几何变换的性质毕业论文

图像几何变换和图像变换的区别为：性质不同、包括不同、原始图像不同。

一、性质不同

1、图像几何变换：图像几何是从具有几何结构之集合至其自身或其他此类集合的一种对射。

2、图像变换：图像变换将原定义在图像空间的图像以某种形式转换到另外的空间，利用空间的特有性质方便地进行一定的加工，最后再转换回图像空间以得到所需的效果。

二、包括不同

1、图像几何变换：图像几何变换包括翻折变换、平移变换、旋转变换。

2、图像变换：图像变换包括傅里叶变换、沃尔什-阿达玛变换。

三、原始图像不同

1、图像几何变换：图像几何变换的原始图像为平面域图像。

2、图像变换：图像变换的原始图像为空间域图像。

qnmlgb

几何变换是指将一幅图像映射到另一副图像内的操作，根据映射关系的不同，有缩放、翻转、仿射变换、透视、重映射等。 在OpenCV中使用函数()实现对图像的缩放： (src, dsize[,fx[,fy[, interpolation]]]) src  :代表要缩放的原始图像； dsize ： 代表输出图像大小，第一个值为目标图像的宽度，第二个值为目标图像的高度 fx  : 代表水平方向的缩放比 fy  ： 代表垂直方向的缩放比 interpolation: 代表插值方式。插值是指在对图像进行几何处理时，给无法直接通过映射得到值的像素点赋值。当缩小图像时，使用区域插值方式( INTER_AREA)能够得到最好的效果；当放大图像时，使用三次样条插值(INTER_CUBIC)方式和双线性插值(INTER_LINEAR)方式都能得到较好的效果。三次样条插值方式速度较慢，双线性插值方式速度相对较快且效果并不逊色。 【注】：fx、fy只要当dsize=None时才起作用。 import cv2 import numpyas np img = ('') shape_img = print(shape_img) biger_img = (img,(720,480),interpolation=) smaller_img = (img,None,fx=) ('img',img) ('biger_img',biger_img) ('smaller_img',smaller_img) return_value = (0) () 在OpenCV中，图像的翻转采用函数()实现，该函数能实现水平方向、垂直方向、两个方向同时翻转。 dst = (src, flipCode) src : 表示要处理的图像； flipCode : 表示旋转类型，为0时，表示绕X轴旋转；为正数，表示绕y轴旋转；为负数，表示绕x、y轴同时旋转。 dst: 返回和原图像有相同大小和类型的目标图像。 img = ('') shape_img = print(shape_img) x_img = (img,1) xy_img = (img,-1) ('img',img) ('x_img',x_img) ('xy_img',xy_img) return_value = (0) () 仿射是指图像可以经过一系列的几何变换来实现平移、旋转等多种操作。该变换能够保持图像的平直性（变换前后，直线仍是直线）和平行性（变换前后，平行线仍是平行线）。 OpenCV中的仿射函数是(),其通过一个变换矩阵M实现变换，具体为：dst = (src,M,dsize[,flags[,borderMode[,borderValue]]]) dst: 表示输出图像，它和原始图像有相同的类型，大小由dsize决定； src: 表示原始图像； M： 代表一个2X3的变换矩阵。 dsize: 输出图像的尺寸大小； flags : 代表插值方法，默认为INTER_LINEAR。当该值是WARP_INVERSE_MAP时，意味着M是逆变换矩阵，实现从目标图像dst到原始图像src的逆变换。 borderModer : 代表边类型，默认为BORDER_CONSTANT.当该值为BORDER_TRANSPARENT时，意味着目标图像内的值不做改变，这些值对应原始图像内的异常值。 borderValue : 代表边界值，默认是0. 1）平移 平移的矩阵M: M = [[1,0,x],[0,1,y]] 将图像水平向右移动100像素，垂直向下平移150像素。 import cv2 import numpyas np img = ('') shape_img = print(shape_img) M = ([[1,0,100],[0,1,150]]) warp_img = (img,M,(shape_img[1],shape_img[0])) rut_warp_img = (img,M,(shape_img[1],shape_img[0]),borderMode=) ('img',img) ('warp_img',warp_img) ('rut_warp_img',rut_warp_img) return_value = (0) () 2)旋转 在使用wrapAffine()对图像进行旋转时，可以通过函数(center,angle,scale)获取转换矩阵。