标签:空间 参考资料 oat 获取 还需 jpg code 代码 arp
通过仿射变换对图片进行旋转、平移、缩放等操作以达到数据增强的效果
线性变换 + 平移
------------------------------------------------------------------------------------------------------
线性变换从几何直观上来看有三个要点:
比如说旋转和推移
可以看到,线性变换是通过矩阵乘法来实现的
------------------------------------------------------------------------------------------------------
仿射变换从集合直观只有两个要点:
可见,少了 原点保持不变 的条件,因此可以进行平移:
上一节2.1中线性变换通过矩阵乘法来实现,仿射变换则不能只通过矩阵乘法来实现,还需要加法
因此,放射变换可以表示为 \(\vec y = A \vec x + \vec b\)
------------------------------------------------------------------------------------------------
可以看到,在高维度上的线性变换可以完成低维度的仿射变换
这样我就可以在三维空间下通过$\left(
\begin{matrix}
A & \vec b\
0 & 1 \
\end{matrix}
\right)
$这个线性变换来操作 z=1 平面上面的二维正方形,完成仿射变换:
cv2的代码实现:cv2.warpAffine
import cv2
import math
import numpy as np
#1. 读取原图
img_raw = cv2.imread("./data/timg.jpg")
#2. 对图像进行操作
#2.1 平移
M = np.array([[0.5,0,0],[0,0.5,0]],np.float32) #为了便于观察,先进行缩小
img_tr =cv2.warpAffine(img_raw, M, img_raw.shape[:2])
cv2.imwrite("./data/image_tr.jpg",img_tr)
#2.2 缩放
img_resize =cv2.resize(img_raw,(64,64))
cv2.imwrite("./data/image_resize.jpg",img_resize)
#2.3 旋转
def rotate(image, angle, center=None, scale=1.0):
# 获取图像尺寸
(h, w) = image.shape[:2]
# 若未指定旋转中心,则将图像中心设为旋转中心
if center is None:
center = (w / 2, h / 2)
# 执行旋转
M = cv2.getRotationMatrix2D(center, angle, scale)
rotated = cv2.warpAffine(image, M, (w, h))
# 返回旋转后的图像
return rotated
img_rotated = rotate(img_raw,90)
cv2.imwrite("./data/img_rotated.jpg",img_rotated)
#2.4 翻转
# 横向翻转图像
flipped_hori = cv2.flip(img_raw, 1)
cv2.imwrite("./data/flipped_hori.jpg",flipped_hori)
# 纵向翻转图像
flipped_ver = cv2.flip(img_raw, 0)
cv2.imwrite("./data/flipped_ver.jpg",flipped_ver)
# 同时在横向和纵向翻转图像
flipped_all = cv2.flip(img_raw, -1)
cv2.imwrite("./data/flipped_all.jpg",flipped_all)
标签:空间 参考资料 oat 获取 还需 jpg code 代码 arp
原文地址:https://www.cnblogs.com/qiulinzhang/p/11133517.html