近年来，随着手机具有这种内置功能，图像编辑变得越来越流行，它可以让您裁剪、旋转图像并对图像进行更多处理。
在这篇文章中，我们将探索和学习这些图像编辑技术。具体来说，我们将学习如何：
基本图像转换操作
图像的旋转和平移是图像编辑中最基本的操作之一。两者都属于更广泛的仿射变换类别。因此，在研究更复杂的转换之前，您应该首先学习使用OpenCV中可用的函数旋转和平移图像。查看下面的图片，我们将在这里的所有转换示例中使用它。
使用OpenCV进行图像旋转和转换
-
使用OpenCV的图像旋转
-
使用OpenCV转换图像
先看看下面的代码，这些代码将用于使用OpenCV执行图像旋转
Python
import cv2
# Reading the image
image = cv2.imread('image.jpg')
# dividing height and width by 2 to get the center of the image
height, width = image.shape[:2]
# get the center coordinates of the image to create the 2D rotation matrix
center = (width/2, height/2)
# using cv2.getRotationMatrix2D() to get the rotation matrix
rotate_matrix = cv2.getRotationMatrix2D(center=center, angle=45, scale=1)
# rotate the image using cv2.warpAffine
rotated_image = cv2.warpAffine(src=image, M=rotate_matrix, dsize=(width, height))
cv2.imshow('Original image', image)
cv2.imshow('Rotated image', rotated_image)
# wait indefinitely, press any key on keyboard to exit
cv2.waitKey(0)
# save the rotated image to disk
cv2.imwrite('rotated_image.jpg', rotated_image)
C++
#include <iostream>
#include<opencv2/opencv.hpp>
using namespace cv;
int main(int, char**)
{
Mat image = imread("image.jpg");
imshow("image", image);
waitKey(0);
double angle = 45;
// get the center coordinates of the image to create the 2D rotation matrix
Point2f center((image.cols - 1) / 2.0, (image.rows - 1) / 2.0);
// using getRotationMatrix2D() to get the rotation matrix
Mat rotation_matix = getRotationMatrix2D(center, angle, 1.0);
// we will save the resulting image in rotated_image matrix
Mat rotated_image;
// rotate the image using warpAffine
warpAffine(image, rotated_image, rotation_matix, image.size());
imshow("Rotated image", rotated_image);
// wait indefinitely, press any key on keyboard to exit
waitKey(0);
// save the rotated image to disk
imwrite("rotated_im.jpg", rotated_image);
return 0;
}
使用OpenCV的图像旋转
通过定义变换矩阵
，可以将图像旋转一定角度
。该矩阵通常为：
OpenCV提供了可以自定义图像旋转的中心，以及调整图像大小的比例因子。在这种情况下，变换矩阵会被修改如下。
在上述矩阵中
其中
和
是图像旋转所沿的坐标。
OpenCV提供getRotationMatrix2D（）函数来创建上述转换矩阵。
以下是创建二维旋转矩阵的语法：
getRotationMatrix2D(center, angle, scale)
getRotationMatrix2D（）函数接受以下参数：
-
center：输入图像的旋转中心
-
angle：以度为单位的旋转角度
-
scale：各向同性比例因子，根据提供的值向上或向下缩放图像
如果角度为正，图像将沿逆时针方向旋转。如果要将图像顺时针旋转相同的角度，则角度需要为负值。
旋转图像的三步操作：
-
首先，得到旋转中心。及旋转的图像的中心。
-
接下来，创建二维旋转矩阵。OpenCV提供了上面讨论的getRotationMatrix2D（）函数。
-
最后，使用在上一步中创建的旋转矩阵将仿射变换应用于图像。OpenCV中的warpAffine（）函数完成此任务。
warpAffine（）函数对图像应用仿射变换。在应用仿射变换之后，原始图像中的所有平行线也将在输出图像中保持平行。
warpAffine（）的完整语法如下：
warpAffine(src, M, dsize[, dst[, flags[,borderMode[,borderValue]]]])
以下是函数的参数：
-
src：源图像
-
M： 变换矩阵
-
dsize：输出图像的大小 d
-
dst：输出图像
-
flags：插值方法的组合，如INTER_LINEAR或INTER_NEAREST
-
borderMode：像素外推方法
borderValue：在常量边框的情况下使用的值，默认值为0
下面举一个具体的例子，并尝试使用OpenCV来实现它
Python
import cv2
# Reading the image
image = cv2.imread('image.jpg')
# Dividing height and width by 2 to get the center of the image
height, width = image.shape[:2]
center = (width/2, height/2)
C++
#include "opencv2/opencv.hpp"
using namespace cv;
# Reading the image
Mat image = imread("image.jpg");
// get the center coordinates of the image to create the 2D rotation matrix
Point2f center((image.cols - 1) / 2.0, (image.rows - 1) / 2.0);
获得图像中心的像素坐标后，使用函数getRotationMatrix2D（）计算旋转矩阵，如下所示。此函数将以下内容作为输入：
-
旋转所围绕的中心点
-
旋转角度，以度为单位（正值，对应于逆时针旋转）
-
调整图像大小的各向同性比例因子。这可以是一个浮点值。例如，值1.0将保持输出图像与源图像的大小相同。值为2.0将使生成的图像的大小是源图像的两倍
