python opencv投影变换增强

边缘填充：

image = cv2.copyMakeBorder(image, add_width, add_width, add_width, add_width, cv2.BORDER_REPLICATE, 0)

一个是投影变换增强，一个是旋转增强

# -*- coding:utf-8 -*-
import cv2
import numpy as npdef rad(x):return x * np.pi / 180def rotate_3(img,angle_vari=30):w, h = img.shape[0:2]fov = 42anglex = np.random.uniform(-angle_vari, angle_vari)angley = np.random.uniform(-angle_vari, angle_vari)anglez = np.random.uniform(-angle_vari+10, angle_vari-10)# 镜头与图像间的距离，21为半可视角，算z的距离是为了保证在此可视角度下恰好显示整幅图像z = np.sqrt(w ** 2 + h ** 2) / 2 / np.tan(rad(fov / 2))# 齐次变换矩阵rx = np.array([[1, 0, 0, 0],[0, np.cos(rad(anglex)), -np.sin(rad(anglex)), 0],[0, -np.sin(rad(anglex)), np.cos(rad(anglex)), 0, ],[0, 0, 0, 1]], np.float32)ry = np.array([[np.cos(rad(angley)), 0, np.sin(rad(angley)), 0],[0, 1, 0, 0],[-np.sin(rad(angley)), 0, np.cos(rad(angley)), 0, ],[0, 0, 0, 1]], np.float32)rz = np.array([[np.cos(rad(anglez)), np.sin(rad(anglez)), 0, 0],[-np.sin(rad(anglez)), np.cos(rad(anglez)), 0, 0],[0, 0, 1, 0],[0, 0, 0, 1]], np.float32)r = rx.dot(ry).dot(rz)# 四对点的生成pcenter = np.array([h / 2, w / 2, 0, 0], np.float32)p1 = np.array([0, 0, 0, 0], np.float32) - pcenterp2 = np.array([w, 0, 0, 0], np.float32) - pcenterp3 = np.array([0, h, 0, 0], np.float32) - pcenterp4 = np.array([w, h, 0, 0], np.float32) - pcenterdst1 = r.dot(p1)dst2 = r.dot(p2)dst3 = r.dot(p3)dst4 = r.dot(p4)list_dst = [dst1, dst2, dst3, dst4]org = np.array([[0, 0],[w, 0],[0, h],[w, h]], np.float32)dst = np.zeros((4, 2), np.float32)# 投影至成像平面for i in range(4):dst[i, 0] = list_dst[i][0] * z / (z - list_dst[i][2]) + pcenter[0]dst[i, 1] = list_dst[i][1] * z / (z - list_dst[i][2]) + pcenter[1]warpR = cv2.getPerspectiveTransform(org, dst)result = cv2.warpPerspective(img, warpR, (h, w))return resultdef rotate(image, angle_vari=30):angle = np.random.uniform(-angle_vari, angle_vari)rows, cols = image.shape[:2]M = cv2.getRotationMatrix2D((cols / 2, rows / 2), angle, 1)dst = cv2.warpAffine(image, M, (cols, rows))return dstif __name__ == '__main__':img = cv2.imread(r"D:\data\face_mask\1/20200526_173738_452720.jpg")angle_vari = 30while True:result=rotate_3(img, angle_vari=angle_vari)cv2.imshow("result", result)c = cv2.waitKey()

python opencv投影变换增强相关推荐

python opencv 常用增强 dct变换+侵蚀+扩张+索贝尔算子+直方图均衡化+光照平衡+
裁剪操作 img=img[100:200,:,:] 通道置零 img[:,:,2]=0 侵蚀扩张 frame = cv2.erode(frame, kernel=np.ones((5, 5))) # ...
python opencv 投影变换黑边
def rotate_3(img,angle_vari=10):w, h = img.shape[0:2]fov = 42anglex = np.random.uniform(-angle_vari, ...
Python OpenCV实战应用
OpenCV实战应用摘要传统计算机视觉传统特征提取方法 SIFT(尺度不变特征变换) HOG方向梯度特征图 SIFT和HOG的比较 LBP 建筑物轮廓提取介绍代码 API说明车道线检测介 ...
【Tool】Augmentor和imgaug——python图像数据增强库
Augmentor和imgaug--python图像数据增强库 Tags: ComputerVision Python 介绍两个图像增强库:Augmentor和imgaug,Augmentor使用比较 ...
python+opencv实现机器视觉基础技术(2)(宽度测量，缺陷检测，医学检测
本篇博客接着讲解机器视觉的有关技术和知识.包括宽度测量,缺陷检测,医学处理. 一:宽度测量在传统的自动化生产中,对于尺寸的测量,典型的方法就是千分尺.游标卡尺.塞尺等.而这些测量手段测量精度低 ...
python图像增强_【Tool】Augmentor和imgaug——python图像数据增强库
Augmentor和imgaug--python图像数据增强库 Tags: ComputerVision Python 介绍两个图像增强库:Augmentor和imgaug,Augmentor使用比较 ...
Python+Opencv简易车牌识别(二)：形态学运算，HSV颜色空间筛选与图像分割
注:这是依然一个简单的车牌识别demo 1.前言在上一篇Python+Opencv简易车牌识别(一):基于HSV颜色空间的图像分割中,我们讲了如何仅基于颜色来进行简单粗暴的车牌分割.今天我们考虑对图 ...
素描滤镜c语言算法,python opencv图像处理(素描、怀旧、光照、流年、滤镜原理及实现).pdf...
python opencv 图图像像处处理理(素素描描..怀怀旧旧..光光照照..流流年年..滤滤镜镜原原理理及及实实现现) 这篇文章主要介绍了python 基于opencv对图像进行各种处理,帮助 ...
基于python+opencv的图像目标区域自动提取
向AI转型的程序员都关注了这个号???????????? 机器学习AI算法工程公众号:datayx 一.提取纸张中的内容一张照片中的感兴趣区域总是沿着x,y,z三个轴都有一定倾斜(如下图),要 ...

python opencv投影变换增强

python opencv投影变换增强相关推荐

最新文章

热门文章