【OpenCV入门】手把手教你图片预处理

子豪 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

OpenCV是一个跨平台计算机视觉和机器学习算法库。它不仅能用来实现各种复杂的算法，还能够对图像进行预处理：包括图像的平移、旋转、缩放、翻转、裁剪。希望把这些知识分享给初学者。

图像平移

我们使用OpenCV提供的仿射变换函数cv.warpAffine()沿x和y轴移动图像。

Step1. 调用一个函数cv.warpAffine()。

Step2. 创建一个平移矩阵，这一步需要借助NumPy进行。

Step3. 将img（需要变换的图像）、transMAT（平移矩阵）和Dimensions（维度）代入仿射变换函数cv.warpAffine()，输入x和y以确定平移多少。

向左、向上移动，则x、y设为负数，反之则为正数。

Step4. 采用cv.imshow()函数显示图像。

## Translation
def translation(img,x,y):
    tranMAT = np.float32([[1,0,x],[0,1,y]])
    dimensions = (img.shape[1],img.shape[0])
    return cv.warpAffine(img,transMAT,dimensions)
translated = translation(img,-100,100)
cv.imshow("Translated",translated)
cv.waitKey(0)

图像旋转

在OpenCV中旋转图像，可以将任何点用作旋转的中心，同样使用cv.warpAffine()函数以及和上面相同的参数。但是旋转矩阵与图像平移是不同的。

Step1. 创建一个旋转函数，定义图像img、旋转角度angle和旋转点rotPoint。

Step2. 利用cv.getRotationMatrix2D()（矩阵旋转与缩放）创建一个旋转矩阵rotMAT，其中包括旋转点、旋转角度和比例因子。如果不需要比例因子，则将其设为1.0。

Step3. 输入旋转角度、旋转点对应数值。（如不需要设置旋转点，则在Step1中设为空值None）

## Rotation
def rotate(img，angle，rotPoint=None):
    (height，width) = img，shape[:2]

    if rotPoint is None:
       rotPoint = (width//2，height//2)
    rotMAT = cv.getRotationMatrix2D(rotPoint,angle,1.0)
    dimension = (width,height)
    return cv.warpAffine(img,rotMat,dimension)

rotated = rotated(img,20)
cv.imshow("Rotated",rotated)
cv.waitKey(0)

图片缩放

在OpenCV中需要用到函数cv.resize(img, (500, 500), interpolation=cv.INTER_LINEAR)。

根据缩小或放大图像的需要，参数指定插值方法可以选择cv.INTER_AREA（区域插值）、cv.INTER_CUBIC（三次样条插值）、cv.INTER_LINEAR（线性插值）。

如需放大图像，可以采用<> INTER_LINEAR（效率较高）或INTER_CUBIC（效率较低）；
如需缩小图像，可以采用<> INTER_AREA。

## Resize
resized = cv.resize(img(500,500),interpolation=cv.INTER_LINEAR)
cv.imshow("resized",resized)
cv.waitKey(0)

图片翻转

使用OpenCV中的cv.flip()函数，该函数支持图像的翻转（垂直翻转、水平翻转，以及同时翻转均可）。

cv.flip(img,flipcode)翻转模式有三种：0为垂直翻转，1为水平翻转，-1 为两个方向同时翻转。

## Flipping
flipped = cv.flip(img,0)
cv.imshow("Flipped",flipped)
cv.waitKey(0)

图像裁剪

运用Cropped = image[a1:a2,b1:b2] 裁剪图像img得到一个矩形，高度从a1到a2，宽度从b1到b2。

## Cropping
cropped = img[100:200,100:200]
cv.imshow("Cropped",cropped)
cv.waitKey(0)

除此之外，OpenCV还能用于空间颜色转换、物体跟踪、图像分割、轮廓提取、结构分析、人脸识别等，功能十分强大。

Raoof Naushad不仅发布了这篇教程，还分享了用于基本和高级图像处理的OpenCV速查表，感兴趣的朋友可以通过下方链接查看。

原文链接：
https://medium.com/analytics-vidhya/image-transformations-opencv-2021-de3ca97373ed