每次學習新東西的時候，橡皮擦都是去海量檢索，然后找到適合自己理解的部分。

再將其拼湊成一個小的系統，爭取對該內容有初步理解。

今天這 1 個小時，核心要學習的是圖像的平移，在電腦上隨便打開一張圖片，實現移動都非常簡單，但是在代碼中，出現了一些新的概念。

檢索 OpenCV 圖像平移相關資料時，碰到的第一個新概念是就是 仿射變換。

每次看到這樣子的數學名字，必然心中一涼，做為一個數學小白，又要瑟瑟發抖了。

百度一下，看看百科中是如何介紹的。

看過上圖中的一些相關簡介之后，對于這個概念也并沒有太深刻的理解，本著先用起來，在補充理論的學習觀點，我們先實現圖像平移。

學習過程中，碰到一些概念性的東西，可以先應用起來，然后在后續的深入學習過程中，逐步去完善它們。

cv2.warpAffine() 仿射變換

基于該方法去尋找相關資料，得到仿射變換的基本概念，從二維坐標到二維坐標之間的線性變換，并且要保持二維圖形的“平直性” 和 “平行性”。

仿射變換中，包含平移，縮放，翻轉，旋轉，剪切。

該方法的語法結構如下：

dst = cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])

參數說明：

• src：輸入圖像
• M：2*3 transformation matrix (轉變矩陣)
• dsize：輸出圖像的大小，格式為(cols,rows)，width 對應 cols，height 對應 rows
• flags： 可選參數，插值方法的組合（int 類型），默認值 INTER_LINEAR
• borderMode：可選參數，邊界像素模式（int 類型），默認值 BORDER_CONSTANT
• borderValue：可選參數，邊界填充值; 默認情況下，默認值 Scalar()即 0
  

官方可查閱的英文資料如下：

插值方式（flags）有如下類型：

• INTER_LINEAR 線性插值
• INTER_NEAREST 最近鄰插值
• INTER_AREA 區域插值
• INTER_CUBIC 三次樣條插值
• INTER_LANCZOS4 Lanczos 插值

一般情況下，使用 wrapAffine 前三個參數，即 warpAffine(img,M,(rows,cols)) 實現基本的仿射變換效果，但是這種情況會出現 黑邊 現象。

最后一個參數為 borderValue，邊界填充的顏色，默認為黑色，可以自行設置為其它顏色。

具體代碼

圖像平移是圖像位置的移動。在平移前，需要先轉換矩陣 M，，其中 tx，ty 表示在(x,y)方向上的位移，如下所示：

測試代碼如下，重要部分在注釋中進行說明。

import numpy as np
import cv2 as cv

img = cv.imread('10.jpg', 1)
rows, cols, channels = img.shape
# [1,0,100] 右移 100， [0,1,50] 下移 50
M = np.float32([[1, 0, 100], [0, 1, 50]])
res = cv.warpAffine(img, M, (cols, rows))
cv.imshow("img", res)
cv.waitKey()

特別說明：
cv.warpAffine 方法的第三個參數是輸出圖像的大小，其形式應為（width，height）。記住 width =列數（cols），height =行數（rows）。

以下為代碼運行結果。

關于 borderMode 參數值的說明：

該部分內容涉及邊緣處理，翻閱手冊過程找到的說明指向 BorderTypes。翻閱了一下，依舊是有些超綱，可以先記錄下相關內容，日后在進行回顧，參考地址。

所有值羅列如下：

• BORDER_CONSTANT = 0
• BORDER_REPLICATE = 1
• BORDER_REFLECT = 2
• BORDER_WRAP = 3
• BORDER_REFLECT_101 = 4
• BORDER_TRANSPARENT = 5
• BORDER_REFLECT101 = BORDER_REFLECT_101
• BORDER_DEFAULT = BORDER_REFLECT_101
• BORDER_ISOLATED = 16
  

borderValue：當圖像邊界處理方式為 BORDER_CONSTANT 時的填充值。

測試代碼如下：

import numpy as np
import cv2 as cv

img = cv.imread('10.jpg', 1)
rows, cols, channels = img.shape
M = np.float32([[1, 0, 100], [0, 1, 50]])
res = cv.warpAffine(img, M, (cols, rows),
                    borderMode=cv.BORDER_CONSTANT, borderValue=(200, 66, 66))
cv.imshow("img", res)
cv.waitKey()

OpenCV 尾聲

到此這篇關于Python OpenCV 圖像平移的實現示例的文章就介紹到這了,更多相關OpenCV 圖像平移內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！