opencv仿射变换

这篇具有很好参考价值的文章主要介绍了opencv仿射变换。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

#include <opencv2/opencv.hpp>

/*
功能:对一系列坐标点进行平移仿射变换
参数:
srcPoints:输入点坐标
dstPoints:变换后的点坐标
x:x方向平移的距离
y:y方向平移的距离
*/
void tranlatePoints(std::vector<cv::Point2f>& srcPoints, std::vector<cv::Point2f>& dstPoints,double x,double y)
{
    cv::Mat affineMatrix = (cv::Mat_<double>(2, 3) << 1, 0, x, 0, 1,y);
    cv::transform(srcPoints, dstPoints, affineMatrix);
}

/*
功能:对一系列点进行旋转仿射变换
参数:
srcPoints:输入点坐标
dstPoints:变换后的点坐标
basePoint:旋转基准点
zoomRate:缩放比例,默认为1表示不缩放
*/
void rotatePoints(std::vector<cv::Point2f>& srcPoints, std::vector<cv::Point2f>& dstPoints, cv::Point& basePoint,int degree, float zoomRate=1)
{
    cv::Mat affineMatrix = cv::getRotationMatrix2D(basePoint,degree,zoomRate);
    cv::transform(srcPoints, dstPoints, affineMatrix);
}

/*
功能:对一系列点进行缩放仿射变换
参数:
srcPoints:输入点坐标
dstPoints:变换后的点坐标
basePoint:缩放基准点
zoomRate:缩放比例
*/
void zoomPoints(std::vector<cv::Point2f>& srcPoints, std::vector<cv::Point2f>& dstPoints, cv::Point& basePoint,float zoomRate)
{
    cv::Mat affineMatrix = cv::getRotationMatrix2D(basePoint,0,zoomRate);
    cv::transform(srcPoints, dstPoints, affineMatrix);
}

/*
功能:对一张图片进行平移
参数:
src:要平移的图片
dst:平移的结果
x:x方向平移的距离
y:y方向平移的距离
*/
void translateImage(cv::Mat& src, cv::Mat& dst, double x, double y)
{
    cv::Mat M = (cv::Mat_<double>(2, 3) << 1, 0, x, 0, 1, y);
    cv::warpAffine(src, dst, M, src.size());
}

/*
功能:对一张图片进行旋转
参数:
image:输入图像
imgOut:旋转后的图像
angle:旋转角度
*/
void rotateImage(cv::Mat& image, cv::Mat& imgOut, int angle)
{
    /*
    对旋转的进行改进,由于图形是一个矩形,旋转后的新图像的形状是一个原图像的外接矩形
    因此需要重新计算出旋转后的图形的宽和高
    */
    int width = image.cols;
    int height = image.rows;

    double radian = angle * CV_PI / 180.;//角度转换为弧度
    double width_rotate = fabs(width*cos(radian)) + fabs(height*sin(radian));
    double height_rotate = fabs(width*sin(radian)) + fabs(height*cos(radian));

    //旋转中心 原图像中心点
    cv::Point2f center((float)width / 2.0, (float)height / 2.0);
    //旋转矩阵
    cv::Mat m1 = cv::getRotationMatrix2D(center, angle, 1.0);
    //m1为2行3列通道数为1的矩阵
    //变换矩阵的中心点相当于平移一样 原图像的中心点与新图像的中心点的相对位置
    m1.at<double>(0, 2) += (width_rotate - width) / 2.;
    m1.at<double>(1, 2) += (height_rotate - height) / 2.;
    if (image.channels() == 1)
    {
        cv::warpAffine(image, imgOut, m1, cv::Size(width_rotate, height_rotate), cv::INTER_LINEAR, 0, cv::Scalar(0));
    }
    else if (image.channels() == 3)
    {
        cv::warpAffine(image, imgOut, m1, cv::Size(width_rotate, height_rotate), cv::INTER_LINEAR, 0, cv::Scalar(0,0,0));
    }
}

/*
功能:对一张图片进行缩放
参数:
src:输入图像
dst:缩放后的图像
basePoint:缩放基准点
zoomRate:缩放比例
*/
void zoomImage(cv::Mat& src, cv::Mat& dst, cv::Point& rotaPoint, float zoomRate)
{
    cv::Mat M = cv::getRotationMatrix2D(rotaPoint, 0, zoomRate);
    cv::warpAffine(src, dst, M, src.size());
}

//#define TESTPOINTS
#define TESTIMAGE

int main() {
#ifdef TESTPOINTS
    // 创建原始点集
    std::vector<cv::Point2f> srcPoints = { cv::Point2f(100, 100), cv::Point2f(200, 200), cv::Point2f(300, 300) };
    //变换点集
    std::vector<cv::Point2f> dstPoints;
    //tranlatePoints(srcPoints, dstPoints, 10, 10);
    cv::Point point(0, 0);
    //rotatePoints(srcPoints, dstPoints, point,180);
    //zoomPoints(srcPoints, dstPoints, point, 0.5);

    // 输出结果
    std::cout << "原始点集: ";
    for (const auto& point : srcPoints) {
        std::cout << point << " ";
    }
    std::cout << std::endl;

    std::cout << "仿射变换后的点集: ";
    for (const auto& point : dstPoints) {
        std::cout << point << " ";
    }
    std::cout << std::endl;
#endif // TESTPOINTS

