import cv2
img = cv2.imread("The_Starry_Night.jpg")

dst1 = cv2.resize(img, (200, 200))
dst2 = cv2.resize(img, (900, 900))
cv2.imshow("img", img)
cv2.imshow("dst1", dst1)
cv2.imshow("dst2", dst2)
cv2.waitKey()
cv2.destroyAllWindows()

執(zhí)行結(jié)果如圖所示，相比原圖，圖像得到了指定大小的縮小與放大。

使用fx和fy參數(shù)，則需要手動把dsize設(shè)為None。

import cv2
img = cv2.imread("The_Starry_Night.jpg")  
# 將寬縮小到原來的1/3、高縮小到原來的1/2
dst3 = cv2.resize(img, None, fx=1 / 3, fy=1 / 2) 
# 將寬高擴大2倍
dst4 = cv2.resize(img, None, fx=2, fy=2)  
cv2.imshow("img", img)
cv2.imshow("dst3", dst3) 
cv2.imshow("dst4", dst4) 
cv2.waitKey() 
cv2.destroyAllWindows()

結(jié)果呈現(xiàn)：

2. 翻轉(zhuǎn) cv2.flip()方法

flip(src, flipCode, dst=None)

src 圖像（數(shù)組）

flipCode 翻轉(zhuǎn)代碼?？梢允?，正數(shù)，負數(shù)。0表示沿X軸（水平方向的軸）翻轉(zhuǎn)。1表示沿Y軸（豎直方向的軸）翻轉(zhuǎn)。

負數(shù)表示同時沿X軸和Y軸翻轉(zhuǎn)。

講原圖經(jīng)過著三種翻轉(zhuǎn)后，與原圖拼在一塊，呈現(xiàn)出了這種奇觀：

import cv2
img = cv2.imread("The_Starry_Night.jpg")
dst1 = cv2.flip(img, 0)
dst2 = cv2.flip(img, 1)
dst3 = cv2.flip(img, -1)
cv2.imshow("img", img)
cv2.imshow("dst1", dst1)
cv2.imshow("dst2", dst2)
cv2.imshow("dst3", dst3)
cv2.waitKey()
cv2.destroyAllWindows()

將翻轉(zhuǎn)結(jié)果放在同一張畫布中

import cv2
import numpy as np
img = cv2.imread("The_Starry_Night.jpg")
dst1 = cv2.flip(img, 0)
dst2 = cv2.flip(img, 1)
dst3 = cv2.flip(img, -1)
a, b, c = img.shape
canvas = np.ones((2 * a, 2 * b, c), np.uint8) * 255
canvas[0:b, 0:a] = img
canvas[b:2*b, 0:a] = dst1
canvas[0:b, a:2*a] = dst2
canvas[b:2*b, a:2*a] = dst3
cv2.imshow("pic", canvas)
cv2.waitKey()
cv2.destroyAllWindows()
# 保存圖片
# cv2.imwrite("final_pic", canvas)

結(jié)果呈現(xiàn)：

3. 仿射變換 warpAffine()方法

常見的仿射變換有平移，旋轉(zhuǎn)和傾斜變換。

仿射變換使用cv2.warpAffine()方法完成

warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)

src 原圖

M 是一個二行三列的矩陣，也稱仿射矩陣。warpAffine方法根據(jù)此矩陣的值來變換像素的位置。

M = [[a, b, c], [d, e, f]]，則像素的變換公式為：

X = x × a + y × b + c

Y = x × d + y × e + f

其中x,y指原像素的x、y軸坐標。X,Y指變換后的X,Y坐標。

dsize 輸出圖像的尺寸。（不帶放縮，增大的部分用黑色色素(0)填充）

這三個參數(shù)是常用的參數(shù)。其余參數(shù)建議使用默認值。

flags表示插入方式，borderMode是邊界類型，borderValue表示邊界值（默認0）。dst表示反射變換后輸出的圖像。

3.1 平移

以將《星月夜》向左平移50個像素，向下平移100個像素為例。

則M數(shù)組應(yīng)寫為[[1, 0, 50], [0, 1, 100]]：

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

如圖所示，圖像按照我們的預(yù)期成功被平移。

只是這樣得到的圖像有色素損失，我們丟失了超出畫布之外的數(shù)據(jù)。

為了避免損失，可以取設(shè)置dsize參數(shù)來控制輸出圖像的大小。

修改后的代碼如下：

import cv2
import numpy as np
img = cv2.imread("The_Starry_Night.jpg")
rows = len(img)
cols = len(img[0])
M = np.float32([[1, 0, 50],
                [0, 1, 100]])
dst = cv2.warpAffine(img, M, (cols+200, rows+200))
cv2.imshow("img", img)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destroyAllWindows()

