OpenCV 图像平移 Python OpenCV 图像平移的实现示例

每次学习新东西的时候，橡皮擦都是去海量检索，然后找到适合自己理解的部分。

再将其拼凑成一个小的系统，争取对该内容有初步理解。

今天这 1 个小时，核心要学习的是图像的平移，在电脑上随便打开一张图片，实现移动都非常简单，但是在代码中，出现了一些新的概念。

检索 OpenCV 图像平移相关资料时，碰到的第一个新概念是就是 仿射变换。

每次看到这样子的数学名字，必然心中一凉，做为一个数学小白，又要瑟瑟发抖了。

百度一下，看看百科中是如何介绍的。

看过上图中的一些相关简介之后，对于这个概念也并没有太深刻的理解，本着先用起来，在补充理论的学习观点，我们先实现图像平移。

学习过程中，碰到一些概念性的东西，可以先应用起来，然后在后续的深入学习过程中，逐步去完善它们。

cv2.warpAffine() 仿射变换

基于该方法去寻找相关资料，得到仿射变换的基本概念，从二维坐标到二维坐标之间的线性变换，并且要保持二维图形的“平直性” 和 “平行性”。

仿射变换中，包含平移，缩放，翻转，旋转，剪切。

该方法的语法结构如下：

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

参数说明：

• src：输入图像
• M：2*3 transformation matrix (转变矩阵)
• dsize：输出图像的大小，格式为(cols,rows)，width 对应 cols，height 对应 rows
• flags： 可选参数，插值方法的组合（int 类型），默认值 INTER_LINEAR
• borderMode：可选参数，边界像素模式（int 类型），默认值 BORDER_CONSTANT
• borderValue：可选参数，边界填充值; 默认情况下，默认值 Scalar()即 0
  

官方可查阅的英文资料如下：

插值方式（flags）有如下类型：

• INTER_LINEAR 线性插值
• INTER_NEAREST 最近邻插值
• INTER_AREA 区域插值
• INTER_CUBIC 三次样条插值
• INTER_LANCZOS4 Lanczos 插值

一般情况下，使用 wrapAffine 前三个参数，即 warpAffine(img,M,(rows,cols)) 实现基本的仿射变换效果，但是这种情况会出现 黑边 现象。

最后一个参数为 borderValue，边界填充的颜色，默认为黑色，可以自行设置为其它颜色。

具体代码

图像平移是图像位置的移动。在平移前，需要先转换矩阵 M，，其中 tx，ty 表示在(x,y)方向上的位移，如下所示：

测试代码如下，重要部分在注释中进行说明。

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()

特别说明：
cv.warpAffine 方法的第三个参数是输出图像的大小，其形式应为（width，height）。记住 width =列数（cols），height =行数（rows）。

以下为代码运行结果。

关于 borderMode 参数值的说明：

该部分内容涉及边缘处理，翻阅手册过程找到的说明指向 BorderTypes。翻阅了一下，依旧是有些超纲，可以先记录下相关内容，日后在进行回顾，参考地址。

所有值罗列如下：

• 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：当图像边界处理方式为 BORDER_CONSTANT 时的填充值。

测试代码如下：

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 尾声