其中： center为旋转中心； angle为旋转角度； scale为变换尺度。 例如：以图像中心点为旋转中心，顺时针旋转45°，图像缩小到原来的倍。 img = ('') height,width = [:2] M = ((width/2,height/2),45,) rota_img = (img,M,(width,height)) ('img',img) ('rota_img',rota_img) 3）更复杂的仿射 对于更复杂的仿射变换，Opencv提供了函数()来生成仿射函数所需要的转换矩阵M. (src,dst) src 代表输入图像的三个点坐标 dst 代表输出图像的三个点坐标 该函数定义了两个平行四边形，src和dst中的三个点分别对应平行四边形的左上角、右上角、左下角。它确定了原图像到目标图像的映射关系。 img = ('') height,width = [:2] # 确定两个平行四边形 p1 = ([[0,0],[width-1,0],[0,height-1]]) p2 = ([[0,height*],[width**],[height**]]) M = ((width/2,height/2),45,) retval = (p1,p2) rota_img = (img,M,(width,height)) dst_img = (img,retval,(width,height)) ('img',img) ('rota_img',rota_img) ('dst_img',dst_img) 仿射变换可以将矩形变成任意平行四边形，透视变换可以将矩形映射到任意四边形。 透视变换通过()实现： dst = (src, M, dsize[,flags[,borderMode[,borderValue]]]) dsize  :决定输出图像的大小 M  :代表一个3X3的变换矩阵 flags: 代表差值方法，默认为INTER_LINEAR。当该值是WARP_INVERSE_MAP时，意味着M是逆变换类型 borderValue  :代表边界值，默认是0 与仿射变换一样，同样可以使用一个函数来生成M: (src,dst) src,dst 都是一个包含四个坐标点的数组。 例如： img = ('') height,width = [:2] # 确定两个平行四边形 p1 = ([[0,0],[100,0],[0,50],[100,50]]) p2 = ([[20,20],[50,30],[30,70],[70,60]]) retval = (p1,p2) dst_img = (img, retval, (width,height)) ('img',img) ('dst_img',dst_img) 把一幅图像的像素点放到另一幅图像的指定范围，这个过程称为图映射。OpenCV提供了多种重映射方式，其中dst = (src, map1, map2, interpolation[,borderMode[,borderValue]]) dst 和src有相同的大小和类型。 map1 参数都有两种可能的值： 1）表示(x,y)点的一个映射 2）表示CV_16SC2,CV_32FC1,CV_32FC2类型(x,y)点的x值 map1 参数同样有两种可能的值： 1）当map1表示(x,y）时，该值为空 2）当map1表示(x,y)点的x值时，该值是CV_16UC1,CV_32FC1类型(x,y)点的y值。 Interpolation代表插值方式，这里不支持INTER_AREA方法。 重映射通过修改像素点的位置得到一幅新图像。在构造新图像时，需要确定新图像中每一个像素点在原始图像中的位置，因此映射函数的作用是查找新图像在原始图像中的位置，该过程是将新图像映射到原始图像的过程，因此被称为反向映射。 在函数()中，参数map1和map2用来说明反向映射，map1针对的是坐标x，指代像素所在位置的列号,map2针对的是坐标y，指代像素所在位置的行号。map1和map2的值都是浮点数。因此目标函数可以映射回一个非整数的值，这意味着可以将目标图像“反向映射”到原始图像中两个像素之间的位置（这样的位置是不存在的）。这是采用不同的方法来插值处理。 将map1的值设为对应位置上的x轴坐标值 将map2的值设为对应位置上的y轴坐标值 假如想让图片绕X轴翻转，则图像x坐标不变，y坐标变为总行数-1-当前行号； 如果想让它绕y轴翻转，也同理：总列数-1-当前列号 将x轴的值调整为所在行的行号；将y轴的值调整为所在列的列号 注：如果行数和列数不等，可能出现存在值不能映射的情况。默认情况下，无法完成的值会被处理为0. 将图像缩小为原来的两倍，并居中处理： 结果如下：