優(yōu)化后的程序執(zhí)行效果：

3.2 旋轉(zhuǎn)

旋轉(zhuǎn)也是通過M矩陣來實現(xiàn)的，這個矩陣的運算較復(fù)雜，

OpenCV提供了getRotationMatrix2D()方法來計算旋轉(zhuǎn)操作的M矩陣

getRotationMatrix2D(center, angle, scale)

center 指旋轉(zhuǎn)中心的坐標

angle指旋轉(zhuǎn)的角度

scale值縮放的比例。（旋轉(zhuǎn)過程支持縮放）

import cv2
img = cv2.imread("The_Starry_Night.jpg")
rows = len(img) 
cols = len(img[0]) 
center = (rows / 2, cols / 2) 
M = cv2.getRotationMatrix2D(center, 30, 0.8) 
dst = cv2.warpAffine(img, M, (cols, rows)) 
cv2.imshow("img", img) 
cv2.imshow("dst", dst) 
cv2.waitKey() 
cv2.destroyAllWindows()

旋轉(zhuǎn)效果如圖所示：

3.3 傾斜

OpenCV需要定位到圖像的三個點的位置來計算傾斜效果，即左上角，右上角和左下角。

圖像的傾斜也是根據(jù)M矩陣實現(xiàn)，得出矩陣的運算較復(fù)雜，通過getAffineTransform 方法實現(xiàn)。

語法

getAffineTransform(src, dst)

src是原圖像的左上角，右上角和左下角三個點的坐標。三維數(shù)組格式，形如[[a, b], [c, d], [e, f]]。

dst是傾斜后這三個點預(yù)期的坐標。格式同上。

要保持左上，右下，左下三個點的順序不能亂。

以將《星月夜》保持左下角和右上角坐標不變，左上角（(0,0)處）向右移動150個像素長度。

代碼如下：

import cv2
import numpy as np
img = cv2.imread("The_Starry_Night.jpg")
rows = len(img)
cols = len(img[0])
p1 = np.array([[0, 0], [cols - 1, 0], [0, rows - 1]], dtype=np.float32)
p2 = np.array([[150, 0], [cols - 1, 0], [0, rows - 1]], dtype=np.float32)
M = cv2.getAffineTransform(p1, p2)
dst = cv2.warpAffine(img, M, (cols, rows))
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey()
cv2.destroyAllWindows()

程序執(zhí)行效果如下：

4. 透視

透視的實現(xiàn)使用的是warpPerspective()方法，而不再是用于平移、旋轉(zhuǎn)、傾斜的warpAffine()方法。

使用warpPerspective()方法也需要通過M矩陣來計算透視效果，計算透視的M矩陣可以使用getPerspectiveTransform()方法。

getPerspectiveTransform(src, dst, solveMethod=None)

該方法常用的參數(shù)有兩個，分別為原圖的四個點的坐標(scr) 和透視后四個點的坐標(dst)。Opcv需要通過定位圖像的這四個點來計算透視效果。四個點依次為左上，右上，左下，右下。

坐標格式為二維數(shù)組格式，形如[[a, b],[c, d],[e, f],[g, h]]。

示例代碼如下：

import cv2
import numpy as np
img = cv2.imread("The_Starry_Night.jpg")
rows = len(img)
cols = len(img[0])
# 原圖的四點坐標
p1 = np.zeros((4, 2), np.float32)
p1[0] = [0, 0]
p1[1] = [cols - 1, 0]
p1[2] = [0, rows - 1]
p1[3] = [cols - 1, rows - 1]
# 透視后的四點坐標
p2 = np.zeros((4, 2), np.float32)
p2[0] = [150, 0]
p2[1] = [cols - 150, 0]
p2[2] = [0, rows - 1]  # 不變
p2[3] = [cols - 1, rows - 1]  # 不變
M = cv2.getPerspectiveTransform(p1, p2)
dst = cv2.warpPerspective(img, M, (cols, rows))
cv2.imshow('The_Starry_Night', img)
cv2.imshow('The_Starry_Night2', dst)
cv2.waitKey()
cv2.destroyAllWindows()

展示原圖和透視后的圖像效果：