深度学习与计算机视觉实战-图像几何变换.pptxVIP

图像几何变换 1 图像缩放 目录 图像平移 2 图像旋转 3 图像仿射 4 图像平移 图像平移 平移后图像上的每一点都可以在原图像中找到对应的点。通过OpenCV实现图像平移操作，结果如下图所示，（a）为原图和（b）为平移后图像。 图像平移 1 图像缩放 目录 图像平移 2 图像旋转 3 图像仿射 4 图像缩放 图像缩放 具体实现图像缩放有多种方法，OpenCV的resize函数提供了如下5种方法。 最邻近插值 双线性插值 区域插值 三次样条插值 Lanczos插值 图像缩放 最近邻插值选取离目标点最近的点作为新的插入点，是一种较为简单的插值方法。由于是以最近的点作为新的插入点，因此边缘不会出现缓慢的渐慢过度区域，容易导致放大的图像出现锯齿的现象。 假设某A点坐标为(2.3,4.7)，A的四个相邻整数坐标分别为(2,4)、(3,4)、(2,5)、(3,5)，离A最近的点为(2,5)，根据最近邻插值原则，放大图像时，在点A附近插入的点为(2,5)。 通过OpenCV采用最邻近插值法将图像放大和缩小，得到的效果如图所示。 图像缩放 1. 最邻近插值法 图像缩放 2. 双线性插值法 图像缩放 图像缩放 3. 区域插值法 图像缩放 通过OpenCV实现区域插值将图像放大和缩小，得到的效果如图所示。 图像缩放 图像缩放 4. 三次样条插值法 通过OpenCV实现三次样条插值将图像放大和缩小，得到的效果如图所示。 图像缩放 图像缩放 5. Lanczos插值 1 图像缩放 目录 图像平移 2 图像旋转 3 图像仿射 4 图像旋转 图像旋转 通过OpenCV实现图像旋转，得到的效果如图所示。 图像旋转 1 图像缩放 目录 图像平移 2 图像旋转 3 图像仿射 4 图像仿射 车牌矫正是车牌识别的重要步骤，由于拍摄角度的不同，图像中车牌的形状大多存在畸变现象，如图所示。 畸变的车牌区域图像会造成车牌识别精度的降低，因此需要对车牌区域图像进行畸变矫正。 图像仿射 1. 车牌矫正 首先找出车牌区域的角点，选择4个角点（红色点）中任意3个角点（绿色圈）作为计算仿射变换矩阵的输入数据点。 然后定义仿射变换后输出的3个角点的位置，希望经过仿射变换后车牌区域的形状是一个矩形。输出的3个目标点的位置关系如图所示。 图像仿射 图像仿射 与车牌识别相似，在人脸识别过程中，不同人脸的姿态可能不同，在非正脸姿态（如图所示）下进行人脸识别，对识别的精度影响非常大。因此在人脸识别之前，同样需要对人脸进行对齐，保证识别的人脸姿态都是正脸。 首先确定3个人脸对齐参考点，这里选择眼睛和嘴巴的位置作为人脸对齐参考点。 图像仿射 2. 人脸对齐 如果希望矫正后的人脸方向为正方向，那么变换后的人脸图像中眼睛与嘴巴的位置关系如图所示。 图像仿射 通过OpenCV仿射变换实现人脸对齐，得到的效果如图所示。 图像仿射