数字图像处理实战-PPT第2章 图像的基本变换

第2章图像的基本变换1在图像上绘制图形目录读写图像数据2转换图像的颜色空间3图像几何变换42.1读写图像数据一幅图像需要在空间和灰度上都离散化才能被计算机处理在实际应用中，阵列传感器获取的数字图像如图2‑1所示图2‑1阵列传感器获取的数字图像导言用Python读取一幅图像，需要导入OpenCV模块，它包含数字图像处理的不同算法使用OpenCV中的imread()方法读取图像使用OpenCV中的imshow()方法在指定窗口中显示图像2.1.1读取和显示图像常用的图像文件格式有BMP（Bitmap）、TIFF（TagImageFileFormat）、GIF（GraphicInterchangeFormat）、JPEG（JointPhotographicExpertsGroup）、PDF（PortableDocumentFormat）和PNG(PortableNetworkGraphics)等若想保存结果图像，可以使用OpenCV中的imwrite()方法保存图像2.1.2保存图像1在图像上绘制图形目录读写图像数据2转换图像的颜色空间3图像几何变换42.2在图像上绘制图形line()方法用于在图像上绘制直线，其语法格式如下：2.2.1绘制简单的图形1.在图像上绘制直线2.2.1绘制简单的图形使用line()方法在图像上绘制一条直线，如代码所示circle()方法用于在图像上绘制圆，其语法格式如下：2.2.1绘制简单的图形2.在图像上绘制圆2.2.1绘制简单的图形使用circle()方法在图像上绘制圆，如代码所示rectangle()方法用于在图像上绘制矩形，其语法格式如下：2.2.1绘制简单的图形3.在图像上绘制矩形2.2.1绘制简单的图形使用rectangle()方法用于在图像上绘制矩形，如代码所示putText()方法用于在图像上添加文字，其语法格式如下：2.2.1绘制简单的图形4.在图像上添加文字2.2.1绘制简单的图形使用putText()方法在图像上添加文字，如代码所示在图像上标注出和任务相关的、特定于任务的标签主要包括基于文本的标签（类）、绘制在图像上的标签（边框），甚至是像素级的标签在图像上添加人脸区域的标注和标签，如代码所示2.2.2标注图像中的人脸区域图像标注是计算机视觉任务的关键1在图像上绘制图形目录读写图像数据2转换图像的颜色空间3图像几何变换42.3转换图像的颜色空间人的视觉认知依赖亮度、色调和饱和度这3个基本特征量来区分颜色任何一种颜色都可由其亮度、色调和饱和度来表征形成任何一种颜色的红色量、绿色量和蓝色量被称为三色值，并分别表示为X、Y和Z一种色彩就可以由其三色系数来规定，三色系数定义如下2.3.1了解颜色空间非常典型、常用的面向硬件设备的颜色空间是三基色颜色空间电视、摄像机和彩色扫描仪都是根据RGB颜色空间工作的RGB颜色空间是一种与人的视觉系统结构密切相连的颜色空间2.3.1了解颜色空间1.RGB图2‑8CIE色度图

图2‑9RGB颜色空间灰度图像能以较少的数据表征图像的大部分特征在某些算法的预处理阶段需要将彩色图像转换为灰度图像，以提高后续算法的效率常用的RGB图像灰度化方法有3种：最大值灰度化、平均值灰度化、加权平均灰度化2.3.1了解颜色空间2.灰度空间面向彩色处理的常用的颜色空间是HSI颜色空间，其中H表示色调，S表示饱和度，I表示亮度色调与亮度对应，并与物体的反射率成正比，如果无彩色就只有亮度一个维度的变化HSI颜色空间中的色度可借助以R、G、B为3个顶点的三角形来描述2.3.1了解颜色空间3.HSI与HSV从RGB颜色空间到HSI颜色空间的转换2.3.1了解颜色空间3.HSI与HSV从HSI颜色空间到RGB颜色空间的转换①当H在[)区间内时，转换公式如下②

当H在[)区间内时，转换公式如下③当H在[)区间内时，转换公式如下2.3.1了解颜色空间3.HSI与HSV利用三基色光叠加可产生光的三补色：蓝绿（C，即绿加蓝）、品红（M，即红加蓝）、黄（Y，即红加绿）按一定的比例混合三基色光或将一个补色光与相对的基色光混合可以产生白色光颜料的三基色正好是光的三补色，而颜料的三补色正好是光的三基色一种简单的CMY颜色空间到RGB颜色空间的转换方法如下2.3.1了解颜色空间4.

