[Python图像处理] 十二.图像几何变换之图像仿射变换、图像透视变换和图像校正 - 网安

一.图像仿射变换

图像仿射变换又称为图像仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。通常图像的旋转加上拉升就是图像仿射变换，仿射变换需要一个M矩阵实现，但是由于仿射变换比较复杂，很难找到这个M矩阵.

OpenCV提供了根据变换前后三个点的对应关系来自动求解M的函数——cv2.getAffineTransform(pos1,pos2)，其中pos1和pos2表示变换前后的对应位置关系，输出的结果为仿射矩阵M，接着使用函数cv2.warpAffine()实现图像仿射变换。图1是仿射变换的前后效果图。

图像仿射变换的函数原型如下：

M = cv2.getAffineTransform(pos1,pos2)

pos1表示变换前的位置
pos2表示变换后的位置

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

src表示原始图像
M表示仿射变换矩阵
(rows,cols)表示变换后的图像大小，rows表示行数，cols表示列数

实现代码如下所示：

#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt
#读取图片src = cv2.imread('test.bmp')
#获取图像大小rows, cols = src.shape[:2]
#设置图像仿射变换矩阵pos1 = np.float32([[50,50], [200,50], [50,200]])pos2 = np.float32([[10,100], [200,50], [100,250]])M = cv2.getAffineTransform(pos1, pos2)
#图像仿射变换result = cv2.warpAffine(src, M, (cols, rows))
#显示图像cv2.imshow("original", src)cv2.imshow("result", result)
#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

输出效果图如下所示：

二.图像透视变换

图像透视变换（Perspective Transformation）的本质是将图像投影到一个新的视平面，同理OpenCV通过函数cv2.getPerspectiveTransform(pos1,pos2)构造矩阵M，其中pos1和pos2分别表示变换前后的4个点对应位置。得到M后在通过函数cv2.warpPerspective(src,M,(cols,rows))进行透视变换。

图像透视变换的函数原型如下：

M = cv2.getPerspectiveTransform(pos1, pos2)

pos1表示透视变换前的4个点对应位置
pos2表示透视变换后的4个点对应位置

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

src表示原始图像
M表示透视变换矩阵
(rows,cols)表示变换后的图像大小，rows表示行数，cols表示列数

代码如下：

#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt
#读取图片src = cv2.imread('test01.jpg')
#获取图像大小rows, cols = src.shape[:2]
#设置图像透视变换矩阵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)
#图像透视变换result = cv2.warpPerspective(src, M, (190, 272))
#显示图像cv2.imshow("original", src)cv2.imshow("result", result)
#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

输出结果如下图所示：

三.基于图像透视变换的图像校正

下面参考 t6_17大神的文章，通过图像透视变换实现图像校正功能。假设现在存在一张A4纸图像，现在需要通过调用图像透视变换校正图像。

代码如下所示：

#encoding:utf-8import cv2import numpy as npimport matplotlib.pyplot as plt
#读取图片src = cv2.imread('test01.jpg')
#获取图像大小rows, cols = src.shape[:2]
#将源图像高斯模糊img = cv2.GaussianBlur(src, (3,3), 0)#进行灰度化处理gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#边缘检测（检测出图像的边缘信息）edges = cv2.Canny(gray,50,250,apertureSize = 3)cv2.imwrite("canny.jpg", edges)
#通过霍夫变换得到A4纸边缘lines = cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength=90,maxLineGap=10)
#下面输出的四个点分别为四个顶点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)
#绘制边缘for x1,y1,x2,y2 in lines[0]:    cv2.line(gray, (x1,y1), (x2,y2), (0,0,255), 1)
#根据四个顶点设置图像透视变换矩阵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)
#图像透视变换result = cv2.warpPerspective(src, M, (190, 272))
#显示图像cv2.imshow("original", src)cv2.imshow("result", result)
#等待显示cv2.waitKey(0)cv2.destroyAllWindows()

运行结果如下图所示：

四.图像几何变换总结

最后补充图像几何代码所有变换，希望读者能体会下相关的代码，并动手实践下。输出结果以女神为例：

完整代码如下：

#encoding:utf-8import cv2  import numpy as npimport matplotlib.pyplot as plt #读取图片img = cv2.imread('test3.jpg')image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#图像平移矩阵M = np.float32([[1, 0, 80], [0, 1, 30]])rows, cols = image.shape[:2]img1 = cv2.warpAffine(image, M, (cols, rows))
#图像缩小img2 = cv2.resize(image, (200,100))
#图像放大img3 = cv2.resize(image, None, fx=1.1, fy=1.1)
#绕图像的中心旋转#源图像的高、宽 以及通道数rows, cols, channel = image.shape#函数参数：旋转中心 旋转度数 scaleM = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1) #函数参数：原始图像 旋转参数 元素图像宽高img4 = cv2.warpAffine(image, M, (cols, rows))
#图像翻转img5 = cv2.flip(image, 0)   #参数=0以X轴为对称轴翻转 img6 = cv2.flip(image, 1)   #参数>0以Y轴为对称轴翻转
#图像的仿射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))
#图像的透射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))
#循环显示图形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()

感谢在求学路上的同行者，不负遇见，勿忘初心。月是故乡圆啊～

简单纪念下，CSDN阅读量即将破千万，全网粉丝近30万。十年啊，近700篇文章，确实可以说一句：这就是我20到30岁的青春，这里既有技术博客，也有娜璋珞一家的故事，我们的爱情史，也见证了一个自幼受贵州大山熏陶的学子慢慢成长，让我认识了许许多多的博友。如苏老师，受尽挫折，博士毕业，回到家乡玉林成为了一名大学老师，更是自费建成了化学实验室，只想将自己的所学所感传递给他的学生。十年，我在CSDN认识了许多这样的博友、老师和大佬，我们从未谋面，我们天南地北，但相互鼓励，苔花如米小，也学牡丹开。

最后，感谢CSDN，这些年让我骗了很多礼物，更感谢每一位阅读过娜璋故事，每一位给我技术博客点赞的读者。也希望大家记住一个叫Eastmount的分享者，对，不是什么专家，也不是什么大佬，就是一个默默撰写博客的技术分享者，因为爱所以写（今年太忙写得很少很少）。我还将在CSDN写二十年，三十年，一辈子，也将记录我们一家的故事。好想继续抒写我们的故事，但太忙太忙，毕业后再好好写吧。

希望能早日毕业，回到家乡贵州继续当个教书匠，感觉好多要分享的博客，好多要上的课程，好多要开源的代码，好多要学习的知识，期待再次站在讲台前的那一天。继续沉下心去学习，虽菜但勤，感恩遇见，继续加油，晚安娜!