Practical Python and OpenCV,3rd Edition 04

圖像轉換(image transformations)

本節中，我們將介紹基本的圖像轉換。 這些是您可能應用於圖像的常用技術，包括平移，旋轉，調整大小，翻轉和裁剪。

平移(Translation)

我們首先介紹的是Translation。Trans Latino是沿x和y軸移動圖像。 使用Translation，我們可以向上，向下，向左或向右移動圖像，以及上述任意組合！請看下面的代碼(translation.py)：

import numpy as np 
import argparse 
import imutils 
import cv2 
ap = argparse.ArgumentParser()
ap.add_argument('-i',"--image",required=True,
 help="path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)
M = np.float32([[1,0,25],[0,1,50]])
shifted = cv2.warpAffine(image,M,(image.shape[1],image.shape[0]))
cv2.imshow("Shifted Down and Right",shifted)
M = np.float32([[1,0,-50],[0,1,-90]])
shifted = cv2.warpAffine(image,M,(image.shape[1],image.shape[0]))
cv2.imshow("Shifted Up and Left",shifted)

解釋:

主要從M——我們的的translation matrix講起，該矩陣告訴我們的圖像要進行平移多少像素(從左到右，從上到下)。該矩陣被定義為float32類型的數組，因為OpenCV希望該矩陣是一個float類型。The first row of the matrix is [1,0,t_x]，其中t

使用了上面的那個標記，我們看代碼中，將t_x=25,t_y=50則意味著，我們將圖像向右平移25個像素，向下平移50個像素。

我們定義好了平移矩陣之後，圖像的實際平移是使用了cv2.warpAffine函數來執行，該函數的第一個參數是我們要進行平移的圖像，第二個參數是我們的平移矩陣M，最後我們需要手動地提供圖像的尺寸(width and height)作為第三個參數。

前面實現了圖像的平移，但是代碼太過冗餘，我們新建一個.py文件來實現平移功能(imutils.py)

import numpy as np 
import cv2 
def translate(image,x,y):
 M = np.float32([[1,0,x],[0,1,y]])
 shifted = cv2.warpAffine(image,M,(image.shape[1],image.shape[0]))
 return shifted

解釋

我們的平移方法有三個參數：我們要平移的圖像，我們沿x軸移動的像素數，以及我們將沿y軸移動的像素數。然後，此方法定義我們的平移矩陣M，然後再應用實際移位。最後，我們返回移位後的圖像。

修改translation.py的內容

shifted = imutils.translate(image,0,100)
cv2.imshow("Shifted Down",shifted)
cv2.waitKey(0)

運行結果：

旋轉(Rotation)

在這裡，我們將使用θ來表示要旋轉多少度。

rotate.py

import numpy as np 
import argparse 
import imutils
import cv2
ap = argparse.ArgumentParser()
ap.add_argument('-i',"--image",required=True,
 help="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)
(h,w) = image.shape[:2]
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center,45,1.0)
rotated = cv2.warpAffine(image,M,(w,h))
cv2.imshow("Rotated by 45 Degrees",rotated)
M = cv2.getRotationMatrix2D(center,-90,1.0)
rotated = cv2.warpAffine(image,M,(w,h))
cv2.imshow("Rotated by -90 Degrees",rotated)

解釋:

前面還是導入必要的包以及解析輸入參數和顯示原始圖像。

當我們旋轉圖像時，我們需要指定我們想要旋轉的點。 在大多數情況下，您需要圍繞圖像的中心旋轉; 我們首先獲取圖像的寬度和高度，因為OpenCV將圖像讀取為一個numpy數組，所以和矩陣類似，矩陣的行對應著高，也就是height=image.shape[0]，矩陣的列對應著圖像的寬，也就是width=image.shape[1]，然後我們除以2，確定圖像的中心位置。這裡我們使用和C語言一樣的除法，//表示整除法，以確保我們得到的是整數。

就像我們定義一個矩陣來平移圖像一樣，我們也定義了一個矩陣來旋轉圖像。 不是使用NumPy手動構造矩陣，而是調用cv2.getRotationMatrix2D方法。

cv2.getRotationMatrix2D函數有三個參數：第一個是我們想要旋轉圖像的點，在這裡是圖像的中心位置，然後我們指定需要旋轉的角度θ，我們第一次是旋轉了45度，最後一個參數圖像的比例。我們還沒有討論調整圖像的大小，但是在這裡你可以指定浮點值，其中1.0表示使用相同的圖像尺寸。 但是，如果指定值為2.0，則圖像的大小將加倍。 類似地，值0.5將圖像的大小減半。

一旦我們從cv2.getRotationMatrix2D函數獲得旋轉矩陣M，我們就可以使用cv2.warpAffine方法將旋轉應用於我們的圖像。此函數的第一個參數是我們想要旋轉的圖像。然後，我們指定旋轉矩陣M以及圖像的輸出尺寸（寬度和高度）。然後，顯示旋轉了的圖像。

顯示效果為：

接下來為了讓代碼更加的pretty and Pythonic，我們在imutils.py中添加一個rotate方法

def rotate(image,angle,center=None,scale=1.0):
 (h,w) = image.shape[:2]
 if center is None:
 center = (w // 2 , h // 2)
 M = cv2.getRotationMatrix2D(center,angle,scale)
 rotated = cv2.warpAffine(image,M,(w,h))
 return rotated

解釋：

我們的rotate方法有四個參數。第一個是你的image。第二個是我們想要旋轉圖像的角度θ。我們提供兩個可選的關鍵字參數，center和scale。center參數是我們希望旋轉圖像的點。如果提供了值None，則該方法自動選圖像中心為旋轉點。最後，scale參數用於處理在旋轉期間是否應更改圖像的大小。scale參數的默認值為1.0，這意味著不應調整大小。

