当前位置：首页 > news >正文

Python OpenCV精讲系列 - 图像处理基础（二）

news 2025/6/13 20:59:41

在这里插入图片描述

💖💖⚡️⚡️专栏：Python OpenCV精讲⚡️⚡️💖💖
本专栏聚焦于Python结合OpenCV库进行计算机视觉开发的专业教程。通过系统化的课程设计，从基础概念入手，逐步深入到图像处理、特征检测、物体识别等多个领域。适合希望在计算机视觉方向上建立坚实基础的技术人员及研究者。每一课不仅包含理论讲解，更有实战代码示例，助力读者快速将所学应用于实际项目中，提升解决复杂视觉问题的能力。无论是入门者还是寻求技能进阶的开发者，都将在此收获满满的知识与实践经验。

1. 图像缩放

图像缩放是一种常见的图像处理技术，用于改变图像的尺寸。OpenCV提供了cv2.resize()函数来实现这一功能。

1.1 缩放函数详解

resized = cv2.resize(image, dsize, fx=None, fy=None, interpolation=None)

参数：
- image：输入图像。
- dsize：输出图像的尺寸（宽度，高度），或者如果设置了fx和fy则可以省略。
- fx：水平方向上的缩放系数。
- fy：垂直方向上的缩放系数。
- interpolation：插值方法，常用的有cv2.INTER_LINEAR（线性插值）、cv2.INTER_CUBIC（三次样条插值）和cv2.INTER_NEAREST（最近邻插值）等。
返回值：
- resized：缩放后的图像。
注意事项：
- 当dsize未设置时，必须同时设置fx和fy。
- 插值方法的选择会影响缩放后的图像质量。例如，cv2.INTER_LINEAR适用于一般情况，而cv2.INTER_CUBIC适用于高质量缩放。
- 缩放系数大于1表示放大图像，小于1表示缩小图像。
详细解释：
- 缩放系数fx和fy：
  - 缩放系数用于控制图像在水平方向和垂直方向上的缩放比例。例如，fx=0.5和fy=0.5表示将图像缩小一半；fx=2和fy=2表示将图像放大两倍。
  - 如果仅设置fx或fy，另一个方向上的缩放系数将默认与已设置的缩放系数相同。
- 插值方法：
  - 最近邻插值 (cv2.INTER_NEAREST)：这是一种最简单的插值方法，它根据最近的像素值来确定新像素的颜色。这种方法速度快，但在缩放时可能会产生明显的锯齿效应。
  - 线性插值 (cv2.INTER_LINEAR)：这是一种较为常用的插值方法，它根据周围四个像素的值来计算新像素的颜色。这种方法可以减少锯齿效应，适用于一般情况。
  - 三次样条插值 (cv2.INTER_CUBIC)：这是一种更复杂的插值方法，它根据周围多个像素的值来计算新像素的颜色。这种方法能够提供更好的图像质量，适用于需要高质量缩放的情况。
- 缩放操作的注意事项：
  - 缩放操作可能会导致图像失真，尤其是在大幅度放大或缩小的情况下。
  - 使用适当的插值方法可以减少失真，提高图像质量。
  - 缩放操作不会改变原始图像，而是生成一个新的缩放后的图像。

1.2 示例代码

import cv2def resize_image(image_path, scale_percent, interpolation_method):# 读取图像image = cv2.imread(image_path)if image is None:print("Error: File not found!")return# 缩放比例width = int(image.shape[1] * scale_percent / 100)height = int(image.shape[0] * scale_percent / 100)dsize = (width, height)# 缩放图像resized = cv2.resize(image, dsize=dsize, interpolation=interpolation_method)# 显示图像cv2.imshow('Resized Image', resized)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == "__main__":image_path = 'path/to/your/image.jpg'scale_percent = 50  # 缩放比例interpolation_method = cv2.INTER_LINEAR  # 线性插值resize_image(image_path, scale_percent, interpolation_method)

在这里插入图片描述

2. 图像旋转

图像旋转可以用来改变图像的方向。OpenCV提供了cv2.getRotationMatrix2D()和cv2.warpAffine()函数来实现图像旋转。

2.1 旋转函数详解

rotation_matrix = cv2.getRotationMatrix2D(center, angle, scale)
rotated = cv2.warpAffine(image, rotation_matrix, (width, height))

参数：
- center：旋转中心点。
- angle：旋转角度（逆时针方向）。
- scale：缩放系数。
- width 和 height：输出图像的尺寸。
返回值：
- rotation_matrix：旋转矩阵。
- rotated：旋转后的图像。
注意事项：
- 旋转中心点通常是图像的几何中心，可以通过(image.shape[1] // 2, image.shape[0] // 2)计算得到。
- 旋转操作可能导致图像的一部分被裁剪掉。为了避免这种情况，可以在旋转前先调整输出图像的尺寸。
- 缩放系数为1表示不缩放，大于1表示放大，小于1表示缩小。
详细解释：
- 旋转矩阵cv2.getRotationMatrix2D()：
  - 这个函数用于计算图像旋转所需的仿射变换矩阵。矩阵的形式如下：
    [
    \begin{bmatrix}
    \cos(\theta) & -\sin(\theta) \
    \sin(\theta) & \cos(\theta) \
    \end{bmatrix}
    ]
  - 其中\(\theta\)是旋转的角度，cos(\theta)和sin(\theta)分别对应旋转矩阵的第一行和第二行的第一个元素。
  - 旋转矩阵还包括平移部分，用于移动图像以适应旋转后的尺寸变化。
- 仿射变换cv2.warpAffine()：
  - 这个函数用于应用仿射变换矩阵到图像上，从而实现图像的旋转。
  - 仿射变换不仅可以用于旋转，还可以用于缩放和平移等操作。
  - 输出图像的尺寸width和height需要根据旋转角度和缩放系数来计算，以确保旋转后的图像完整显示。
- 旋转操作的注意事项：
  - 旋转操作可能会导致图像的一部分被裁剪掉，特别是在旋转角度较大时。
  - 为了避免裁剪，可以在旋转前计算旋转后的图像尺寸，并使用这个尺寸作为cv2.warpAffine()的输出尺寸。
  - 旋转操作不会改变原始图像，而是生成一个新的旋转后的图像。

