OpenCV仿射变换实战：图像平移原理与cv2.warpAffine详解

图像平移的实际需求与几何原理

在常见的图像编辑软件中，平移、缩放和旋转是最基础的操作功能。以手机摄影为例，由于设备位置传感器故障或软件Bug，有时会导致拍摄的照片方向异常（如竖拍照片无法正确竖立），此时只能通过软件编辑进行旋转校正。由此可见，几何变换功能在实际生活场景中具有不可或缺的重要性。

为了深入理解这一几何概念，我们可以回顾初中数学中的相关知识点。

平移的基本性质表明，若物体沿x轴方向移动100个单位，其坐标变化即为x+100。因此，平移的通用公式可表示为(x1, y1) = (x+a, y+b)，具体示意如图所示。

从线性方程组的角度看，这是一个二元关系。将其转换为矩阵表示形式后，可以发现其运算方式如下所示。

此处采用三维矩阵进行表示，主要目的是将平移、旋转和缩放三种变换统一为一种表示方式，这体现了升维思想的应用。虽然矩阵第三行在平移操作中看似无直接作用，但通过构造特定的变换矩阵并执行计算，即可实现坐标变换。平移的具体距离由tx和ty决定。为了保持统一性，旋转、缩放和平移均可使用同一公式进行表示和计算，这也是引入三维数组的优势所在。同理，三维空间中的变换则采用四维变换矩阵。下文将通过具体示例演示图像平移的操作过程。

#python 3.7.4,opencv4.1
#蔡军生 https://blog.csdn.net/caimouse/article/details/51749579
#
import cv2
import numpy as np
 
#图片的路径
imgname = "img1.jpg"
 
#读取图片
image = cv2.imread(imgname, cv2.IMREAD_COLOR)
 
#图片的高度和宽度
h,w = image.shape[:2]
 
#构造平移的2X3的矩阵，然后调用warpAffine执行平移
A1 = np.array([[1, 0, 50], [0, 1, 40]], np.float32)
d1 = cv2.warpAffine(image, A1, (w, h), borderValue = 125)
 
#显示平移之后的图片
cv2.imshow("d1",d1)
 
#显示图像
cv2.imshow("image", image)
 
#等待用户输入，然后删除所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

程序执行后的结果如下所示。

左侧图片展示了平移后的效果，左上角出现了一片空白区域，该区域使用了固定颜色进行填充；右侧图片为原始图像。

cv2.warpAffine函数参数详解

本例主要使用了cv2.warpAffine函数，该函数的定义如下所示。

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

函数各参数含义如下：

src：输入图像。

M：变换矩阵。

dsize：输出图像的尺寸。

flags：插值方法的组合（int类型）。

borderMode：边界像素模式（int类型）。

borderValue：边界填充值，默认为0。

在上述参数中，M作为仿射变换矩阵，通常反映平移或旋转关系，类型为InputArray的2×3变换矩阵。

flags表示插值方式，默认为flags=cv2.INTER_LINEAR（线性插值）。其他可选值包括：cv2.INTER_NEAREST（最近邻插值）、cv2.INTER_AREA（区域插值）、cv2.INTER_CUBIC（三次样条插值）以及cv2.INTER_LANCZOS4（Lanczos插值）。

至此，我们掌握了OpenCV中仿射变换的平移功能用法。

总结

以上内容介绍了使用OpenCV实现仿射变换中的平移功能，希望能对大家有所帮助。如有任何疑问，欢迎留言，小编会及时回复。感谢大家对本站的支持！ 如果您觉得本文对您有帮助，欢迎转载，请注明出处，谢谢！