[OpenCV基礎][Python]warpAffine仿射變換

螃蟹_crab

發佈於[Python][OpenCV]學習心得筆記

2024/02/08閱讀時間約 6 分鐘

warpAffine 和 warpPerspective 都是 OpenCV 中用於圖像變換的函數，主要差異在於這兩種函數所使用的變換矩陣的類型和適用場景。

本文主要討論warpAffine，另外warpPerspective可以此篇文章

[OpenCV基礎][Python]warpPerspective透視變換

仿射變換是一種線性的、直線的、平行性的幾何變換，將一個二維空間中的點映射到另一個二維空間中。這種變換可以包括平移、旋轉、縮放、剪切等操作。

仿射變換可以用warpAffine()來實現。結果圖如下

仿射變換前後比較

差異

warpAffine：仿射變換

變換矩陣類型： 2x3 的仿射變換矩陣。
適用場景： 保持直線在變換後仍然是直線，平行線依然保持平行簡單的平。適用於移、旋轉、縮放等變換，但無法處理透視變換。

warpPerspective：透視變換

變換矩陣類型： 3x3 的透視變換矩陣。
適用場景： 除了可以進行仿射變換外，還能處理透視變換，即使平行線在變換後也可能不再平行。這使得它適用於更廣泛的應用，如文件矯正、校正透視變形等。

圖像座標表示方法

語法

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

src：要進行透視變換的輸入圖像。
M：透視變換的2x3變換矩陣。
dsize：輸出圖像的大小，以元組（width, height）表示。

進階參數(可選擇不填，則會使用默認)

dst：輸出圖像，可選參數，如果未提供，則函數會創建一個與 dsize 相同大小的空白圖像。
flags：進行變換時的插值方法:cv2.INTER_NEAREST：最近鄰插值，使用最近鄰的像素值進行插值，速度最快，但效果可能不夠平滑。cv2.INTER_LINEAR：雙線性插值，使用相鄰四個像素的加權平均值，效果比最近鄰好一些，但計算成本較高。cv2.INTER_CUBIC：雙三次插值，使用相鄰的16個像素進行插值，產生更平滑的效果，但計算成本最高。

borderMode：用於處理邊界的模式:cv2.BORDER_CONSTANT：常數邊界模式，邊界外的像素使用指定的常數值填充。cv2.BORDER_REFLECT：反射邊界模式，邊界外的像素是邊界內像素的鏡像反射。cv2.BORDER_WRAP：循環邊界模式，像素位置溢出時，回到相對應的另一邊。
當 borderMode 設定為 cv2.BORDER_CONSTANT 時:可以使用 borderValue 參數指定邊界的常數值。這個值通常是一個顏色值，例如白色 (255, 255, 255) 或黑色 (0, 0, 0)。

參數幾乎與warpPerspective相似，主要區別在於變換矩陣 M 的大小和形式，以及 warpPerspective 能夠處理更一般的透視變換，而 warpAffine 僅能處理保持平行線的仿射變換。

程式範例 - 平移

import cv2
import numpy as np

# 讀取輸入圖像
img = cv2.imread('input_image.jpg')

# 指定物體的位移量（平移50個像素到右下方）
tx, ty = 50, 50

# 定義仿射變換矩陣 M
M = np.float32([[1, 0, tx], [0, 1, ty]])

# 應用仿射變換
result = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

# 顯示原始圖像和變換後的圖像
cv2.imshow('Original Image', img)
cv2.imshow('Affine Transformed Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

平移比較

程式範例 - 縮放、剪切

import cv2
import numpy as np

# 讀取輸入圖像
img = cv2.imread('123.jpg')

# 仿射變換前的三個點，這些點可以是手動選取或使用檢測算法（例如角點檢測）
src_pts = np.array([[2700, 970], #左上
                    [6000, 60], #右上
                    [6000, 3300]], #右下 
                    dtype=np.float32)

# 仿射變換後的目標三個點
dst_pts = np.array([[0, 0], #左上
                    [6000, 0], #右上
                    [6000, 3368]], #右下 
                    dtype=np.float32)

# 計算仿射變換矩陣 M
M = cv2.getAffineTransform(src_pts, dst_pts)

# 應用仿射變換
result = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

# 顯示原始圖像和變換後的圖像

cv2.imshow('Original Image', img)
cv2.imshow('warpAffine Transformed Image', result)
cv2.waitKey(0)
cv2.destroyAllWindows()