2.2 示例代码

import cv2
import numpy as npdef rotate_image(image_path, angle, scale):# 读取图像image = cv2.imread(image_path)if image is None:print("Error: File not found!")return# 获取图像中心center = (image.shape[1] // 2, image.shape[0] // 2)# 计算旋转矩阵rotation_matrix = cv2.getRotationMatrix2D(center, angle, scale)# 调整输出图像的尺寸以避免裁剪cos = np.abs(rotation_matrix[0, 0])sin = np.abs(rotation_matrix[0, 1])nW = int((image.shape[0] * sin) + (image.shape[1] * cos))nH = int((image.shape[0] * cos) + (image.shape[1] * sin))# 调整旋转矩阵以适应新的尺寸rotation_matrix[0, 2] += (nW / 2) - center[0]rotation_matrix[1, 2] += (nH / 2) - center[1]# 应用仿射变换rotated = cv2.warpAffine(image, rotation_matrix, (nW, nH))# 显示图像cv2.imshow('Rotated Image', rotated)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == "__main__":image_path = 'path/to/your/image.jpg'angle = 45  # 旋转角度scale = 1.0  # 缩放系数rotate_image(image_path, angle, scale)

在这里插入图片描述

3. 图像裁剪

图像裁剪用于从原始图像中提取感兴趣的部分。OpenCV可以通过简单的NumPy数组索引来实现图像裁剪。

3.1 裁剪函数详解

cropped = image[y1:y2, x1:x2]

参数：
- y1, y2：裁剪区域的起始和结束行坐标。
- x1, x2：裁剪区域的起始和结束列坐标。
返回值：
- cropped：裁剪后的图像。
注意事项：
- 索引是从0开始的，因此y1和x1通常为0，除非你想要从图像的某个位置开始裁剪。
- 裁剪操作不会改变原始图像，而是返回一个新的裁剪后的图像。
详细解释：
- 裁剪操作：
  - 裁剪操作是通过简单的NumPy数组索引来实现的。例如，image[y1:y2, x1:x2]表示从图像的y1行到y2行、x1列到x2列之间进行裁剪。
  - NumPy数组索引遵循Python的标准切片规则，即start:end表示从start（包含）到end（不包含）之间的元素。
- 裁剪操作的注意事项：
  - 确保裁剪区域的坐标在图像的有效范围内，否则会导致错误。
  - 裁剪操作不会改变原始图像，而是生成一个新的裁剪后的图像。

3.2 示例代码

import cv2def crop_image(image_path, y1, y2, x1, x2):# 读取图像image = cv2.imread(image_path)if image is None:print("Error: File not found!")return# 裁剪图像cropped = image[y1:y2, x1:x2]# 显示图像cv2.imshow('Cropped Image', cropped)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == "__main__":image_path = 'path/to/your/image.jpg'y1, y2, x1, x2 = 100, 400, 100, 400  # 裁剪区域crop_image(image_path, y1, y2, x1, x2)

在这里插入图片描述

4. 综合示例

接下来，我们将结合上述三种技术，创建一个综合示例。在这个示例中，我们将读取一张图像，对其进行缩放、旋转和裁剪，最后显示处理后的图像。

import cv2
import numpy as npdef process_image(image_path):# 读取图像image = cv2.imread(image_path)if image is None:print("Error: File not found!")return# 缩放图像scale_percent = 50width = int(image.shape[1] * scale_percent / 100)height = int(image.shape[0] * scale_percent / 100)dsize = (width, height)resized = cv2.resize(image, dsize=dsize, interpolation=cv2.INTER_LINEAR)# 旋转图像center = (resized.shape[1] // 2, resized.shape[0] // 2)angle = 45scale = 1.0rotation_matrix = cv2.getRotationMatrix2D(center, angle, scale)# 调整输出图像的尺寸以避免裁剪cos = np.abs(rotation_matrix[0, 0])sin = np.abs(rotation_matrix[0, 1])nW = int((resized.shape[0] * sin) + (resized.shape[1] * cos))nH = int((resized.shape[0] * cos) + (resized.shape[1] * sin))# 调整旋转矩阵以适应新的尺寸rotation_matrix[0, 2] += (nW / 2) - center[0]rotation_matrix[1, 2] += (nH / 2) - center[1]# 应用仿射变换rotated = cv2.warpAffine(resized, rotation_matrix, (nW, nH))# 裁剪图像y1, y2, x1, x2 = 100, 400, 100, 400cropped = rotated[y1:y2, x1:x2]# 显示图像cv2.imshow('Processed Image', cropped)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == "__main__":image_path = 'path/to/your/image.jpg'process_image(image_path)