OpenCV图像处理实战指南：ROI精准切割与旋转仿射变换核心技术解析

前言

书接上文

自适应二值化与形态学变换在图像颜色识别与替换中的应用解析-CSDN博客文章浏览阅读852次，点赞15次，收藏6次。本文系统解析图像处理中的自适应二值化、形态学变换与颜色操作技术，涵盖动态阈值计算、腐蚀膨胀原理、HSV颜色空间及掩膜应用，通过代码实例演示如何实现复杂光照图像的细节保留、噪声消除及精准颜色替换，为图像分析提供高效方法。https://blog.csdn.net/qq_58364361/article/details/146901473?spm=1011.2415.3001.10575&sharefrom=mp_manage_link

---

一、ROI切割

import cv2
import numpy as np
import matplotlib.pyplot as pltdef show_image(image, name):"""显示图像Args:image: 输入图像(numpy数组)name: 图像标题(str)"""plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题if len(image.shape) == 3:  # 彩色图像image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # BGR转RGBelse:  # 灰度图像image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度转RGBplt.imshow(image)  # 显示图像plt.title(name)  # 设置标题plt.axis('off')  # 关闭坐标轴# 图像路径
path = "kunkun.jpg"
# 因为图像容易越界，所以加入异常处理
try:# 读取图像image = cv2.imread(path)# 创建画布，设置dpi为300plt.figure(dpi=300)# 第一个子图：原始图像plt.subplot(1, 3, 1)show_image(image, "原始图像")# 获得图像尺寸(h, w,_ )= image.shape# 设置切割范围x_min, x_max, y_min, y_max = 500, 607, 269, 368# 判断ROI区域是否合理if not x_min >= 0 and x_max <= w and y_min >= 0 and y_max <= h:raise Exception("ROI区域越界")if x_min >= x_max or y_min >= y_max:raise Exception("ROI区域最值不合法")# 在图像上画红色矩形框line_width = 2cv2.rectangle(image, (x_min-line_width, y_min-line_width), (x_max+line_width, y_max+line_width), (0, 0, 255), line_width)# 第二个子图：带矩形框的图像plt.subplot(1, 3, 2)show_image(image, "切割图像画框")# 切片获取ROI区域ROI_img = image[y_min:y_max, x_min:x_max]# 第三个子图：ROI区域图像plt.subplot(1, 3, 3)show_image(ROI_img, "切片图像")# 显示所有子图plt.show()
except Exception as e:print("图像读取失败！", e)

---

二、图像旋转 

图像旋转指的是图像以某一点为中心，将图像中所有的像素点围绕该点旋转一定的角度，并且旋转后像素点组成的图像与原图像相同。

 上面的旋转是左下角原点，以顺时针方向旋转的，但是OpenCV中原点在左上角且正方向是逆时针，因此需要修改上面的公式：

 那么可以得到

---

2.1.3 复合矩阵 

---

2.2 差值方法

---

 2.4 代码

import cv2
import numpy as np
import matplotlib.pyplot as pltdef show_image(image, name):"""显示图像Args:image: 输入图像(numpy数组)name: 图像标题(str)"""plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题if len(image.shape) == 3:  # 彩色图像image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # BGR转RGBelse:  # 灰度图像image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度转RGBplt.imshow(image)  # 显示图像plt.title(name)  # 设置标题plt.axis('off')  # 关闭坐标轴path = "nvren.png"  # 图像文件路径
image = cv2.imread(path)  # 读取图像
image_shape = image.shape  # 获取图像形状(高度,宽度,通道数)
plt.figure(dpi=300)  # 创建画布，设置DPI
plt.subplot(1, 2, 1)  # 创建子图1
show_image(image, "原始图像")  # 显示原始图像#旋转图像
angle = 45  # 旋转角度
scaled = 0.5  # 缩放比例
"""
获取旋转矩阵
参数:center: 旋转中心点坐标angle: 旋转角度(正值表示逆时针)scale: 缩放比例
"""
M = cv2.getRotationMatrix2D((image_shape[1] // 2, image_shape[0] // 2), angle, scaled) # TODO 仿射变换"""
执行仿射变换
参数:src: 输入图像M: 2x3变换矩阵dsize: 输出图像尺寸flags: 插值方法(这里使用LANCZOS4)borderMode: 边界填充模式(这里使用BORDER_WRAP)
"""
image_rotated = cv2.warpAffine(image, M, (image_shape[1], image_shape[0]),flags=cv2.INTER_LANCZOS4,borderMode=cv2.BORDER_WRAP)
plt.subplot(1, 2, 2)  # 创建子图2
show_image(image_rotated, "旋转图像")  # 显示旋转后的图像

 

---

总结

        本文深入探讨了OpenCV中ROI区域切割与图像旋转的核心技术，通过Numpy数组切片实现篮球目标的精准提取，详细解析了仿射变换矩阵的数学原理与坐标转换机制，对比五种插值算法在图像旋转中的优劣表现，结合边界填充模式实现旋转后图像的无损处理，并提供了完整的Python代码实现与可视化演示，为计算机视觉开发中的图像预处理提供完整解决方案。