Goruntunun geometrik donusumleri

Görüntünün Geometrik Dönüşümleri¶

Hedefler¶

Çevirme, döndürme ve afin dönüşümü gibi görüntülere farklı geometrik dönüşüm
uygulamayı öğreneceğiz.
Bu fonksiyonu öğrenceğiz : cv2.getPerspectiveTransform

Dönüşümler¶

Transformations

OpenCV, cv2.warpAffine ve cv2.warpPerspective olmak üzere her türlü dönüştürme
işlemine sahip olabileceğiniz iki dönüştürme işlevi sunar. cv2.warpAffine, 2x3 dönüşüm
matrisi alırken cv2.warpPerspective, girdi olarak 3x3 dönüşüm matrisini alır.

Ölçekleme¶

Scaling

Ölçeklendirme yalnızca resmin yeniden boyutlandırılmasıdır. OpenCV, bu amaçla
cv2.resize() işleviyle birlikte gelir. Görüntünün boyutu manuel olarak belirtilebilir
veya ölçeklendirme faktörünü belirtebilirsiniz. Farklı enterpolasyon yöntemleri
kullanılır. Tercih edilen enterpolasyon yöntemleri küçültme için cv2.INTER_AREA ve
yakınlaştırma için cv2.INTER_CUBIC(slow) ve cv2.INTER_LINEAR‘dir. Varsayılan olarak,
kullanılan yeniden boyutlandırma amaçları için cv2.INTER_LINEAR interpolasyon yöntemi
kullanılır. Bir girdi resmini aşağıdaki yöntemlerden biriyle yeniden
boyutlandırabilirsiniz:

Python

import cv2
import numpy as np
img = cv2.imread('messi5.jpg') # resmi aldık
res = cv2.resize(img,None,fx=2, fy=2, interpolation = cv2.INTER_CUBIC) # yenidem boyutlandırdık
#veya
height, width = img.shape[:2]
res = cv2.resize(img,(2*width, 2*height), interpolation = cv2.INTER_CUBIC) # yenidem boyutlandırdık

Çeviri¶

Çeviri, cismin bulunduğu konumun değişmesidir. \(x, y\) yönündeki değişimi biliyorsanız,

olmasına izin verin , dönüşüm matrisi

yi aşağıdaki gibi oluşturabilirsiniz.

Np.float32 türünde bir Numpy dizisi haline getirebilir ve cv2.warpAffine()
fonksiyonuna iletebilirsiniz. \(100,50\) ‘lik bir kayma için aşağıdaki örneğe bakın:

Python

import cv2
import numpy as np
img = cv2.imread('messi5.jpg',0)
rows,cols = img.shape
M = np.float32([[1,0,100],[0,1,50]])
dst = cv2.warpAffine(img,M,(cols,rows))
cv2.imshow('img',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

Cv2.warpAffine() işlevinin üçüncü argümanı, \(genişlik, yükseklik\) /\(width, height\)
formunda olması gereken çıkış görüntüsünün boyutudur. Genişliği = sütunların sayısını ve
yüksekliği = satırların sayısını hatırlarsan.

Rotasyon¶

Bir görüntünün bir açıyla döndürülmesi,

formun dönüşüm matrisi ile sağlanır

Ancak OpenCV, ayarlanabilen dönme merkezi ile ölçeklendirilmiş dönüş sağlar; böylece
istediğiniz herhangi bir konumda döndürebilirsiniz. Modifiye dönüştürme matrisi şu
şekilde verilir:

Bu dönüşüm matrisini bulmak için, OpenCV bir fonksiyon, cv2.getRotationMatrix2D
sağlar. Aşağıdaki örnekte, görüntüyü herhangi bir ölçeklendirme olmadan merkeze göre 90
derece döndüren kontrol edin.

Python

img = cv2.imread('messi5.jpg',0)
rows,cols = img.shape
M = cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
dst = cv2.warpAffine(img,M,(cols,rows))

Afin Dönüşüm¶

Affine Transformation

Afin dönüşümde, orijinal görüntüdeki tüm paralel çizgiler çıkış görüntüsünde paralel
olacaktır. Dönüşüm matrisini bulmak için, giriş görüntüsünden üç noktaya ve çıkış
görüntüsündeki karşılık gelen konumlara ihtiyacımız var. Sonra cv2.getAffineTransform,
cv2.warpAffine‘e geçirilecek 2x3 bir matris oluşturacaktır.

Aşağıdaki örneği kontrol edin ve seçtiğim noktalara da bakın \(bunlar Yeşil renkle işaretlenmiştir\):

Python

img = cv2.imread('drawing.png')
rows,cols,ch = img.shape
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv2.getAffineTransform(pts1,pts2)
dst = cv2.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()

Perspektif Dönüşümü¶

Perspective Transformation

Perspektif dönüşümü için 3x3 dönüşüm matrisine ihtiyacınız var. Düz çizgiler dönüşümden
sonra bile düz kalacaktır.Bu dönüşüm matrisini bulmak için, giriş görüntüsünde 4 nokta
ve çıktı görüntüsünde karşılık gelen noktalara ihtiyacınız var.Bu 4 nokta arasından 3’ü
aynı çizgide olmamalıdır. Sonra dönüşüm matrisi cv2.getPerspectiveTransform
fonksiyonuyla bulunabilir. Daha sonra bu 3x3 dönüşüm matrisi ile cv2.warpPerspective‘ı
uygulayın.

Python

img = cv2.imread('sudokusmall.png')
rows,cols,ch = img.shape
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M = cv2.getPerspectiveTransform(pts1,pts2)
dst = cv2.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()