[v0.15]영상처리_이미지 이동, 확대/축소, 회전

220106 작성

<본 블로그는 귀퉁이 서재님의 블로그를 참고해서 공부하며 작성하였습니다>

https://bkshin.tistory.com/entry/OpenCV-13-%EC%9D%B4%EB%AF%B8%EC%A7%80-%EC%9D%B4%EB%8F%99Translation-%ED%99%95%EB%8C%80%EC%B6%95%EC%86%8CScaling-%ED%9A%8C%EC%A0%84Rotation?category=1148027 

OpenCV - 13. 이미지 이동(Translation), 확대/축소(Scaling), 회전(Rotation)

 

 

 

 

1. 이미지 이동

: 원래 있던 좌표에 이동시키려는 거리만큼 더하기

x_new = x_old + d₁

y_new = y_old + d₂

행렬식으로 표현

x_new = 1 * x_old + 0 * y_old + d₁
y_new = 0 * x_old + 1 * y_old + d₂

 

 

변환 행렬

: 이미지의 어떤 좌표를 다른 좌표로 이동시켜주는 행렬

: 어떤 좌표를 선형 변환(linear tranformations) 해주는 행렬

: 어떤 좌표에 변환 행렬을 곱해주면 다른 좌표가 구해지는 행렬

이미지 이동에 대한 변환행렬

dst = cv2.warpAffine(src, matrix, dsize, dst, flags, borderMode, borderValue)
- src : 원본 이미지, numpy 배열
- matrix : 2 x 3 변환행렬, dtype=float32
- dsize : 결과 이미지의 크기, (width, height)
- flags(optional) : 보간법 알고리즘 플래그

• cv2.INTER_LINEAR : default 값, 인접한 4개 픽셀 값에 거리 가중치 사용    => 주로 확대
• cv2.INTER_NEAREST : 가장 가까운 픽셀 값 사용
• cv2.INTER_AREA : 픽셀 영역 관계를 이용한 재샘플링                  => 주로 축소
• cv2.INTER_CUBIC : 인정합 16개 픽셀 값에 거리 가중치 사용         => 주로 확대

- borderMode(optional) : 외곽 영역 보정 플래그

• cv2.BORDER_CONSTANT : 고정 색상 값
• cv2.BORDER_REPLICATE : 가장자리 복제
• cv2.BORDER_WRAP : 반복
• cv2.BORDER_REFLECT : 반사

- borderValue(optional) : cv2.BORDER_CONSTANT 외곽 영역 보정 플래그일 경우 사용할 색상 값 (default=0)
- dst : 결과 이미지

# 평행 이동
import cv2
import numpy as np

img = cv2.imread('img/whiteman.png')
rows,cols = img.shape[0:2]  # 영상의 크기

dx, dy = 100, 50            # 이동할 픽셀 거리

# ---① 변환 행렬 생성 
mtrx = np.float32([[1, 0, dx],
                   [0, 1, dy]])  
# ---② 단순 이동
dst = cv2.warpAffine(img, mtrx, (cols+dx, rows+dy))   

# ---③ 탈락된 외곽 픽셀을 파랑색으로 보정
dst2 = cv2.warpAffine(img, mtrx, (cols+dx, rows+dy), None, \
                        cv2.INTER_LINEAR, cv2.BORDER_CONSTANT, (255,0,0) )

# ---④ 탈락된 외곽 픽셀을 원본을 반사 시켜서 보정
dst3 = cv2.warpAffine(img, mtrx, (cols+dx, rows+dy), None, \
                                cv2.INTER_LINEAR, cv2.BORDER_REFLECT)

cv2.imshow('original', img)
cv2.imshow('trans',dst)
cv2.imshow('BORDER_CONSTATNT', dst2)
cv2.imshow('BORDER_FEFLECT', dst3)
cv2.waitKey(0)
cv2.destroyAllWindows()

원본&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;이동&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;외곽 픽셀을 파란색으로&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;외곽 픽셀을 반사시켜서

 

 

 

 

+) 외곽 영역 보정을 보간법 파라미터 별로

고정 색상값&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;가장 자리 복제&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 반복&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;복제

 

 

+ 보정법이란

Interpolation(인터폴레이션, 보간)

: 알려진 지점의 값 사이(중간)에 위치한 값을 알려진 값으로부터 추정

: 기하학적 변환 ( 확대, 회전 등 )할 때, 영상의 아무런 정보를 받지 못하는 pixel 생김

-> 주변의 알고 있는 값들을 이용하여 pixel 의 값을 유도하는 과정

 

 

 

 

2. 이미지 확대 및 축소

: 기존의 좌표에 특정한 값을 곱하기

x_new = a₁ * x_old
y_new = a₂ * y_old

변환 행렬

x_new = a₁ * x_old + 0 * y_old + 0 * 1
y_new = 0 * x_old + a₂ * y_old + 0 * 1

 

cv2.warpAffine() 함수는 변환 행렬이 2 x 3 행렬이 아니면 오류를 낸다

=> 2 x 3 행렬로 표현하기 !

