在使用 Python 和 OpenCV 读取图像并进行坐标变换时，主要涉及图像的几何变换操作，包括仿射变换和透视变换。这些变换允许将图像中的像素从一个坐标系映射到另一个坐标系，适用于图像校正、透视变换、图像旋转等任务。 ### 读取图像 读取图像可以使用 `cv2.imread()` 函数，该函数支持多种图像格式，例如 PNG、JPEG 等。图像路径可以是相对路径或绝对路径。 ```python import cv2 # 读取图像 image = cv2.imread('image.jpg') # 显示图像 cv2.imshow('Image', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` ### 坐标变换 #### 1. 仿射变换 仿射变换是一种线性变换，通常用于图像的平移、旋转和缩放。可以通过定义源点和目标点来创建仿射变换矩阵，并使用 `cv2.warpAffine()` 应用变换。 ```python import cv2 import numpy as np # 定义源点和目标点 src_points = np.float32([[50, 50], [200, 50], [50, 200]]) dst_points = np.float32([[10, 100], [200, 50], [100, 250]]) # 获取仿射变换矩阵 affine_matrix = cv2.getAffineTransform(src_points, dst_points) # 应用仿射变换 transformed_image = cv2.warpAffine(image, affine_matrix, (image.shape[1], image.shape[0])) # 显示变换后的图像 cv2.imshow('Affine Transformed Image', transformed_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 2. 透视变换 透视变换用于将图像从一种视角映射到另一种视角，常用于图像校正。可以通过定义源点和目标点来创建透视变换矩阵，并使用 `cv2.warpPerspective()` 应用变换。 ```python # 定义源点和目标点 src_points = np.float32([[56, 65], [368, 52], [28, 387], [389, 390]]) dst_points = np.float32([[0, 0], [300, 0], [0, 300], [300, 300]]) # 获取透视变换矩阵 perspective_matrix = cv2.getPerspectiveTransform(src_points, dst_points) # 应用透视变换 transformed_image = cv2.warpPerspective(image, perspective_matrix, (300, 300)) # 显示变换后的图像 cv2.imshow('Perspective Transformed Image', transformed_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 3. 获取图像坐标 在某些情况下，可能需要获取图像的特定区域或像素坐标。例如，可以通过 `cv2.findNonZero()` 获取非零像素的坐标，或者通过鼠标事件交互获取图像中的坐标。 ```python # 获取非零像素的坐标 non_zero_coords = cv2.findNonZero(cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)) # 打印坐标 print(non_zero_coords) ``` 对于鼠标交互获取坐标，可以使用 `cv2.setMouseCallback()` 定义回调函数。 ```python def click_event(event, x, y, flags, param): if event == cv2.EVENT_LBUTTONDOWN: print(f'Clicked at ({x}, {y})') # 设置鼠标回调 cv2.imshow('Image', image) cv2.setMouseCallback('Image', click_event) cv2.waitKey(0) cv2.destroyAllWindows() ``` ### 总结 通过 OpenCV，可以方便地读取图像并进行坐标变换。仿射变换和透视变换是两种常用的几何变换方法，适用于不同的应用场景。此外，获取图像坐标可以通过内置函数或交互式方法实现。