[Python圖像處理] 十二.圖像幾何變換之圖像仿射變換、圖像透視變換和圖像校正 - 網安

一.圖像仿射變換

圖像仿射變換又稱為圖像仿射映射，是指在幾何中，一個向量空間進行一次線性變換并接上一個平移，變換為另一個向量空間。通常圖像的旋轉加上拉升就是圖像仿射變換，仿射變換需要一個M矩陣實現，但是由于仿射變換比較復雜，很難找到這個M矩陣.

OpenCV提供了根據變換前后三個點的對應關系來自動求解M的函數——cv2.getAffineTransform(pos1,pos2)，其中pos1和pos2表示變換前后的對應位置關系，輸出的結果為仿射矩陣M，接著使用函數cv2.warpAffine()實現圖像仿射變換。圖1是仿射變換的前后效果圖。

圖像仿射變換的函數原型如下：

M = cv2.getAffineTransform(pos1,pos2)

pos1表示變換前的位置
pos2表示變換后的位置

cv2.warpAffine(src, M, (cols, rows))

src表示原始圖像
M表示仿射變換矩陣
(rows,cols)表示變換后的圖像大小，rows表示行數，cols表示列數

實現代碼如下所示：

#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt
#讀取圖片src = cv2.imread('test.bmp')
#獲取圖像大小rows, cols = src.shape[:2]
#設置圖像仿射變換矩陣pos1 = np.float32([[50,50], [200,50], [50,200]])pos2 = np.float32([[10,100], [200,50], [100,250]])M = cv2.getAffineTransform(pos1, pos2)
#圖像仿射變換result = cv2.warpAffine(src, M, (cols, rows))
#顯示圖像cv2.imshow("original", src)cv2.imshow("result", result)
#等待顯示cv2.waitKey(0)cv2.destroyAllWindows()

輸出效果圖如下所示：

二.圖像透視變換

圖像透視變換（Perspective Transformation）的本質是將圖像投影到一個新的視平面，同理OpenCV通過函數cv2.getPerspectiveTransform(pos1,pos2)構造矩陣M，其中pos1和pos2分別表示變換前后的4個點對應位置。得到M后在通過函數cv2.warpPerspective(src,M,(cols,rows))進行透視變換。

圖像透視變換的函數原型如下：

M = cv2.getPerspectiveTransform(pos1, pos2)

pos1表示透視變換前的4個點對應位置
pos2表示透視變換后的4個點對應位置

cv2.warpPerspective(src,M,(cols,rows))

src表示原始圖像
M表示透視變換矩陣
(rows,cols)表示變換后的圖像大小，rows表示行數，cols表示列數

代碼如下：

#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt
#讀取圖片src = cv2.imread('test01.jpg')
#獲取圖像大小rows, cols = src.shape[:2]
#設置圖像透視變換矩陣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)
#圖像透視變換result = cv2.warpPerspective(src, M, (190, 272))
#顯示圖像cv2.imshow("original", src)cv2.imshow("result", result)
#等待顯示cv2.waitKey(0)cv2.destroyAllWindows()

輸出結果如下圖所示：

三.基于圖像透視變換的圖像校正

下面參考 t6_17大神的文章，通過圖像透視變換實現圖像校正功能。假設現在存在一張A4紙圖像，現在需要通過調用圖像透視變換校正圖像。

代碼如下所示：

#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt
#讀取圖片src = cv2.imread('test01.jpg')
#獲取圖像大小rows, cols = src.shape[:2]
#將源圖像高斯模糊img = cv2.GaussianBlur(src, (3,3), 0)#進行灰度化處理gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#邊緣檢測（檢測出圖像的邊緣信息）edges = cv2.Canny(gray,50,250,apertureSize = 3)cv2.imwrite("canny.jpg", edges)
#通過霍夫變換得到A4紙邊緣lines = cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength=90,maxLineGap=10)
#下面輸出的四個點分別為四個頂點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)
#繪制邊緣for x1,y1,x2,y2 in lines[0]:    cv2.line(gray, (x1,y1), (x2,y2), (0,0,255), 1)
#根據四個頂點設置圖像透視變換矩陣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)
#圖像透視變換result = cv2.warpPerspective(src, M, (190, 272))
#顯示圖像cv2.imshow("original", src)cv2.imshow("result", result)
#等待顯示cv2.waitKey(0)cv2.destroyAllWindows()

運行結果如下圖所示：

四.圖像幾何變換總結

最后補充圖像幾何代碼所有變換，希望讀者能體會下相關的代碼，并動手實踐下。輸出結果以女神為例：

完整代碼如下：

#encoding:utf-8import cv2  import numpy as npimport matplotlib.pyplot as plt #讀取圖片img = cv2.imread('test3.jpg')image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#圖像平移矩陣M = np.float32([[1, 0, 80], [0, 1, 30]])rows, cols = image.shape[:2]img1 = cv2.warpAffine(image, M, (cols, rows))
#圖像縮小img2 = cv2.resize(image, (200,100))
#圖像放大img3 = cv2.resize(image, None, fx=1.1, fy=1.1)
#繞圖像的中心旋轉#源圖像的高、寬 以及通道數rows, cols, channel = image.shape#函數參數：旋轉中心 旋轉度數 scaleM = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1) #函數參數：原始圖像 旋轉參數 元素圖像寬高img4 = cv2.warpAffine(image, M, (cols, rows))
#圖像翻轉img5 = cv2.flip(image, 0)   #參數=0以X軸為對稱軸翻轉 img6 = cv2.flip(image, 1)   #參數>0以Y軸為對稱軸翻轉
#圖像的仿射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))
#圖像的透射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))
#循環顯示圖形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()

感謝在求學路上的同行者，不負遇見，勿忘初心。月是故鄉圓啊～

簡單紀念下，CSDN閱讀量即將破千萬，全網粉絲近30萬。十年啊，近700篇文章，確實可以說一句：這就是我20到30歲的青春，這里既有技術博客，也有娜璋珞一家的故事，我們的愛情史，也見證了一個自幼受貴州大山熏陶的學子慢慢成長，讓我認識了許許多多的博友。如蘇老師，受盡挫折，博士畢業，回到家鄉玉林成為了一名大學老師，更是自費建成了化學實驗室，只想將自己的所學所感傳遞給他的學生。十年，我在CSDN認識了許多這樣的博友、老師和大佬，我們從未謀面，我們天南地北，但相互鼓勵，苔花如米小，也學牡丹開。

最后，感謝CSDN，這些年讓我騙了很多禮物，更感謝每一位閱讀過娜璋故事，每一位給我技術博客點贊的讀者。也希望大家記住一個叫Eastmount的分享者，對，不是什么專家，也不是什么大佬，就是一個默默撰寫博客的技術分享者，因為愛所以寫（今年太忙寫得很少很少）。我還將在CSDN寫二十年，三十年，一輩子，也將記錄我們一家的故事。好想繼續抒寫我們的故事，但太忙太忙，畢業后再好好寫吧。

希望能早日畢業，回到家鄉貴州繼續當個教書匠，感覺好多要分享的博客，好多要上的課程，好多要開源的代碼，好多要學習的知識，期待再次站在講臺前的那一天。繼續沉下心去學習，雖菜但勤，感恩遇見，繼續加油，晚安娜!