OpenCV 图像变换全解析：从镜像翻转到仿射变换的实践指南

前言

        处理图像时，翻转、旋转、平移等操作很常用。OpenCV 提供了简单的方法实现这些变换，本文带你快速学会用它做图像翻转和仿射变换。

1 图像翻转(图像镜像旋转)

在OpenCV中，图片的镜像旋转是以图像的中心为原点进行镜像翻转的。

• cv2.flip(img,flipcode)

• 参数

  • img: 要翻转的图像

  • flipcode: 指定翻转类型的标志

    • flipcode=0: 垂直翻转，图片像素点沿x轴翻转

    • flipcode>0: 水平翻转，图片像素点沿y轴翻转

    • flipcode<0: 水平垂直翻转,水平翻转和垂直翻转的结合

示例：

import cv2 as cvface = cv.imread(\'../images/face.png\')cv.imshow(\'face\', face)# 翻转 镜像旋转 以图像中心为原点cv.filp(img, filpcode)# flipcode = 0垂直翻转 沿x轴 上下翻转flip_0 = cv.flip(face, 0)cv.imshow(\'flip_0\', flip_0)# flipcode = 1垂直翻转 沿y轴 左右翻转flip_1 = cv.flip(face, 1)cv.imshow(\'flip_1\', flip_1)# flipcode = -1垂直+水平翻转flip = cv.flip(face, -1)cv.imshow(\'flip_-1\', flip)cv.waitKey(0)cv.destroyAllWindows()

结果如下

2 图像仿射变换

        仿射变换（Affine Transformation）是一种线性变换,保持了点之间的相对距离不变。

• 仿射变换的基本性质

  • 保持直线

  • 保持平行

  • 比例不变性

  • 不保持角度和长度

• 常见的仿射变换类型

  • 旋转：绕着某个点或轴旋转一定角度。

  • 平移：仅改变物体的位置，不改变其形状和大小。

  • 缩放：改变物体的大小。

  • 剪切：使物体发生倾斜变形。

• 仿射变换的基本原理

  • 线性变换

  • 二维空间中，图像点坐标为(x,y)，仿射变换的目标是将这些点映射到新的位置 (x\', y\')。

  • 为了实现这种映射，通常会使用一个矩阵乘法的形式：

    （类似于y=kx+b）

    

    • a，b，c，d 是线性变换部分的系数，控制旋转、缩放和剪切。

    • t_x，t_y 是平移部分的系数，控制图像在平面上的移动。

    • 输入点的坐标被扩展为齐次坐标形式[x,y,1]，以便能够同时处理线性变换和平移

• cv2.warpAffine()函数

  • 仿射变换函数

    cv2.warpAffine(img,M,dsize)

    • img：输入图像。

    • M：2x3的变换矩阵，类型为np.float32。

    • dsize：输出图像的尺寸，形式为(width,height)。

2.1 图像旋转

        旋转图像可以将图像绕着某个点旋转一定的角度。

cv2.getRotationMatrix2D()函数

• 获取旋转矩阵

  cv2.getRotationMatrix2D(center,angle,scale)

  • center：旋转中心点的坐标，格式为(x,y)。

  • angle：旋转角度，单位为度，正值表示逆时针旋转负值表示顺时针旋转。

  • scale：缩放比例，若设为1，则不缩放。

  • 返回值：M，2x3的旋转矩阵。

示例：

import cv2import cv2 as cv# 读图pig = cv.imread(\'../images/pig.png\')pig = cv.resize(pig, (520,520))# 获取旋转矩阵 cv2.getRotationMatrix2D(center,angle,scale)M = cv2.getRotationMatrix2D((260, 260), -45, 1)# 仿射变换函数cv.warpAffine(img,M,(w,h)dst = cv.warpAffine(pig, M, (pig.shape[1], pig.shape[0]))cv.imshow(\'pig\', pig)cv.imshow(\'pig_new\', dst)cv.waitKey(0)cv.destroyAllWindows()

2.2 图像平移

移操作可以将图像中的每个点沿着某个方向移动一定的距离。

• 假设我们有一个点 P(x,y)，希望将其沿x轴方向平移t_x*个单位，沿y轴方向平移t_y个单位到新的位置P′(x′,y′)，那么平移公式如下：

  x′=x+tx

  y′=y+ty

  在矩阵形式下，该变换可以表示为：

  

        这里的t_x和t_y分别代表在x轴和y轴上的平移量。

示例：

import cv2import cv2 as cvimport numpy as np# 读图pig = cv.imread(\'../images/pig.png\')pig = cv.resize(pig, (520,520))# 定义偏移量tx = 80ty = 120# 定义平移矩阵M = np.float32([[1, 0, tx], [0, 1, ty]])# 仿射变换矩阵,找不到的就用黑色填充dst = cv.warpAffine(pig, M, (520, 520))cv.imshow(\'pig\', pig)cv.imshow(\'pig_new\', dst)cv.waitKey(0)cv.destroyAllWindows()

2.3 图像缩放

缩放操作可以改变图片的大小。

• 假设要把图像的宽高分别缩放为0.5和0.8，那么对应的缩放因子sx=0.5，sy=0.8。

• 点P(x,y)对应到新的位置P\'(x\',y\')，缩放公式为：

  x′=sx*x

  y′=sy*y

  在矩阵形式下，该变换可以表示为：

  

  相较于图像旋转中只能等比例的缩放，图像缩放更加灵活，可以在指定方向上进行缩放。

sx和sy分别表示在x轴和y轴方向上的缩放因子。

示例：

import cv2 as cvimport numpy as np# 读图pig = cv.imread(\'../images/pig.png\')pig = cv.resize(pig, (520,520))# 定义缩放移量sx = 0.6sy = 0.5# 定义缩放矩阵M = np.float32([[sx, 0, 0], [0, sy, 0]])# 仿射变换矩阵,找不到的就用黑色填充dst = cv.warpAffine(pig, M, (520, 520))cv.imshow(\'pig\', pig)cv.imshow(\'pig_new\', dst)cv.waitKey(0)cv.destroyAllWindows()

2.4 图像剪切（了解即可）

剪切操作可以改变图形的形状，以便其在某个方向上倾斜，它将对象的形状改变为斜边平行四边形，而不改变其面积。

• 想象我们手上有一张矩形纸片，如果你固定纸片的一边，并沿着另一边施加一个平行于该边的力，这张纸片就会变形为一个平行四边形。这就是剪切变换的一个直观解释。

• 对于二维空间中的点P(x,y)，对他进行剪切变换：

  沿x轴剪切：x\'=x+shy*y       y\'=y

  沿y轴剪切：x\'=x       y\'=shx*x+y

• 当需要同时沿两个方向进行剪切时，x\'=x+shy*y ， y\'=shx*x+y

• 在矩阵形式下，该变换可以表示为：

  

• 来一个图理解一下：

​

shy和shx分别对应沿x轴和y轴方向上的剪切因子。

• 可以理解为，x不变，y偏移

总结：

        本文讲了 OpenCV 的两种图像变换。用cv.flip()能轻松实现图像的垂直、水平翻转。仿射变换里，通过矩阵设置，结合cv.warpAffine()可完成旋转、平移、缩放和剪切。这些基础操作是图像处理的必备技能，多练就能熟练掌握。