小强学Python+OpenCV之－1.4.1平移、旋转、缩放、翻转－之实践

小强学Python+OpenCV之－1.4.1平移、旋转、缩放、翻转－之实践

下面，我们对于本节的主题图片分别进行平移、旋转、缩放、翻转操作。

平移

首先，我们创建python脚本translation.py，并加入以下代码:

# 导入库import numpy as npimport argparseimport cv2# 定义平移translate函数def translate(image, x, y):    # 定义平移矩阵    M = np.float32([[1, 0, x], [0, 1, y]])    shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))    # 返回转换后的图像    return shifted# 构造参数解析器ap = argparse.ArgumentParser()ap.add_argument("-i", "--image", required=True, help="Path to the image")args = vars(ap.parse_args())# 加载图像并显示image = cv2.imread(args["image"])cv2.imshow("Original", image)# 将原图分别做上、下、左、右平移操作shifted = translate(image, 0, 100)cv2.imshow("Shifted Down", shifted)shifted = translate(image, 0, -100)cv2.imshow("Shifted Up", shifted)shifted = translate(image, 50, 0)cv2.imshow("Shifted Right", shifted)shifted = translate(image, -50, 0)cv2.imshow("Shifted Left", shifted)cv2.waitKey(0)

执行脚本

python translation.py --image trip.jpg

显示如下：

旋转

创建python脚本rotation.py，并输入以下内容：

# 导入库import numpy as npimport argparseimport cv2# 定义旋转rotate函数def rotate(image, angle, center=None, scale=1.0):    # 获取图像尺寸    (h, w) = image.shape[:2]    # 若未指定旋转中心，则将图像中心设为旋转中心    if center is None:        center = (w / 2, h / 2)    # 执行旋转    M = cv2.getRotationMatrix2D(center, angle, scale)    rotated = cv2.warpAffine(image, M, (w, h))    # 返回旋转后的图像    return rotated# 构造参数解析器ap = argparse.ArgumentParser()ap.add_argument("-i", "--image", required=True, help="Path to the image")args = vars(ap.parse_args())# 加载图像并显示image = cv2.imread(args["image"])cv2.imshow("Original", image)# 将原图旋转不同角度rotated = rotate(image, 45)cv2.imshow("Rotated by 45 Degrees", rotated)rotated = rotate(image, -45)cv2.imshow("Rotated by -45 Degrees", rotated)rotated = rotate(image, 90)cv2.imshow("Rotated by 90 Degrees", rotated)rotated = rotate(image, -90)cv2.imshow("Rotated by -90 Degrees", rotated)rotated = rotate(image, 180)cv2.imshow("Rotated by 180 Degrees", rotated)cv2.waitKey(0)

执行脚本

python rotation.py --image trip.jpg

缩放

这里我们要取一张尺寸较小，但比较清晰的图像。用来比较放大和缩小之间的质量是否有损失。

创建python脚本resize.py，并输入以下内容：

# 导入库import argparseimport cv2# 定义缩放resize函数def resize(image, width=None, height=None, inter=cv2.INTER_AREA):    # 初始化缩放比例，并获取图像尺寸    dim = None    (h, w) = image.shape[:2]    # 如果宽度和高度均为0，则返回原图    if width is None and height is None:        return image    # 宽度是0    if width is None:        # 则根据高度计算缩放比例        r = height / float(h)        dim = (int(w * r), height)    # 如果高度为0    else:        # 根据宽度计算缩放比例        r = width / float(w)        dim = (width, int(h * r))    # 缩放图像    resized = cv2.resize(image, dim, interpolation=inter)    # 返回缩放后的图像    return resized# 构造参数解析器ap = argparse.ArgumentParser()ap.add_argument("-i", "--image", required=True, help="Path to the image")args = vars(ap.parse_args())# 加载参数并显示（由于原图较大，我们先将原图缩小）image = cv2.imread(args["image"])cv2.imshow("Original", image)# 创建插值方法数组methods = [    ("cv2.INTER_NEAREST", cv2.INTER_NEAREST),    ("cv2.INTER_LINEAR", cv2.INTER_LINEAR),    ("cv2.INTER_AREA", cv2.INTER_AREA),    ("cv2.INTER_CUBIC", cv2.INTER_CUBIC),    ("cv2.INTER_LANCZOS4", cv2.INTER_LANCZOS4)]# 循环执行插值方法数组中的各个方法for (name, method) in methods:    # 放大3倍    resized = resize(image, width=image.shape[1] * 3, inter=method)    cv2.imshow("ZoomIn Method: {}".format(name), resized)    # 缩小2倍    resized = resize(image, width=image.shape[1] /2, inter=method)    cv2.imshow("ZoomOut Method: {}".format(name), resized)    cv2.waitKey(0)

执行脚本

python resize.py --image motor.jpg

使用cv2.INTER_NEAREST插值方法，缩小和放大后的图分别如下：

使用cv2.INTER_LINEAR插值方法，缩小和放大后的图分别如下：

使用cv2.INTER_AREA插值方法，缩小和放大后的图分别如下：

使用cv2.INTER_CUBIC插值方法，缩小和放大后的图分别如下：

使用cv2.INTER_LANCZOS4插值方法，缩小和放大后的图分别如下：

总结

1. 在一般情况下， cv2.INTER_NEAREST速度最快，但质量不高。如果资源非常有限，可以考虑使用。否则不选这个，尤其在上采样（增加）图像的大小时。
2. 当增加（上采样）图像的大小时，可以考虑使用 cv2.INTER_LINEAR 和 cv2.INTER_CUBIC两种插值方法。 cv2.INTER_LINEAR 方法比 cv2.INTER_CUBIC 方法稍快，但无论哪个效果都不错。
3. 当减小（下采样）的图像的大小，OpenCV的文档建议使用 cv2.INTER_AREA。PS.我感觉其实下采样各种方法都差不多，取速度最快的（cv2.INTER_NEAREST）就好。

翻转

创建python脚本flip.py，并输入以下内容：

# 导入库import argparseimport cv2# 构造参数解析器ap = argparse.ArgumentParser()ap.add_argument("-i", "--image", required=True, help = "Path to the image")args = vars(ap.parse_args())# 加载图像并显示image = cv2.imread(args["image"])cv2.imshow("Original", image)# 横向翻转图像flipped = cv2.flip(image, 1)cv2.imshow("Flipped Horizontally", flipped)# 纵向翻转图像flipped = cv2.flip(image, 0)cv2.imshow("Flipped Vertically", flipped)# 同时在横向和纵向翻转图像flipped = cv2.flip(image, -1)cv2.imshow("Flipped Horizontally & Vertically", flipped)cv2.waitKey(0)

执行脚本python flip.py --image motor.jpg

总结

1. 本节我们使用了函数，函数的定义为：
   a) def translate(image, x, y): 使用def定义，跟函数名及形参，然后是冒号
   b) 函数体缩进一个tab
   c) 如果有嵌套语句，依次缩进
2. 缩放要注意保持纵横比。
3. 缩放时，下采样的插值算法选择比较宽松，可选择cv2.INTER_AREA。上采样时，要根据情况选择。在一般情况下选择cv2.INTER_LINEAR。资源紧张时选择 cv2.INTER_NEAREST。