基于python的空域变换

概述基于python的空域变换空域变换加法运算减法运算乘法运算逻辑运算缩放平移旋转后续空域变换空域：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 *** 作，形成另一幅图像。空域变换分类：算术逻辑变换

基于python的空域变换空域变换加法运算减法运算乘法运算逻辑运算缩放平移旋转后续

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 *** 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 cvimg1 = 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 cvimg1=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 cvimg1=cv.imread('5.png')img2=cv.imread('6.png')dst=img1*img2cv.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 cvimg1=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 cv2import mathimport numpy as npclass 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 cv2import mathimport numpy as npclass 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 cv2import mathimport numpy as npclass 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)

后续

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。

总结

以上是内存溢出为你收集整理的基于python的空域变换全部内容，希望文章能够帮你解决基于python的空域变换所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。