基于python的空域变换
空域变换- 空域：是指图像所在的平面，即像素位置所在的空间。
- 空域变换：对像素点的位置和灰度值根据图像变化目的需要，对图像矩阵进行运算操作，形成另一幅图像。
- 空域变换分类：算术逻辑变换、几何变换、灰度变换、直方图变换。
加法运算
主要应用
- 去除叠加性噪声
- 生成图像叠加效果
import cv2 as cv
img1 = cv.imread("1.jpg")
img2 = cv.imread("2.jpg")
print(img1.shape,img2.shape)
img1=cv.resize(img1,(img2.shape[1],img2.shape[0]))
image=cv.addWeighted(img1,0.6,img2,0.4,0.0,)
cv.imshow('img1',image)
cv.waitKey(0)
cv.destroyAllWindows()
减法运算
“主要运用”
- 显示两幅图像的差异，检测同一场景两幅图像之间的变化，如：视频中镜头边界的检测
- 去除不需要的叠加性图案
- 图像分割：如分割运动的车辆，减法去掉静止部分，剩余的是运动元素和噪声
import cv2 as cv
img1=cv.imread('5.png')
img2=cv.imread('6.png')
#img1=cv.imread('LinuxLogo.jpg')
#img2=cv.imread('WindowsLogo.jpg')
dst=cv.add(img1,img2)
dst1=cv.subtract(img1,img2)
cv.imshow('dst',dst1)
cv.imshow('dst1',dst)
cv.waitKey(0)
cv.destroyAllWindows()
乘法运算
主要应用
图像的局部显示，如：用二值蒙板图像与原图像做乘法
import cv2 as cv
img1=cv.imread('5.png')
img2=cv.imread('6.png')
dst=img1*img2
cv.imshow('181360152',dst)
cv.waitKey(0)
cv.destroyAllWindows()
逻辑运算
- 非运算主要运用：图像求反，g（x,y）=255-f(x,y)
- 与运算主要用于：两个图像相交子集，提取感兴趣子图像，g（x,y）=f（x,y）^h（x,y)
import cv2 as cv
img1=cv.imread('LinuxLogo.jpg')
img2=cv.imread('WindowsLogo.jpg')
and_img=cv.bitwise_and(img1,img2)
or_img=cv.bitwise_or(img1,img2)
not_img=cv.bitwise_not(img1)
xor_img=cv.bitwise_xor(img1,img2)
cv.imshow('181360152',and_img)
cv.imshow('181360152zhang',or_img)
cv.imshow('181360152yang',not_img)
cv.imshow('181360152-',xor_img)
cv.waitKey(0)
cv.destroyAllWindows()
缩放
import cv2
import math
import numpy as np
class Img:
def __init__(self,image,rows,cols,center=[0,0]):
self.src=image #原始图像
self.rows=rows #原始图像的行
self.cols=cols #原始图像的列
self.center=center #旋转中心，默认是[0,0]
def Move(self,delta_x,delta_y): #平移
#delta_x>0左移，delta_x<0右移
#delta_y>0上移，delta_y<0下移
self.transform=np.array([[1,0,delta_x],[0,1,delta_y],[0,0,1]])
def Zoom(self,factor): #缩放
#factor>1表示缩小；factor<1表示放大
self.transform=np.array([[factor,0,0],[0,factor,0],[0,0,1]])
def Horizontal(self): #水平镜像
self.transform=np.array([[1,0,0],[0,-1,self.cols-1],[0,0,1]])
def Vertically(self): #垂直镜像
self.transform=np.array([[-1,0,self.rows-1],[0,1,0],[0,0,1]])
def Rotate(self,beta): #旋转
#beta>0表示逆时针旋转；beta<0表示顺时针旋转
self.transform=np.array([[math.cos(beta),-math.sin(beta),0],
[math.sin(beta), math.cos(beta),0],
[ 0, 0, 1]])
def Process(self):
self.dst=np.zeros((self.rows,self.cols),dtype=np.uint8)
for i in range(self.rows):
for j in range(self.cols):
src_pos=np.array([i-self.center[0],j-self.center[1],1])
[x,y,z]=np.dot(self.transform,src_pos)
x=int(x)+self.center[0]
y=int(y)+self.center[1]
if x>=self.rows or y>=self.cols or x<0 or y<0:
self.dst[i][j]=255
else:
self.dst[i][j]=self.src[x][y]
if __name__=='__main__':
src=cv2.imread('123.jpg',0)
rows = src.shape[0]
cols = src.shape[1]
cv2.imshow('src', src)
img=Img(src,rows,cols,[248,231])
img.Zoom(0.5) #缩放
img.Process()
cv2.imshow('dst', img.dst)
cv2.waitKey(0)
平移
import cv2
import math
