OpenCV中三种基础的图像变换

原创 OpenCV学堂 2025-05-08 23:14

深度剖析：测试电源与光伏储能背后的半导体奥秘 WAIC独家议程公开！Arm携阿里云/小鹏/联想揭秘AI落地密码

点击上方蓝字关注我们

微信公众号：OpenCV学堂

关注获取更多计算机视觉与深度学习知识

几何变换

几何变换包括旋转、缩放、平移等基本操作。OpenCV提供了多种函数来实现这些变换

import cv2import numpy as np# 读取图像img = cv2.imread('image.jpg')# 获取图像中心、旋转角度和缩放因子rows, cols = img.shape[:2]center = (cols / 2, rows / 2)angle = 45  # 旋转角度scale = 1   # 缩放因子# 获取旋转矩阵M = cv2.getRotationMatrix2D(center, angle, scale)# 应用旋转变换dst = cv2.warpAffine(img, M, (cols, rows))cv2.imshow('Original Image', img)cv2.imshow('Rotated Image', dst)cv2.waitKey(0)cv2.destroyAllWindows()

透视变换

透视变换是一种将二维图像投影到一个新的平面上的变换方法。它可以用来校正图像中的透视畸变，例如从不同角度拍摄的图片

定义输入和输出点：选择图像上的四个点和它们在目标平面上的对应位置。
获取变换矩阵：使用 cv2.getPerspectiveTransform 函数获取透视变换矩阵。
应用变换：使用 cv2.warpPerspective 函数应用变换。

代码演示如下：

import cv2import numpy as np# 读取图像img = cv2.imread('image.jpg')# 定义四个点及其对应位置pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])# 获取透视变换矩阵M = cv2.getPerspectiveTransform(pts1, pts2)# 应用透视变换dst = cv2.warpPerspective(img, M, (300,300))cv2.imshow('Original Image', img)cv2.imshow('Transformed Image', dst)cv2.waitKey(0)cv2.destroyAllWindows()

极坐标变换

极坐标变换将图像从笛卡尔坐标系转换为极坐标系，或者反之。这在处理具有圆形对称性的图像时非常有用。

import cv2import numpy as np# 读取图像img = cv2.imread('D:/polar_test.bmp', cv2.IMREAD_GRAYSCALE)# 获取图像中心和半径rows, cols = img.shapecenter = (cols // 2, rows // 2)maxRadius = max(cols // 2, rows // 2)dst = cv2.warpPolar(img, None, center, maxRadius, flags = cv2.INTER_LINEAR | cv2.WARP_FILL_OUTLIERS)cv2.imshow('Original Image', img)cv2.imshow('Polar Image', dst)cv2.imwrite("D:/result.jpg", dst)cv2.waitKey(0)cv2.destroyAllWindows()