書接上文(doge)

旋轉(zhuǎn)圖像

讓我們旋轉(zhuǎn)圖像，以獲得下一個(gè)示例：

圍繞中心點(diǎn)旋轉(zhuǎn)圖像需要首先計(jì)算圖像的中心（x，y）-坐標(biāo)（第50行）。

注意：我們使用//執(zhí)行整數(shù)數(shù)學(xué)（即，沒有浮點(diǎn)值）。

從這里我們計(jì)算旋轉(zhuǎn)矩陣M（第43行）。45表示我們將圖像順時(shí)針旋轉(zhuǎn)45度。回想一下中學(xué)/高中幾何課上關(guān)于單位圓的內(nèi)容，你可以提醒自己，正角度是逆時(shí)針方向，負(fù)角度是順時(shí)針方向。

從那里，我們使用第44行的矩陣扭曲圖像（有效地旋轉(zhuǎn)它）。

旋轉(zhuǎn)后的圖像顯示在第44行的屏幕上，如下圖所示：

現(xiàn)在，讓我們使用imutils在一行代碼中執(zhí)行相同的操作：

由于我不必像調(diào)整大小那樣旋轉(zhuǎn)圖像（相對(duì)而言），我發(fā)現(xiàn)旋轉(zhuǎn)過程更難記住。因此，我在imutils中創(chuàng)建了一個(gè)函數(shù)來為我們處理它。在一行代碼中，我可以將圖像順時(shí)針旋轉(zhuǎn)45度（第49行），如下圖所示：

此時(shí)，你必須思考：

“究竟為什么要剪掉這張照片？”

答案是因?yàn)镺penCV不在乎旋轉(zhuǎn)后我們的圖像是否被剪掉或看不見。我覺得這很麻煩，所以這里是我的imutils版本，它將保持整個(gè)圖像在視圖中。我稱之為旋轉(zhuǎn)約束：

這里因?yàn)閳D片大小過于大，所以將圖片進(jìn)行了縮小。(指第54行的代碼)

這個(gè)算法的幕后有很多事情。如果您對(duì)第54行的方法的工作方式感興趣，請(qǐng)務(wù)必查看以下博網(wǎng)址。

https://www.pyimagesearch.com/2017/01/02/rotate-images-correctly-with-opencv-and-python/?_ga=2.102176713.919642978.1642226886-1706104520.1639213599

（次文章還未翻譯）

結(jié)果如下圖所示：

https://pyimagesearch.com/2017/01/02/rotate-images-correctly-with-opencv-and-python/?_ga=2.262150340.919642978.1642226886-1706104520.1639213599

完美！整個(gè)圖像位于框架中，并正確地順時(shí)針旋轉(zhuǎn)45度了！

虛化一張圖片

在許多圖像處理管道中，我們必須模糊圖像以減少雜訊，使我們的算法更容易檢測(cè)和理解圖像的實(shí)際內(nèi)容，而不僅僅是會(huì)“混淆”我們的算法的訊息。在OpenCV中，模糊圖像非常容易，有多種方法可以實(shí)現(xiàn)。

我經(jīng)常使用Gaussian模糊函數(shù)（高斯模糊函數(shù)）：

在第70行，我們使用21 x 21內(nèi)核執(zhí)行高斯模糊，其結(jié)果如圖上所示。

更大的核會(huì)產(chǎn)生更模糊的圖像。較小的內(nèi)核將創(chuàng)建較少模糊的圖像。要了解更多關(guān)于內(nèi)核的信息，請(qǐng)參閱本文或PyImageSearch專家課程。

另外，“內(nèi)核”的數(shù)值一定要是基數(shù)呦~

那么，今天就寫到這里了，拜拜。

話說下一次就可以再圖上畫畫了呢！(十分小聲)