate,(height,width))
cv2.imshow('dst',dst)
cv2.waitKey(0)

ix2D((height0.5,width0.5),45,1)# mat rotate 1 center 2 角度angle 3 为了便于展示要缩放系数scale
#100*100 25
dst = cv2.warpAffine(img,matRotate,(height,width))
cv2.imshow(‘dst’,dst)
cv2.waitKey(0)

2剪切移位镜像反射旋转相关推荐

STM32F103xx TFT液晶显示ASCII字符串、中文、图片并且显示带有镜像和旋转功能
STM32F103xx TFT液晶显示ASCII字符串.中文.图片带有镜像和旋转功能编译器平台及例程说明编译器说明例程说明参考例程一.镜像显示说明二.旋转显示说明三.数据结构和宏定义四 ...
C++数据结构矩阵的转置、镜像及旋转
C++数据结构矩阵的转置.镜像及旋转矩阵介绍 C++ 中的矩阵是一种二维数组,用于存储数值数据.矩阵可以用于存储图像数据,以及科学和工程计算中的数据. 常用于以下场景: 数学运算:矩阵乘法.行列式 ...
计算机图形学(三)-图形学中的基本变换（缩放、平移、旋转、剪切、镜像）
图形学中的基本变换 1. 二维变换 1.1 缩放变换 1.2.镜像变换 1.3 剪切变换 1.4 旋转变换 1.5 平移变换 1.5.1 什么是线性变换 1.5.2 平移变换(仿射变换) 1.5.3 ...
MFC空间几何变换之图像平移、镜像、旋转、缩放
本文主要讲述基于VC++6.0 MFC图像处理的应用知识,主要结合自己大三所学课程<数字图像处理>及课件进行讲解,主要通过MFC单文档视图实现显示BMP图片空间几何变换,包括图像平移.图形 ...
C#图片处理解决左右镜像相反(旋转图片)
/// <summary>/// aforge摄像框控件:捕捉识别绘制人脸框/// </summary>/// <param name="sender" ...
【数字图像处理】六.MFC空间几何变换之图像平移、镜像、旋转、缩放详解
本文主要讲述基于VC++6.0 MFC图像处理的应用知识,主要结合自己大三所学课程<数字图像处理>及课件进行讲解,主要通过MFC单文档视图实现显示BMP图片空间几何变换,包括图像平移.图形 ...
图像几何变换--缩放、平移、镜像、旋转
目录一.图像几何变换基础二.平移三.缩放四.旋转五.镜像六.复合变换七.变换矩阵总结八.完整代码一.图像几何变换基础 1.图像的几何变换是指原始图像按照需要产生大小.形状和位置的变化 ...
【数字图像处理】六.MFC空间几何变换之图像平移、镜像、旋转、缩放具体解释...
本文主要讲述基于VC++6.0 MFC图像处理的应用知识,主要结合自己大三所学课程<数字图像处理>及课件进行解说,主要通过MFC单文档视图实现显示BMP图片空间几何变换.包含 ...
图像几何变换C++实现--镜像，平移，旋转，错切，缩放
一.图像几何变换介绍图像的几何空间变换是图像处理中的最基础的算法,是指对原始图像按需要改变其大小.形状和位置的变化,原始图像与目标函数之间的坐标变换函数为线性函数.二维图像的基本几何变换主要包括镜像 ...