5- OpenCV+TensorFlow 入门人工智能图像处理-
图片的几何变换
图片的几何变换章节介绍
- 图片位移 & 图片缩放
- 图片剪切 & 图片镜像
- 图片仿射变换
Hog + Svm 小狮子识别
计算机视觉的基础: 裁剪样本为64,128 等比例缩放
mark
仿射变换: 位移，旋转，缩放
mark
算法完成。梯形到正方向的投影。
复杂案例的基础。
图片缩放
mark
缩放，会从原理，api，源码。三个角度阐述。
- 缩放就是改变图片的宽高。
根据变化大小，会有放大和缩小两种。
根据当前宽高比是否变化，有等比例缩放和非等比例
mark
还介绍了图片的最近邻域差值和双线插值
图片剪切
思路就是拿到图片数据集中的一部分数据将数据进行剪切
mark
本质还是对于矩阵的操作
图片位移
mark
利用矩阵完成图片的映射变化
当前图片向右移动一百个像素。原图片的x,y值产生新的x,y
图片镜像
实现步骤:
- 创建一个更大的画板
- 将一幅图像分别从前往后，从后往前绘制
- 绘制中心分割线
mark
矩阵倒序矩阵。
仿射变换: 位移 旋转 缩放
mark
旋转，移位，缩放。
基本都是对图片仿射变换矩阵的操作。
本质是对图片数据的矩阵操作
图片缩放1
缩放: 改变图片的宽度与高度
可以放大也可以缩小
opencv中的api resize
改变图片尺寸的步骤:
- 加载图片
- 获取图片信息
- 调用resize
- 检查最终结果
import cv2
img = cv2.imread('image0.jpg',1)
imgInfo = img.shape
print(imgInfo)
# 图片的高度，宽度，颜色组成方式3指一个像素点由三个颜色通道组成
height = imgInfo[0]
width = imgInfo[1]
mode = imgInfo[2]
# 1 放大 缩小
# 2 等比例 非 原来图片2:3 更改之后还是2:3
dstHeight = int(height*0.5)
dstWidth = int(width*0.5)
# 原始图片的宽高乘以一个共同的系数，等比例缩放。
# 原始图片的宽高乘以一个不同的系数，非等比例缩放。
# opencv提供了四种方式: 最近邻域插值 双线性插值 像素关系重采样 立方插值
# 默认使用第二种: 双线性插值
# 第一个参数:我们要缩放的图片 第二个参数: 要缩放成的目标图片大小
dst = cv2.resize(img,(dstWidth,dstHeight))
cv2.imshow('image',dst)
cv2.waitKey(0)
讲解最近邻域差值法和双线性插值算法原理
python源代码实现
最近临域插值 双线性插值 原理
原始src 10*20 目标dst 5*10
目标图像上的每个点都是来自原图像的。
dst<<<src
目标图像的(1,2) 对应 原图像的(2,4)
已知目标图片dst的x值1 对应 原始图片src x值2 newX
newX = x*(src 行/目标 行)[即缩放比例] newX = 1*（10/5） = 2
newY = y*(src 列/目标 列)[即缩放比例] newY = 2*（20/10）= 4
12.3 = 12
对于一个非整数的像素坐标，我们取最近的点，就叫最近邻域差值法
双线性插值
mark
四个角分别表示当前像素点的坐标。目标dst的大小(5,10)
使用目标插值法得到的原图像点未(15.2,22.3)实际上我们的原图像上是不存在这个点的，如何用周围的四个点表示这个点。
最近邻域插值是取最近的点，而双线性是通过穿过的四个点来合成该点。
mark
水平方向上穿过A1A2，竖直方向上穿过B1B2
计算出A1，A2，B1，B2.通过这四个点进行合成。
x轴表明的是我们图片的列，y轴表明的是我们图片的行
A1的横坐标15.2，表明它距离上面点20%，距离下面点80%
- A1 = 20% 上+80%下 A2
- B1 = 30% 左+70%右 B2
方法1 最终点 = A1 30% + A2 70%
方法2 最终点 = B1 20% + B2 80%
实质：矩阵运算
图片缩放最近领域插值和双线性代码
- 获取图片info(高,宽,颜色组成方式)
- 新建空白模版
- 重新计算xy坐标
import cv2
import numpy as np
# 图片名称，彩色图片
img = cv2.imread('image0.jpg',1)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]
# 目标图片高度宽度
dstHeight = int(height/2)
dstWidth = int(width/2)
# 创建一个空白模板。第一个参数(高，宽，颜色组成) 第二个参数 数据类型: uint8是0-255
dstImage = np.zeros((dstHeight,dstWidth,3),np.uint8) # 0-255
# 计算目标图片坐标
for i in range(0,dstHeight): # 行
for j in range(0,dstWidth): # 列
# 乘1.0转换为浮点型
iNew = int(i*(height*1.0/dstHeight))
jNew = int(j*(width*1.0/dstWidth))
dstImage[i,j] = img[iNew,jNew]
cv2.imshow('dst',dstImage)
cv2.waitKey(0)
# 三个角度: 1. opencv API resize 2.算法原理 3.源码
图片剪切
mark
要想完成图片的剪切，我们得先搞清图片的坐标系。
x轴描述的是宽度信息列信息，y轴描述的是宽度信息行信息。
蓝绿色的蒙板就是我们想要剪切的内容
x,y位置信息。
- 从x轴100 -> 200
- 从y轴100 -> 300
import cv2
img = cv2.imread('image0.jpg',1)
imgInfo = img.shape
# 利用切片实现剪切
dst = img[100:200,100:300]
cv2.imshow('image',dst)
cv2.waitKey(0)
mark