该函数返回2D旋转矩阵，该矩阵将在下一步中用于旋转图像。
Python
# the above center is the center of rotation axis
# use cv2.getRotationMatrix2D() to get the rotation matrix
rotate_matrix = cv2.getRotationMatrix2D(center=center, angle=45, scale=1)
C++
// create the rotation matrix using the image center
Mat rotation_matix = getRotationMatrix2D(center, angle=45, 1.0);
现在，使用warpAffine（）函数将计算的旋转矩阵应用于图像。它需要三个输入：
Python
# Rotate the image using cv2.warpAffine
rotated_image = cv2.warpAffine(src=image, M=rotate_matrix, dsize=(width, height))
C++
// we will save the resulting image in rotated_image matrix
Mat rotated_image;
// apply affine transformation to the original image using the 2D rotation matrix
warpAffine(image, rotated_image, rotation_matix, image.size());
现在，使用imshow（）函数显示旋转后的图像。
Python
# visualize the original and the rotated image
cv2.imshow('Original image', image)
cv2.imshow('Rotated image', rotated_image)
# wait indefinitely, press any key on keyboard to exit
cv2.waitKey(0)
# write the output, the rotated image to disk
cv2.imwrite('rotated_image.jpg', rotated_image)
C++
imshow("Rotated image", rotated_image);
waitKey(0);
// save the rotated image to disk
imwrite("rotated_im.jpg", rotated_image);
使用OpenCV转换图像
在计算机视觉中，图像的平移意味着沿x轴和y轴将其移动指定数量的像素。让图像需要移动的像素为
和
。
定义平移矩阵M：
现在，在按
和
值移动图像时。
-
提供正值将使图像向右移动，负值将使图像向左移动。
-
类似地，
的正值将向下移动图像，而负值将向上移动图像。
按照以下步骤使用OpenCV转换图像：
-
首先，读取图像并获得其宽度和高度。
-
接下来，像旋转一样，创建一个变换矩阵，这是一个2D阵列。该矩阵包含沿x和y轴移动图像所需的信息。
-
同样，在旋转中，在最后一步中使用warpAffine（）函数应用仿射变换。
代码如下：
Python
import cv2
import numpy as np
# read the image
image = cv2.imread('image.jpg')
# get the width and height of the image
height, width = image.shape[:2]
C++
#include "opencv2/opencv.hpp"
using namespace cv
// read the image
Mat image = imread("image.jpg");
// get the height and width of the image
int height = image.cols;
int width = image.rows;
创建转换矩阵
Python
# get tx and ty values for translation
# you can specify any value of your choice
tx, ty = width / 4, height / 4
# create the translation matrix using tx and ty, it is a NumPy array
translation_matrix = np.array([
[1, 0, tx],
[0, 1, ty]
], dtype=np.float32)
C++
// get tx and ty values for translation
float tx = float(width) / 4;
float ty = float(height) / 4;
// create the translation matrix using tx and ty
float warp_values[] = { 1.0, 0.0, tx, 0.0, 1.0, ty };
Mat translation_matrix = Mat(2, 3, CV_32F, warp_values);
在本例中，您将宽度和高度的四分之一作为转换值。
使用warpAffine（）函数将平移矩阵应用于图像，与旋转原理相同。
Python
# apply the translation to the image
translated_image = cv2.warpAffine(src=image, M=translation_matrix, dsize=(width, height))
C++
// save the resulting image in translated_image matrix
Mat translated_image;
// apply affine transformation to the original image using the translation matrix
warpAffine(image, translated_image, translation_matrix, image.size());
注意：warpAffine（）是一个通用函数，可用于对图像应用任何类型的仿射变换。只需适当地定义矩阵M。
最后，使用imshow（）函数显示旋转后的图像。
Python
# display the original and the Translated images
cv2.imshow('Translated image', translated_image)
cv2.imshow('Original image', image)
cv2.waitKey(0)
# save the translated image to disk
cv2.imwrite('translated_image.jpg', translated_image)
C++
//display the original and the Translated images
imshow("Translated image", translated_image);
imshow("Original image", image);
waitKey(0);
// save the translated image to disk
imwrite("translated_image.jpg", translated_image);