CMY2.3.2颜色空间的相互转换

OpenCV中提供的cvtColor()方法可以进行图像颜色空间转换，其语法格式如下2.3.2颜色空间的相互转换将RGB空间图像转换为灰度空间图像2.3.2颜色空间的相互转换将RGB空间图像转换为HSV空间图像1在图像上绘制图形目录读写图像数据2转换图像的颜色空间3图像几何变换42.4图像几何变换相同内容的两幅图像可能由于成像角度、透视乃至镜头自身原因所造成的几何失真而呈现出截然不同的外观，给数字图像处理和识别任务带来困难通过适当的几何变换可以最大限度地消除这些几何失真所产生的负面影响图像几何变换又称为图像空间变换，它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置图像的几何变换包括基本的平移、缩放、旋转和复杂的仿射、透视等2.4.1了解图像的几何变换几何变换常常作为其他数字图像处理应用的预处理步骤图像的平移变换就是将图像中所有的像素坐标分别加上指定的水平偏移量和垂直偏移量假设原本像素的位置坐标为，经过平移量后，坐标变为。其变换公式如下：矩阵表示的坐标关系式为2.4.1了解图像的几何变换1.平移变换图像的缩放变换主要用于改变图像的尺寸，缩放后图像的宽度和高度会发生变化为缩放前坐标，为缩放后坐标，其矩阵表示的坐标映射关系如下：2.4.1了解图像的几何变换2.缩放变换图像的旋转变换就是让图像按照某一点旋转指定的角度旋转后图像的坐标和原图像坐标之间的关系已不能通过简单的加、减、乘法运算得到，而需要通过一系列的复杂运算才能得到设旋转中心为，旋转前的坐标为，旋转后的坐标为，则旋转坐标的变换如下：矩阵表示的坐标关系式为：2.4.1了解图像的几何变换3.旋转变换图像的仿射变换是一种基于平面的变换，它能够保持点的共线性（即保持二维图形之间的相对位置关系不变，平行仍平行、相交直线的交角不变等）和直线的平行性（即变换后圆弧还是圆弧、直线还是直线等）仿射变换中假设原图像的某个像素点为，经过仿射变换后为，那么仿射变换的过程矩阵表示的坐标关系式为：2.4.1了解图像的几何变换4.仿射变换透视变换是空间变换，能够将图像投影到一个新的视平面，也称作投影映射透视变换中假设原图像的某个像素点经过透视变换后为，变换公式为矩阵表示的坐标关系式为：

2.4.1了解图像的几何变换5.透视变换由于人脸数据获取的途径不同，导致人脸图像的分辨率大小不一，为了方便后续的人脸检测与识别，需要将不同尺寸的图像进行缩放，保证尺寸的一致OpenCV提供resize函数实现图像的缩放。resize函数的语法格式如下2.4.2人脸图像几何变换1.

人脸缩放2.4.2人脸图像几何变换使用resize函数将两幅图像缩放在实际人脸数据获取过程中，人脸的姿态是不断变化的，有时拍摄的人脸有侧倾现象，可以先对人脸进行旋转对齐，保证人脸姿态是正脸OpenCV提供warpAffine，getRotationMatrix2D函数用于图像仿射变换，其语法格式如下2.4.2人脸图像几何变换2.人脸旋转对齐2.4.2人脸图像几何变换通过warpAffine和getRotationMatrix2D函数实现图像旋转在实际人脸数据获取过程中，人脸数据除了有人脸出现侧倾的情况外，还有侧脸、仰头、低头等非正脸的情况，此类数据对于人脸识别的影响也比较大，为了优化此类数据可以使用透视变换，将此类人脸对齐OpenCV提供warpPerspective，getPerspectiveTransform函数用来进行图像透视变换，其语法格式如下2.4.2人脸图像几何变换3.

人脸透视对齐2.4.2人脸图像几何变换使用warpPerspective，