# 행렬을 이용한 이미지 확대 및 축소
import cv2
import numpy as np

img = cv2.imread('img/jam.jpeg')
height, width = img.shape[:2]

# --① 0.5배 축소 변환 행렬
m_small = np.float32([[0.5, 0, 0],
                       [0, 0.5,0]])  
# --② 2배 확대 변환 행렬
m_big = np.float32([[2, 0, 0],
                     [0, 2, 0]])  

# --③ 보간법 적용 없이 확대 축소
dst1 = cv2.warpAffine(img, m_small, (int(height*0.5), int(width*0.5)))
dst2 = cv2.warpAffine(img, m_big, (int(height*2), int(width*2)))

# --④ 보간법 적용한 확대 축소
dst3 = cv2.warpAffine(img, m_small, (int(height*0.5), int(width*0.5)), \
                        None, cv2.INTER_AREA)
dst4 = cv2.warpAffine(img, m_big, (int(height*2), int(width*2)), \
                        None, cv2.INTER_CUBIC)

# 결과 출력
cv2.imshow("original", img)
cv2.imshow("small", dst1)
cv2.imshow("big", dst2)
cv2.imshow("small INTER_AREA", dst3)
cv2.imshow("big INTER_CUBIC", dst4)
cv2.waitKey(0)
cv2.destroyAllWindows()

축소 ( 보간법 X, 보간법 O )&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 확대 ( 보간법 X, 보간법 O )&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp;

- 보간법 유무의 차이가... 눈으로 봤을 때 딱히 차이점이 안느껴진다!

 

 

 

 

+) cv2.resize() 로 확대 및 축소

cv2.resize(src, dsize, dst, fx, fy, interpolation)
- src : 입력 원본 이미지
-  dsize : 출력 영상 크기 (확대/축소 목표 크기, (width, height)형식), 생략하면 fx, fy 배율을 적용
-  fx, fy : 변경할 크기 배율, dsize가 주어지면 dsize를 적용함
-  interpolation : 보간법 알고리즘 선택 플래그 (cv2.warpAffine()과 동일)
-  dst : 결과 이미지

# cv2.reize()로 이미지 확대 및 축소
import cv2
import numpy as np

img = cv2.imread('img/hobbang.jpeg')
height, width = img.shape[:2]

#--① 크기 지정으로 축소
dst1 = cv2.resize(img, (int(width*0.5), int(height*0.5)), \
                         interpolation=cv2.INTER_AREA)

#--② 배율 지정으로 확대
dst2 = cv2.resize(img, None,  None, 2, 2, cv2.INTER_CUBIC)
#--③ 결과 출력
cv2.imshow("original", img)
cv2.imshow("small", dst1)
cv2.imshow("big", dst2)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.resize 사용해서 확대 및 축소

- small 은 원하는 결과의 크기를 픽셀 값으로 직접 지정

- big 은 원하는 배율을 지정해서 이미지 스케일링

 

 

 

 

 

 

3. 이미지 회전

이미지 회전의 변환 행렬 &lt;출처: https://slidesplayer.org/slide/14096571/&gt;

# 변환행렬을 이용한 이미지 회전
import cv2
import numpy as np

img = cv2.imread('img/hobbang.jpeg')
rows,cols = img.shape[0:2]

# ---① 라디안 각도 계산(60진법을 호도법으로 변경)
d45 = 45.0 * np.pi / 180    # 45도
d90 = 90.0 * np.pi / 180    # 90도

# ---② 회전을 위한 변환 행렬 생성
m45 = np.float32( [[ np.cos(d45), -1* np.sin(d45), rows//2],
                    [np.sin(d45), np.cos(d45), -1*cols//4]])
m90 = np.float32( [[ np.cos(d90), -1* np.sin(d90), rows],
                    [np.sin(d90), np.cos(d90), 0]])

# ---③ 회전 변환 행렬 적용
r45 = cv2.warpAffine(img,m45,(cols,rows))
r90 = cv2.warpAffine(img,m90,(rows,cols))

# ---④ 결과 출력
cv2.imshow("origin", img)
cv2.imshow("45", r45)
cv2.imshow("90", r90)
cv2.waitKey(0)
cv2.destroyAllWindows()

원본&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; &nbsp; &nbsp;&nbsp;&nbsp;&nbsp; &nbsp; &nbsp;&nbsp;&nbsp;&nbsp; &nbsp; &nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp;호도법으로 45도&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 변환행렬로 90도

- 1 라디안(radian) = (180/π)도

- 1도 = (π/180) 라디안

- 변환행렬로 직접 구현하는 건 복잡 -> 이동시킬 좌표의 크기까지 고려해야됨

 

 

 

 

+) cv2.getRotationMatrix2D

: 간단하게 변환행렬 ㄱ

mtrx = cv2.getRotationMatrix2D(center, angle, scale)

- center: 회전축 중심 좌표

- (x, y)angle : 회전할 각도, 60진법

- scale : 확대 및 축소 비율

# OpenCv로 회전 변환행렬 구하기
import cv2

img = cv2.imread('img/hobbang.jpeg')
rows,cols = img.shape[0:2]

#---① 회전을 위한 변환 행렬 구하기
# 회전축:중앙, 각도:45, 배율:0.5
m45 = cv2.getRotationMatrix2D((cols/2,rows/2),45,0.5) 
# 회전축:중앙, 각도:90, 배율:1.5
m90 = cv2.getRotationMatrix2D((cols/2,rows/2),90,1.5) 

#---② 변환 행렬 적용
img45 = cv2.warpAffine(img, m45,(cols, rows))
img90 = cv2.warpAffine(img, m90,(cols, rows))

#---③ 결과 출력
cv2.imshow('origin',img)
cv2.imshow("45", img45)
cv2.imshow("90", img90)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.getRotationMatrix2D 사용&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; 축소 45도&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;확대 90도&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;

- cv2.getRotationMatrix2D 사용하니까 간편하게 축소나, 확대 + 회전이 가능하다!

 

 

 

 

 

 

 

수업시간에 배운 것들이다..

후 복습하고

제대로 숙지하게되는 느낌..

이제 알면 어떡해 !!! ㅜㅜ