python图像处理第七课--图像缩放、翻转、旋转、平移--小白的成长历程

#目的为记录在自己运行时存在的问题及解决方法，本文基于CSDN社区的Eastmount大佬的课程，通过学习，其中也增加了自己的考量和问题的解决。

1. 图像缩放
   图像缩放由 resize() 函数实现，如下所示，其中src表示原图，（1）中，括号内数据代表缩放后图片尺寸；（2）中fx和fy分别代表长和高方向的缩放比例。
   （1）result = cv2.resize(src, (160,160))
   （2）result = cv2.resize(src, None, fx=0.5, fy=0.5)

tip: 代码result = cv2.resize(img, (512, 384))中，列数为512，行数为384。

# encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图片
img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG")
print(img.shape)

#图像缩放
result = cv2.resize(img, (512,384))
print(result.shape)

# 显示图像
cv2.imshow("img",img)
cv2.imshow("result", result)

# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：
(768, 1024, 3)
(384, 512, 3)

tip: 其中fx设置的为长度（列数），fy设置的为高度（行数）

# encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图片
img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG")
print(img.shape)

#图像缩放
result = cv2.resize(img, None, fx=0.5, fy=0.2)
print(result.shape)

# 显示图像
cv2.imshow("img",img)
cv2.imshow("result", result)

# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：
(768, 1024, 3)
(154, 512, 3)

2. 图像旋转
图像旋转主要调用getRotationMatrix2D() 函数和warpAffine() 函数实现，绕图像的中心旋转，具体如下：

#参数分别为：旋转中心、旋转度数、比例尺
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)

#参数分别为：原始图像、定义好的旋转矩阵M、原始图像列、行
rotated = cv2.warpAffine(src, M, (cols, rows))

# encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图片
img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG")
rows, cols, channel = img.shape

#绕图像中心旋转
#参数：旋转中心，旋转度数，比例尺
M = cv2.getRotationMatrix2D((cols/2, rows/2), 60, 1)

#参数：原始图像，旋转参数，原始图像宽高
rotated = cv2.warpAffine(img, M, (cols, rows))

# 显示图像
cv2.imshow("rotated", rotated)

# 等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 图像翻转
图像翻转在OpenCV中调用函数flip() 实现，函数如下：
dst = cv2.flip(src, flipCode)
其中src表示原始图像，flipCode表示翻转方向，如果flipCode为0，则以X轴为对称轴翻转，如果fliipCode>0，则以Y轴为对称轴翻转，如果flipCode<0，则在X轴、Y轴方向同时翻转。

# encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图片
img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG")
src = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#图像翻转
#0，以X轴为对称轴翻转 >0，以Y轴为对称轴翻转 <0，以X、Y轴翻转
img1 = cv2.flip(src, 0)
img2 = cv2.flip(src, 1)
img3 = cv2.flip(src, -1)

#显示图形
titles = ['Source', 'Image1', 'Image2', 'Image3']
images = [src, img1, img2, img3]
for i in range(4):
   plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')
   plt.title(titles[i])
   plt.xticks([]),plt.yticks([])
plt.show()

4. 图像平移
图像平移首先定义平移矩阵M，再调用warpAffine()函数实现平移，核心函数如下：

M = np.float32([[1, 0, x], [0, 1, y]])
shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

#平移矩阵M中，[1，0，x]表示在X轴方向上平移，平移量为x，[0，1，y]表示在Y轴方向上平移，平移量为y。

#值得注意的是，在Y轴方向上，其坐标为从上向下排列，故y=100时，代表图片下移100距离。

代码如下：

# encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图片
img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG")
image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#图像平移 下、上、右、左平移
M = np.float32([[1, 0, 0], [0, 1, 100]])
img1 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

M = np.float32([[1, 0, 0], [0, 1, -100]])
img2 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

M = np.float32([[1, 0, 100], [0, 1, 0]])
img3 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

M = np.float32([[1, 0, -100], [0, 1, 0]])
img4 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

#显示图形
titles = [ 'Image1', 'Image2', 'Image3', 'Image4']
images = [img1, img2, img3, img4]
for i in range(4):
   plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray')
   plt.title(titles[i])
   plt.xticks([]),plt.yticks([])
plt.show()

参考：
[Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移_杨秀璋的专栏-CSDN博客 https://blog.csdn.net/Eastmount/article/details/82454335