import numpy as np
class Img:
def __init__(self,image,rows,cols,center=[0,0]):
self.src=image #原始图像
self.rows=rows #原始图像的行
self.cols=cols #原始图像的列
self.center=center #旋转中心，默认是[0,0]
def Move(self,delta_x,delta_y): #平移
#delta_x>0左移，delta_x<0右移
#delta_y>0上移，delta_y<0下移
self.transform=np.array([[1,0,delta_x],[0,1,delta_y],[0,0,1]])
def Zoom(self,factor): #缩放
#factor>1表示缩小；factor<1表示放大
self.transform=np.array([[factor,0,0],[0,factor,0],[0,0,1]])
def Horizontal(self): #水平镜像
self.transform=np.array([[1,0,0],[0,-1,self.cols-1],[0,0,1]])
def Vertically(self): #垂直镜像
self.transform=np.array([[-1,0,self.rows-1],[0,1,0],[0,0,1]])
def Rotate(self,beta): #旋转
#beta>0表示逆时针旋转；beta<0表示顺时针旋转
self.transform=np.array([[math.cos(beta),-math.sin(beta),0],
[math.sin(beta), math.cos(beta),0],
[ 0, 0, 1]])
def Process(self):
self.dst=np.zeros((self.rows,self.cols),dtype=np.uint8)
for i in range(self.rows):
for j in range(self.cols):
src_pos=np.array([i-self.center[0],j-self.center[1],1])
[x,y,z]=np.dot(self.transform,src_pos)
x=int(x)+self.center[0]
y=int(y)+self.center[1]
if x>=self.rows or y>=self.cols or x<0 or y<0:
self.dst[i][j]=255
else:
self.dst[i][j]=self.src[x][y]
if __name__=='__main__':
src=cv2.imread('123.jpg',0)
rows = src.shape[0]
cols = src.shape[1]
cv2.imshow('src', src)
img=Img(src,rows,cols,[248,231])
img.Move(-30, -50) # 平移
img.Process()
cv2.imshow('dst', img.dst)
cv2.waitKey(0)
旋转
import cv2
import math
import numpy as np
class Img:
def __init__(self,image,rows,cols,center=[0,0]):
self.src=image #原始图像
self.rows=rows #原始图像的行
self.cols=cols #原始图像的列
self.center=center #旋转中心，默认是[0,0]
def Move(self,delta_x,delta_y): #平移
#delta_x>0左移，delta_x<0右移
#delta_y>0上移，delta_y<0下移
self.transform=np.array([[1,0,delta_x],[0,1,delta_y],[0,0,1]])
def Zoom(self,factor): #缩放
#factor>1表示缩小；factor<1表示放大
self.transform=np.array([[factor,0,0],[0,factor,0],[0,0,1]])
def Horizontal(self): #水平镜像
self.transform=np.array([[1,0,0],[0,-1,self.cols-1],[0,0,1]])
def Vertically(self): #垂直镜像
self.transform=np.array([[-1,0,self.rows-1],[0,1,0],[0,0,1]])
def Rotate(self,beta): #旋转
#beta>0表示逆时针旋转；beta<0表示顺时针旋转
self.transform=np.array([[math.cos(beta),-math.sin(beta),0],
[math.sin(beta), math.cos(beta),0],
[ 0, 0, 1]])
def Process(self):
self.dst=np.zeros((self.rows,self.cols),dtype=np.uint8)
for i in range(self.rows):
for j in range(self.cols):
src_pos=np.array([i-self.center[0],j-self.center[1],1])
[x,y,z]=np.dot(self.transform,src_pos)
x=int(x)+self.center[0]
y=int(y)+self.center[1]
if x>=self.rows or y>=self.cols or x<0 or y<0:
self.dst[i][j]=255
else:
self.dst[i][j]=self.src[x][y]
if __name__=='__main__':
src=cv2.imread('123.jpg',0)
rows = src.shape[0]
cols = src.shape[1]
cv2.imshow('src', src)
img=Img(src,rows,cols,[248,231])
img.Rotate(-math.radians(180)) #旋转
img.Process()
cv2.imshow('dst', img.dst)
cv2.waitKey(0)
如果想了解更多物联网、智能家居项目知识，可以关注我的项目实战专栏。
或者关注公众号。
编写不易，感谢支持。