#ifdef TESTIMAGE
    cv::Mat img1 = cv::imread("D:/20240103141532.png");
    cv::Mat dst;
    //translateImage(img1, dst, -50, 50);
    //cv::imshow("src",img1);
    //cv::imshow("1", dst);
    //cv::waitKey(0);
    
    //for (int i = 0; i < 36; i++)
    //{
    //    rotateImage(img1, dst,i * 10);
    //    cv::imshow("1", dst);
    //    cv::waitKey(0);
    //}

    //int width = img1.cols;
    //int height = img1.rows;
    //cv::Point basePoint((float)width / 2.0, (float)height / 2.0);
    //zoomImage(img1, dst, basePoint, 0.5);
    //cv::imshow("src", img1);
    //cv::imshow("1", dst);
    //cv::waitKey(0);
#endif // TESTIMAGE
    return 0;
}文章来源地址https://www.toymoban.com/news/detail-795463.html

到了这里,关于opencv仿射变换的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • hnu计算机与人工智能概论5.6

    最近有点忙,好久没更新了,大家见谅!最后一关howell也做不出来  第1关:数据分析基础 1.将scores.xls文件读到名为df的dataframe中 2.添加平均分列:考勤、实验操作、实验报告的平均 3.输出前3行学生的平均分列表,控制小数点后两位 4.输出学生人数和班级数 5.分别输出实验报

    2024年02月04日
    浏览(59)
  • 人工智能与计算机辅助决策的技术融合

    人工智能(Artificial Intelligence, AI)和计算机辅助决策(Computer-Aided Decision, CAD)是两个不同的领域,但它们之间存在密切的联系和相互作用。人工智能主要关注于模拟和创造人类智能的机器,包括学习、理解自然语言、视觉识别、推理和决策等方面。而计算机辅助决策则关注于利用

    2024年02月22日
    浏览(61)
  • 探索人工智能 | 智能推荐系统 未来没有人比计算机更懂你

    智能推荐系统(Recommendation Systems)利用机器学习和数据挖掘技术,根据用户的兴趣和行为,提供个性化推荐的产品、内容或服务。 智能推荐系统是一种利用机器学习和数据分析技术的应用程序,旨在根据用户的兴趣、偏好和行为模式,向其推荐个性化的产品、服务或内容。

    2024年02月13日
    浏览(51)
  • 阶段五:深度学习和人工智能(学习人工智能的应用领域,如自然语言处理,计算机视觉等)

    Python是人工智能领域最流行的编程语言之一,它具有简单易学、功能强大、库丰富等优点,因此在自然语言处理、计算机视觉等领域得到了广泛应用。 自然语言处理 自然语言处理是人工智能领域的一个重要分支,它主要研究如何让计算机理解和处理人类语言。Python在自然语

    2024年02月04日
    浏览(80)
  • hnu计算机与人工智能概论答案3.8

    连夜更新,求求关注!! 写在前面:这一课难度较低,报错时多看看冒号和缩进有无错误,祝大家做题顺利!!! 第1关:python分支入门基础 根据提示,在右侧编辑器补充代码,完成分支程序设计(用函数调用的方式来实现)。 第1题: 闰年的判断:判断某一年是否是闰年,

    2024年02月08日
    浏览(49)
  • 人工智能在计算机视觉中的应用与挑战

    引言 计算机视觉是人工智能领域的一个重要分支,旨在让计算机能够像人一样理解和解释视觉信息,实现图像和视频的自动识别、理解和分析。计算机视觉技术已经在许多领域产生了深远的影响,如人脸识别、自动驾驶、医学影像分析等。本篇博客将深入探讨人工智能在计算

    2024年02月14日
    浏览(62)
  • hnu计算机与人工智能概论答案3.15

     终于肝完了!有一说一,这一次难度肉眼可见的提升,终于明白程序员为什么会秃顶了(头发真的禁不住薅啊),祝大家好运! 第1关:循环结构-while与for循环 第1题 编程计算如下公式的值1^2+3^2+5^2+...+995^2+997^2+999^2并输出结果 第2题 用 while 语句完成程序逻辑,求如下算法可

    2024年02月08日
    浏览(60)
  • hnu计算机与人工智能概论答案2.20

    补一下第一次作业 第1关:数据输入与输出 第一题 在屏幕上输出字符串:hi, \\\"how are you\\\" ,I\\\'m fine and you 第二题 从键盘输入两个整数,计算两个数相除的商与余数 假设输入12,5 输出为 2 2 第三题 在屏幕上 输入一个三位数输出该数的个位、十位和百位数字 假设输入125 输出为 5 2

    2024年02月08日
    浏览(61)
  • hnu计算机与人工智能概论5.26(方程求根)

    第1关:用暴力搜索法求方程的近似根  本关任务:用暴力搜索法求 f(x)=x3−x−1 在[-10,10]之间的近似根。已知f(-10)0,f(10)0,画图可知函数在[-10,10]区间有且仅有一个根。要求近似根带入函数f(x)之后,函数值与0之间的误差在 10−6 之内,请保留4位小数输出该根值,并输出搜寻次

    2024年02月03日
    浏览(44)
  • 读十堂极简人工智能课笔记04_计算机视觉

    3.2.3.1. 应该发现真正的边缘,而尽量避免错报 3.2.4.1. 应该正确地找出边缘的确切位置 3.2.5.1. 每条实际的边缘应该检测为一条边缘,而不是多条边缘 4.7.5.1. 有数以百万计的几乎任何种类的图像例子 4.7.7.1. 神经网络自己就能完成这一切

    2024年02月19日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包