该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类、目标检测应用。
前面的文章讲解了图像直方图，本文主要分享图像仿射变换和图像透视变换，通过Python调用OpenCV函数实例。基础性知识希望对您有所帮助。
-
一.图像仿射变换
-
二.图像透视变换
-
三.基于图像透视变换的图像校正
-
四.图像几何变换总结
前文回顾（下面的超链接可以点击喔）：
-
[Python图像处理] 二.OpenCV+Numpy库读取与修改像素
-
[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正
学Python近八年，认识了很多大佬和朋友，感恩。深知自己很菜，得拼命努力前行，编程也没有什么捷径，干就对了。希望未来能更透彻学习和撰写文章，同时非常感谢参考文献中的大佬们的文章和分享，共勉。
- https://blog.csdn.net/eastmount
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/8-1657821436.png "[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正")
#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt#读取图片src = cv2.imread('test.bmp')#获取图像大小rows, cols = src.shape[:2]#设置图像仿射变换矩阵pos1 = np.float32([[50,50], [200,50], [50,200]])pos2 = np.float32([[10,100], [200,50], [100,250]])M = cv2.getAffineTransform(pos1, pos2)#图像仿射变换result = cv2.warpAffine(src, M, (cols, rows))#显示图像cv2.imshow("original", src)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/2-1657821437.png "[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正")
二.图像透视变换
#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt#读取图片src = cv2.imread('test01.jpg')#获取图像大小rows, cols = src.shape[:2]#设置图像透视变换矩阵pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]])pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]])M = cv2.getPerspectiveTransform(pos1, pos2)#图像透视变换result = cv2.warpPerspective(src, M, (190, 272))#显示图像cv2.imshow("original", src)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/6-1657821439.png "[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正")
三.基于图像透视变换的图像校正
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/1-1657821441.png "[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正")
#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt#读取图片src = cv2.imread('test01.jpg')#获取图像大小rows, cols = src.shape[:2]#将源图像高斯模糊img = cv2.GaussianBlur(src, (3,3), 0)#进行灰度化处理gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#边缘检测（检测出图像的边缘信息）edges = cv2.Canny(gray,50,250,apertureSize = 3)cv2.imwrite("canny.jpg", edges)#通过霍夫变换得到A4纸边缘lines = cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength=90,maxLineGap=10)#下面输出的四个点分别为四个顶点for x1,y1,x2,y2 in lines[0]:print(x1,y1),(x2,y2)for x1,y1,x2,y2 in lines[1]:print(x1,y1),(x2,y2)#绘制边缘for x1,y1,x2,y2 in lines[0]:cv2.line(gray, (x1,y1), (x2,y2), (0,0,255), 1)#根据四个顶点设置图像透视变换矩阵pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]])pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]])M = cv2.getPerspectiveTransform(pos1, pos2)#图像透视变换result = cv2.warpPerspective(src, M, (190, 272))#显示图像cv2.imshow("original", src)cv2.imshow("result", result)#等待显示cv2.waitKey(0)cv2.destroyAllWindows()
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/9-1657821443.png "[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正")
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/2-1657821444.jpeg "[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正")
四.图像几何变换总结
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/10-1657821447.png "[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正")
#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt#读取图片img = cv2.imread('test3.jpg')image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#图像平移矩阵M = np.float32([[1, 0, 80], [0, 1, 30]])rows, cols = image.shape[:2]img1 = cv2.warpAffine(image, M, (cols, rows))#图像缩小img2 = cv2.resize(image, (200,100))#图像放大img3 = cv2.resize(image, None, fx=1.1, fy=1.1)#绕图像的中心旋转#源图像的高、宽 以及通道数rows, cols, channel = image.shape#函数参数：旋转中心 旋转度数 scaleM = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)#函数参数：原始图像 旋转参数 元素图像宽高img4 = cv2.warpAffine(image, M, (cols, rows))#图像翻转img5 = cv2.flip(image, 0) #参数=0以X轴为对称轴翻转img6 = cv2.flip(image, 1) #参数>0以Y轴为对称轴翻转#图像的仿射pts1 = np.float32([[50,50],[200,50],[50,200]])pts2 = np.float32([[10,100],[200,50],[100,250]])M = cv2.getAffineTransform(pts1,pts2)img7 = cv2.warpAffine(image, M, (rows,cols))#图像的透射pts1 = np.float32([[56,65],[238,52],[28,237],[239,240]])pts2 = np.float32([[0,0],[200,0],[0,200],[200,200]])M = cv2.getPerspectiveTransform(pts1,pts2)img8 = cv2.warpPerspective(image,M,(200,200))#循环显示图形titles = [ 'source', 'shift', 'reduction', 'enlarge', 'rotation', 'flipX', 'flipY', 'affine', 'transmission']images = [image, img1, img2, img3, img4, img5, img6, img7, img8]for i in xrange(9):plt.subplot(3, 3, i+1), plt.imshow(images[i], 'gray')plt.title(titles[i])plt.xticks([]),plt.yticks([])plt.show()
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/1-1657821448.jpeg "[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正")
简单纪念下，CSDN阅读量即将破千万，全网粉丝近30万。十年啊，近700篇文章，确实可以说一句：这就是我20到30岁的青春，这里既有技术博客，也有娜璋珞一家的故事，我们的爱情史，也见证了一个自幼受贵州大山熏陶的学子慢慢成长，让我认识了许许多多的博友。如苏老师，受尽挫折，博士毕业，回到家乡玉林成为了一名大学老师，更是自费建成了化学实验室，只想将自己的所学所感传递给他的学生。十年，我在CSDN认识了许多这样的博友、老师和大佬，我们从未谋面，我们天南地北，但相互鼓励，苔花如米小，也学牡丹开。
最后，感谢CSDN，这些年让我骗了很多礼物，更感谢每一位阅读过娜璋故事，每一位给我技术博客点赞的读者。也希望大家记住一个叫Eastmount的分享者，对，不是什么专家，也不是什么大佬，就是一个默默撰写博客的技术分享者，因为爱所以写（今年太忙写得很少很少）。我还将在CSDN写二十年，三十年，一辈子，也将记录我们一家的故事。好想继续抒写我们的故事，但太忙太忙，毕业后再好好写吧。
希望能早日毕业，回到家乡贵州继续当个教书匠，感觉好多要分享的博客，好多要上的课程，好多要开源的代码，好多要学习的知识，期待再次站在讲台前的那一天。继续沉下心去学习，虽菜但勤，感恩遇见，继续加油，晚安娜!
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/1-1657821449.jpeg "[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正")
![[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正](http://cn-sec.com/wp-content/uploads/2022/07/6-1657821451.jpeg "[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正")
(By:娜璋之家 2022-07-13 夜于地球)
原文始发于微信公众号（娜璋AI安全之家）：[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正
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论