opencv 仿射变换和透视变换

### OpenCV中仿射变换的应用场景及实现方法 #### 应用场景 仿射变换在图像处理领域具有广泛的应用，主要包括但不限于以下几个方面： - **几何校正**：通过调整图像中的透视关系，使倾斜的物体看起来更端正[^1]。 - **对象变形**：通过对特定区域应用仿射变换，模拟拉伸、压缩或其他形状变化的效果[^2]。 - **视角转换**：改变相机拍摄的角度或方向，从而获得不同的观察效果[^3]。 这些应用场景通常涉及旋转、缩放和平移操作，能够显著提升图像的质量和实用性。 --- #### 实现方法 以下是使用OpenCV实现仿射变换的具体方法： ##### 方法一：`cv2.getAffineTransform()` 配合 `cv2.warpAffine()` 此方法适用于已知三组对应点的情况。具体步骤如下： 1. 定义源图像上的三个点及其对应的变换后的目标位置； 2. 调用 `cv2.getAffineTransform()` 计算变换矩阵； 3. 利用 `cv2.warpAffine()` 对整幅图像进行变换。 代码示例如下： ```python import cv2 import numpy as np # 原始图像路径 image_path = 'example.jpg' img = cv2.imread(image_path) # 定义原始图像上的三个点 src_points = np.float32([[50, 50], [200, 50], [50, 200]]) # 定义变换后的目标位置 dst_points = np.float32([[10, 100], [200, 50], [100, 250]]) # 获取仿射变换矩阵 M_affine = cv2.getAffineTransform(src_points, dst_points) # 执行仿射变换 result_img = cv2.warpAffine(img, M_affine, (img.shape[1], img.shape[0])) # 显示结果 cv2.imshow('Original Image', img) cv2.imshow('Transformed Image', result_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 上述代码实现了基于指定点集的仿射变换，并展示了原始图像与变换后图像的对比。 --- ##### 方法二：`cv2.getRotationMatrix2D()` 配合 `cv2.warpAffine()` 如果仅需对图像执行简单的旋转、缩放和平移操作，可以直接调用 `cv2.getRotationMatrix2D()` 来获取变换矩阵。 代码示例如下： ```python import cv2 import numpy as np # 加载图像 image_path = 'example.jpg' img = cv2.imread(image_path) # 图像中心作为旋转中心 center = (img.shape[1] / 2, img.shape[0] / 2) # 设置旋转角度（顺时针为负值） angle = 45 # 逆时针旋转45度 # 缩放比例 scale = 1.0 # 获取旋转矩阵 rotation_matrix = cv2.getRotationMatrix2D(center, angle, scale) # 进行仿射变换 rotated_image = cv2.warpAffine(img, rotation_matrix, (img.shape[1], img.shape[0])) # 展示结果 cv2.imshow('Rotated Image', rotated_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码演示了如何围绕图像中心进行旋转并保持尺寸不变的操作。 --- #### 总结 无论是通过定义对应点还是直接设定旋转参数的方式，都可以借助OpenCV完成复杂的仿射变换任务。这两种方式各有优劣，在实际开发过程中可根据需求灵活选用。 ---