再次修改rotate.py文件，

rotated = imutils.rotate(image,180)
cv2.imshow("Rotated by 180 Degrees",rotated)
cv2.waitKey(0)

運行結果：

確實很pythonic！！！

Resizing

import numpy as np 
import argparse
import imutils
import cv2 
ap = argparse.ArgumentParser()
ap.add_argument('-i',"--image",required=True,help="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)

解釋：

這個和前面一樣，解析參數，讀取圖片並顯示圖片

r = 150.0 / image.shape[1]
dim = (150,int(image.shape[0] * r))
resized = cv2.resize(image,dim,interpolation=cv2.INTER_AREA)
cv2.imshow("Resized (Width)",resized)

解釋：

r表示the aspect ratio。這裡image.shape[1]表示我們圖片的寬度，上面的代碼我們設置我們圖片的新寬度為150個pixels，為了計算新高度與舊高度的比率，我們簡單地將比率r定義為新寬度（150像素）除以舊寬度，接著為了保持寬高比，我們計算出高度(height)的變化為 height / width * 150。接下來調用resize函數，該函數的第一個參數是我們希望調整大小的圖像，第二個參數是我們為新圖像計算的尺寸。最後一個參數是我們的插值方法，這是在背後工作的算法 處理實際圖像的大小調整方式。一般來說，我發現使用cv2.INTER

r = 50.0 / image.shape[0]
dim = (int(image.shape[1] * r),50)
resized = cv2.resize(image,dim,interpolation=cv2.INTER_AREA)
cv2.imshow("Resized (Height)",resized)
cv2.waitKey(0)

解釋：

這一段代碼和前一段類似，只不過這一次是固定高度為50個像素，然後保持寬高比計算出寬度，顯示圖像。

resized = imutils.resize(image,width = 100)
cv2.imshow("Resized via Function",resized)
cv2.waitKey(0)

解釋：

前面都是用了三行代碼實現圖像的resize，我們可以利用imutils.resize函數只需要一行即可實現一樣的功能。

在imutils.py函數中實現：

def resize(image,width=None,height=None,inter=cv2.INTER_AREA):
 dim = None 
 (h,w) = image.shape[:2]
 if width is None and height is None:
 return image 
 if width is None:
 r = height / float(h) 

 dim = (int(w * r),height)
 else:
 r = width / float(w)
 dim = (width,int(h * r))
 resized = cv2.resize(image,dim,interpolation=inter)
 return resized

解釋：

第一個參數是我們想要調整大小的圖像。然後，我們定義兩個關鍵字參數，寬度和高度。這兩個參數都不能為None，否則我們將不知道如何調整圖像大小。我們還提供inter，這是我們的插值方法，默認為cv2.INTER_AREA。

顯示效果：

Flipping

接下來我們要探索的圖像轉換是翻轉圖像。 我們可以圍繞x或者翻轉圖像y軸，甚至兩者。查看下圖理解一下水平和垂直翻轉的區別。

import argparse
import cv2
ap = argparse.ArgumentParser()
ap.add_argument('-i',"--image",required=True,
 help="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image) 

解釋： 和前面一樣，解析參數，顯示原始圖片

flipped = cv2.flip(image,1)
cv2.imshow("Flipped Horizontally",flipped)
flipped = cv2.flip(image,0)
cv2.imshow("Flipped Vertically",flipped)
flipped = cv2.flip(image,-1)
cv2.imshow("Flipped Horizontally & Vertically",flipped)
cv2.waitKey(0)

我們通過調用cv2.flip函數來完成圖像的翻轉。cv2.flip方法需要兩個參數：我們要翻轉的圖像和a flip code，用於確定我們如何翻轉圖片。

使用翻轉代碼值1表示我們將圍繞y軸水平翻轉圖像。指定翻轉代碼為0表示我們想要圍繞x軸垂直翻轉圖像。最後，使用負翻轉代碼翻轉兩個軸圖像。

顯示效果：

Cropping

當我們裁剪圖像時，我們想要刪除我們不感興趣的圖像的外部部分。我們可以使用NumPy數組切片來完成圖像裁剪。

import numpy as np 
import argparse
import cv2 
ap = argparse.ArgumentParser()
ap.add_argument('-i',"--image",required=True,
 help="Path to the image")
args = vars(ap.parse_args())
image = cv2.imread(args["image"])
cv2.imshow("Original",image)
cropped = image[30:120,240:335]
cv2.imshow("T-Rex Face",cropped)
cv2.waitKey(0)

解釋：

實際裁剪在一行代碼上進行。我們提供NumPy數組切片以提取圖像的矩形區域，從（240,30）開始到（335,120）結束。The order in which we supply the indexes to the crop may seem counterintuitive(有悖常理); 但請記住，OpenCV將圖像表示為NumPy數組，其高度優先，寬度為次之。這意味著我們需要在x軸之前提供y軸值.

為了執行我們的裁剪，NumPy需要四個索引：

1. 開始y：起始y座標。在這種情況下，我們從y=30開始。
2. 結束y：結束y座標。我們將在y=120時結束我們的裁剪。
3. 開始x：切片的起始x座標。我們在x=240時開始裁剪
4. 結束x：切片的結束x軸座標。我們的切片在x=335處結束

顯示效果:

更多參考：https://0leo0.github.io/2018/OpenCV_python3_04.html

關注不迷路哦！！

閱讀更多 lovesLife 的文章

關鍵字: 轉換 圖像 技術