1.计算仿射矩阵
1）方程法
cv2.getAffineTransform(src, dst), src和dst分别代表原坐标和变换后的坐标，且均为3行2列的二维ndarray。
1 import cv2 2 import numpy as np 3 src = np.array([[0,0],[200,0],[0,200]],np.float32) 4 dst = np.array([[0,0],[100, 0], [0,100]], np.float32) 5 A = cv2.getAffineTransform(src, dst) 6 print(A) 7 #array([[0.5, 0. , 0. ], 8 # [0. , 0.5, 0. ]])
2) 矩阵法
cv2.getRotationMatrix2D(center, angle, scale)，center为变换中心点的坐标，scale是等比例缩放的系数，angle是逆时针旋转的角度(angle以角度为单位，非弧度）。
1 import numpy as np 2 import cv2 3 A = cv2.getRotationMatrix2D((40, 50), 30, 0.5) 4 print(A.dtype) 5 #dtype('float64') 6 print(A) 7 #[[ 0.4330127 0.25 10.17949192] 8 # [-0.25 0.4330127 38.34936491]]
2.插值算法
cv2.warpAffine(src, M, dsize[, dst[, flages[, borderMode[, borderValue ]]])
| 参数 | 解释 |
| src | 输入图像矩阵 |
| M | 2行3列的仿射变换矩阵 |
| dsize | 二元元组（宽，高），输出图像的大小 |
| flags | 插值法：INTE_NEAREST、INTE_LINEAR（默认）等 |
| borderMode | 填充模式：BORDER_CONSTANT |
| borderValue |
当borderModer=BRDER_CONSTANT时的填充值 |
1 # coding=utf-8 2 # 通过改变仿射矩阵完成队图像的缩小、平移、旋转等操作 3 import numpy as np 4 import cv2 5 6 7 def warp_affine(imgPath): 8 img = cv2.imread(imgPath, cv2.IMREAD_GRAYSCALE) 9 h, w = img.shape[:2] 10 A1 = np.array([[0.5, 0, 0], [0, 0.5, 0]], dtype=np.float32) 11 # 缩小两倍 12 d1 = cv2.warpAffine(img, A1, (w, h), borderValue=125) 13 A2 = np.array([[0.5, 0, 2 / 4], [0, 0.5, h / 4]], dtype=np.float32) 14 # 先缩小两倍，再平移 15 d2 = cv2.warpAffine(img, A2, (w, h), borderValue=125) 16 # 在d2基础上，绕图像的中心点旋转 17 A3 = cv2.getRotationMatrix2D((w / 2.0, h / 2.0), 30, 1) 18 d3 = cv2.warpAffine(d2, A3, (w, h), borderValue=125) 19 cv2.imshow("img", img) 20 cv2.imshow("d1", d1) 21 cv2.imshow("d2", d2) 22 cv2.imshow("d3", d3) 23 cv2.waitKey(0) 24 cv2.destroyAllWindows() 25 26 27 if __name__ == '__main__': 28 warp_affine("../img/stick_5.jpg")
3.线性极坐标函数 linearPolar
dst = linearPolar(src, center, maxRadius, flags)
该函数有两个缺点：第一，极坐标变换的步长是不可控制的，导致得到的图可能不是很理想；第二，该函数只能对整个圆内区域，而无法对指定的圆环区域进行极坐标变换。
1 # coding=utf-8 2 # 线性极坐标函数 linearPolar 3 # dst = linearPolar(src, center, maxRadius, flags) 4 # dst，输出图像矩阵，其尺寸和src是相同的 5 # src，输入图像矩阵 6 # center，极坐标变化中心 7 # maxRadius，极坐标变换的最大距离 8 # flags，插值算法，同函数resize、warAffine的插值算法 9 import cv2 10 11 12 def linear_polar(imgPath): 13 src = cv2.imread(imgPath, cv2.IMREAD_ANYCOLOR) 14 cv2.imshow("src", src) 15 print src.shape 16 w, h, _ = src.shape 17 dst = cv2.linearPolar(src, (w / 2, h / 2), 500, cv2.INTER_LINEAR) 18 cv2.imshow("dst", dst) 19 cv2.waitKey(0) 20 cv2.destroyAllWindows() 21 22 23 if __name__ == '__main__': 24 linear_polar("../img/cartToPolar.jpg")
4.对数极坐标函数
1 # coding=utf-8 2 # 对数极坐标函数logPolar 3 # dst = logPolar(src, center, M, flags) 4 # dst，输出图像矩阵，尺寸与src相同 5 # src，输入图像矩阵（单或多通道矩阵0 6 # M,系数，该值大一点效果会好一点 7 # flags, WARP_FILL_OUTLIERS:笛卡尔坐标系对数极坐标变换 8 # WARP_INVERSE_MAP:对数极坐标向笛卡尔坐标变换 9 import cv2 10 11 12 def log_polar(imgPath): 13 src = cv2.imread(imgPath, cv2.IMREAD_ANYCOLOR) 14 w, h, _ = src.shape 15 cv2.imshow("src", src) 16 M = 100 17 dst = cv2.logPolar(src, (w / 2, h / 2), M, cv2.WARP_FILL_OUTLIERS) 18 cv2.imshow("dst", dst) 19 cv2.waitKey(0) 20 cv2.destroyAllWindows() 21 22 23 if __name__ == '__main__': 24 log_polar("../img/cartToPolar.jpg")