用Python进行图像扭曲

我需要在Python中扭曲一个相对较大的图像（1679x1475）。我有变换后的坐标。如何有效地将图像扭曲到变换后的坐标系。我尝试了scipy.interpolate.griddata，但很快我的计算机内存就用完了。

OpenCV为此提供了一个函数

cv2.resize（）

。可以手动指定图像的大小，也可以指定比例因子。使用不同的插值方法。较好的插值方法是用于收缩的

cv2.中间区域

，以及用于缩放的

cv2.中间立方（慢）

&

cv2.中间线性

。默认情况下，使用的插值方法是

cv2.INTER_LINEAR

，用于所有调整大小的目的。可以通过以下方法之一调整输入图像的大小：

import cv2
import numpy as np

img = cv2.imread('messi5.jpg')

res = cv2.resize(img,None,fx=2, fy=2, interpolation = cv2.INTER_CUBIC)

#OR

height, width = img.shape[:2]
res = cv2.resize(img,(2*width, 2*height), interpolation = cv2.INTER_CUBIC)

你想要的。可以配置插值方法及其处理原始图像之外的点的方式。 例如：

import numpy as np
from scipy import misc
#create a 2D array that has a grayscale image of a raccoon
face = misc.face(gray=True)

import matplotlib.pyplot as plt
plt.imshow(face,cmap=plt.cm.gray)

---

我不想调整图像大小，请在不同的坐标系中绘制图像。我有I（x，y），我需要绘制I（p（x，y），q（x，y））。

#set up our new coordinate system
rows,cols = np.mgrid[0:768, 0:1024]
rows = rows**(1/2) * 767**(1/2)
cols = cols**(2) / 1023
rows = np.roll(rows,150,0)

from scipy import ndimage
#warp the image using a 3rd order (cubic) spline interpolation
new_img = ndimage.map_coordinates(face,[rows,cols], order=3)
plt.figure()
plt.imshow(new_img,cmap=plt.cm.gray)