本文主要是介绍opencv-python处理图片的一些列操作之几何变换，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

一般的变换放大缩小（都是由插值算法得到的，但是都会有损失，目前的超分辨率网络，应该是最好的图像算法，到时候会讲一下超分辨率网络）
直接进入opencv函数（具体插值算法可百度，简单的很）

resize改变图片大小

例子

import cv2
image=cv2.imread("/home/dfy/Pictures/Camera_photo/Camera_photo/sss.jpg")image1=cv2.resize(image,(1300,1200))cv2.imshow("",image1)cv2.waitKey(0)if __name__ == '__main__':print()

calcHist函数

hist=cv2.calcHist(images="",channels="",mask="",hist="",histSize="",accumulate="")
images输入图像
channels 输入图像的通道
mask掩模图计算全部图的时候直接为None如果计算部分图像需要配相应的mask
histSize灰度级的个数
range像素值范围
例子

import cv2from matplotlib import pyplot as pltdef main():image = cv2.imread("/home/dfy/Pictures/Camera_photo/Camera_photo/page2.jpg")chans=cv2.split(image)colors=("b","g","r")plt.figure()#创建画布plt.title("tu")plt.xlabel("bin")plt.ylabel("#of pixes")for (chan,color) in zip(chans,colors):hist = cv2.calcHist([chan], [0], None, [256], [0, 256])plt.plot(hist,color=color)plt.xlim([0,256])plt.show()input()if __name__ == '__main__':main()

使用几何变换实现哈哈镜子特效
输人图像f(x, y),宽高分别为Width和Height,设置图像中心坐标Center (cx, xy)为缩放中心点，图像上任意一点到中心点的相对坐标x-Cx, ty=y- -cY。 哈哈镜效果分为图像拉伸放大和图像缩小。
对于图像拉伸放大，设置图像变换的半径为radius,哈哈镜变换后的图像为p(x, y)。

                       x                    =                    (                    t                    x                    /                    2                    )                    ×                    (                    s                    q                    r                    t                    (                    t                    x                    ×                    t                    x                    +                    t                    y                    ×                    t                    y                    )                    /                    r                    a                    d                    i                    u                    s                    )                    +                    c                    x                         x= (tx/2)\times (sqrt(tx \times tx+ty \times ty)/radius) +cx           x=(tx/2)×(sqrt(tx×tx+ty×ty)/radius)+cx
                       y                    =                    (                    t                    y                    /                    2                    )                    ×                    (                    s                    q                    r                    t                    (                    t                    x                    ×                    t                    x                    +                    t                    y                    ×                    t                    y                    )                    /                    r                    a                    d                    i                    u                    s                    )                    +                    c                    y                         y= (ty/2) \times (sqrt(tx \times tx+ty \times ty)/radius) +cy           y=(ty/2)×(sqrt(tx×tx+ty×ty)/radius)+cy

对于图像缩小，设置图像变换的半径为radius,哈哈镜变换后的图像为p(x, y)。

                       x                    =                             c                         o                         s                         (                         a                         t                         a                         n                         2                         (                         t                         y                         ,                         t                         x                         )                         )                            12                             (                         s                         q                         r                         t                         (                         t                         x                         x                         t                         x                         +                         t                         y                         x                         t                         y                         )                         +                         c                         x                                 x= {cos(atan2(ty, tx))}{12}{(sqrt(txxtx +tyxty) +cx}           x=cos(atan2(ty,tx))12(sqrt(txxtx+tyxty)+cx
                       y                    =                    s                    i                    n                    (                    a                    t                    a                    n                    2                    (                    t                    y                    ,                    b                    x                    )                    )                    12                    (                    s                    q                    r                    t                    (                    t                    x                    x                    t                    x                    +                    t                    y                    x                    y                    )                    +                    c                    y                         y= sin(atan2(ty, bx))12 (sqrt(txxtx+tyxy) +cy           y=sin(atan2(ty,bx))12(sqrt(txxtx+tyxy)+cy
例子1

#可以自己调整中心点import cv2import mathdef maxframe():frame = cv2.imread("/home/dfy/PycharmProjects/GAN-TTS-master/sss.jpg")height, width, n = frame.shape
    center_x = width / 2center_y = height / 2randius = 400  # 直径real_randius = int(randius / 2)  # 半径new_data = frame.copy()for i in range(width):for j in range(height):tx = i - center_x
            ty = j - center_y
            distance = tx ** 2 + tx ** 2# 为了保证选择的像素是图片上的像素if distance < randius ** 2:new_x = tx / 2new_y = ty / 2# 图片的每个像素的坐标按照原来distance 之后的distance（real_randius**2）占比放大即可new_x = int(new_x * math.sqrt(distance) / real_randius + center_x)new_y = int(new_y * math.sqrt(distance) / real_randius + center_y)# 当不超过new_data 的边界时候就可赋值if new_x < width and new_y < height:new_data[j][i][0] = frame[new_y][new_x][0]new_data[j][i][1] = frame[new_y][new_x][1]new_data[j][i][2] = frame[new_y][new_x][2]cv2.imshow("", new_data)cv2.waitKey(0)def MinFrame():frame = cv2.imread("/home/dfy/PycharmProjects/GAN-TTS-master/sss.jpg")height,width,n=frame.shape
    center_x=width/2center_y=height/2new_data=frame.copy()for i in range(width):for j in range(height):tx=i-center_x
            ty=j-center_y
            theta=math.atan2(ty,tx)radius=math.sqrt(tx**2+ty**2)new_x=int(center_x+math.sqrt(radius)*20*math.cos(theta))new_y=int(center_y+math.sqrt(radius)*20*math.sin(theta))if new_x<0 and new_x>width:new_x=0elif new_y<0 and new_y>height:new_y=0else:new_data[j][i][0] = frame[new_y][new_x][0]new_data[j][i][1] = frame[new_y][new_x][1]new_data[j][i][2] = frame[new_y][new_x][2]cv2.imshow("", new_data)cv2.waitKey(0)if __name__ == '__main__':# maxframe()MinFrame()

这篇关于opencv-python处理图片的一些列操作之几何变换的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！