图像缩放

图像缩放主要是调用resize()函数实现，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,fy也可以表示缩放大小倍数,他们两个设置一个即可实现图像缩放。

eg: result = cv2.resize(src, (160, 60))  | result = cv2.resize(src, None, fx=0.5, fy=0.5)

代码如下:

importcv2deftest16():

src= cv2.imread("rose.jpg")#图像缩放，设置的dsize是列数为200， 行数为100

result = cv2.resize(src, (200, 100))print(result.shape) #(100, 200, 3)

cv2.imshow("demo1", src)

cv2.imshow("demo2", result)if cv2.waitKey(0) == 27:

cv2.destroyWindow("demo1")

cv2.destroyWindow("demo2")

test16()

效果如下:

也可以获取原始图像像素再乘以缩放系数进行图像转换

代码如下:

importcv2deftest17():

src= cv2.imread("rose.jpg")

rows, cols= src.shape[:2]#图像缩放dsize(列，行)

result = cv2.resize(src, (int(cols*0.6), int(rows*0.4)))

cv2.imshow("src", src)

cv2.imshow("result", result)

cv2.waitKey(0)

cv2.destroyAllWindows()

test17()

效果如下:

(fx,fy)缩放倍数的方法对图像进行放大或缩小

代码如下:

importcv2deftest18():

src= cv2.imread("rose.jpg")#图像缩放

result = cv2.resize(src, None, fx=0.3, fy=0.3)

cv2.imshow("src", src)

cv2.imshow("result", result)

cv2.waitKey(0)

cv2.destroyAllWindows()

test18()

效果如下:

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

代码如下:

importcv2deftest19():

src= cv2.imread("rose.jpg")

rows, cols, channel=src.shape#绕中心旋转

#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, 元素图像高度

rotated =cv2.warpAffine(src, M, (cols, rows))#显示旋转后的图像

cv2.imshow("demo1", rotated)

cv2.waitKey(0)

cv2.destroyAllWindows()

test19()

效果如下:

备注: 参数中的旋转度数设置为正数时表示逆时针旋转，为负数时表示顺时针旋转

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:

importcv2importmatplotlib.pyplot as pltdeftest20():#读取图片

img = cv2.imread('rose.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 <0 X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 range(4):

plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')

plt.title(titles[i])

plt.xticks([]), plt.yticks([])

plt.show()

效果如下:

图像平移

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]])  其中(x,y)即为要偏移的x值，y值

shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

代码如下:

importcv2importnumpy as npimportmatplotlib.pyplot as pltdeftest21():#读取图片

img = cv2.imread('rose.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 range(4):

plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')

plt.title(titles[i])

plt.xticks([]), plt.yticks([])

plt.show()

test21()

效果如下:

转自:https://blog.csdn.net/Eastmount/article/details/82454335