图像的几何变换

1.1 图像缩放

指定行列缩放
b=cv2.resize(a,(200,100))   200列、100行

import cv2
a=cv2.imread("..\\image\\lenacolor.png")
b=cv2.resize(a,(200,100))
#注意：第2个参数控制的是“列长度、行长度”，注意顺序。
cv2.imshow("original",a)
cv2.imshow("resize",b)
cv2.waitKey()
cv2.destroyAllWindows()

指定行列缩放
size=(200,100)              200行、100列
b=cv2.resize(a,size)

import cv2
a=cv2.imread("..\\image\\lenacolor.png")
size=(200,100)
b=cv2.resize(a,size)
#注意：第2个参数控制的是“列长度、行长度”，注意顺序。
cv2.imshow("original",a)
cv2.imshow("resize",b)
cv2.waitKey()
cv2.destroyAllWindows()

按比例缩放：指定dsize参数
b=cv2.resize(a,(round(cols*0.5),round(rows*1.2)))

import cv2
a=cv2.imread("..\\image\\lenacolor.png")
rows,cols=a.shape[:2]
b=cv2.resize(a,(round(cols*0.5),round(rows*1.2)))       #round(cols*0.5)必须保证是整数
#注意：第2个参数控制的是“列长度、行长度”，注意顺序。
cv2.imshow("original",a)
cv2.imshow("resize",b)
cv2.waitKey()
cv2.destroyAllWindows()

 

按比例缩放：指定dsize参数放
size=(round(cols*0.5),round(rows*1.2))
b=cv2.resize(a,size)

import cv2
a=cv2.imread("..\\image\\lenacolor.png")
rows,cols=a.shape[:2]
size=(round(cols*0.5),round(rows*1.2))
b=cv2.resize(a,size)
#注意：第2个参数控制的是“列长度、行长度”，注意顺序。
cv2.imshow("original",a)
cv2.imshow("resize",b)
cv2.waitKey()

按比例缩放：指定fx、fy
b=cv2.resize(a,None,fx=1.2,fy=0.5)      #此时必须将参数dsize=None

import cv2
import numpy as np
a=cv2.imread("..\\image\\lenacolor.png")
b=cv2.resize(a,None,fx=1.2,fy=0.5)
cv2.imshow("original",a)
cv2.imshow("resize",b)
cv2.waitKey()
cv2.destroyAllWindows()

 1.2 翻转

cv2.flip(a,0)   ：以x轴为对称进行翻转
cv2.flip(a,正数)：以y轴为对称进行翻转
cv2.flip(a,负数)：以x、y轴为对称进行翻转

import cv2
a=cv2.imread("..\\image\\lenacolor.png")
b=cv2.flip(a,0)
cv2.imshow("original",a)
cv2.imshow("flip",b)
cv2.waitKey()
cv2.destroyAllWindows()

1.3 平移

下面介绍的图像操作假设你已经知道了为什么需要用矩阵构造才能实现了（上面那个博客有介绍为什么）。那么关于偏移很简单，图像的平移，沿着x方向tx距离，y方向ty距离，那么需要构造移动矩阵： 

通过numpy来产生这个矩阵，并将其赋值给仿射函数cv2.warpAffine(). 
仿射函数cv2.warpAffine()的三个参数：需要变换的原始图像，移动矩阵M 以及变换的图像大小（这个大小如果不和原始图像大小相同，那么函数会自通过插值来调整像素间的关系）

警告：函数 cv2.warpAffine() 的第三个参数的是输出图像的大小，它的格式应该是图像的（宽，高）。应该记住的是图像的宽对应的是列数，高对应的是行数。

import cv2
import numpy as np
a=cv2.imread("..\\image\\lenacolor.png")
height,width=a.shape[:2]
x=100
y=200
M = np.float32([[1, 0, x], [0, 1, y]])    #矩阵中x,y代表延x轴,y轴移动的像素
b=cv2.warpAffine(a,M,(height,width))
cv2.imshow("original",a)
cv2.imshow("move",b)
cv2.waitKey()
cv2.destroyAllWindows()

1.4 图像旋转

为了构建这个旋转矩阵，OpenCV 提供了一个函数：cv2.getRotationMatrix2D(center, angle, scale)

这里的第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子

import cv2
a=cv2.imread("E:\\lesson\\image\\lenacolor.png")
height,width=a.shape[:2]
M=cv2.getRotationMatrix2D((height/2,width/2),45,0.6)
b=cv2.warpAffine(a,M,(height,width))
cv2.imshow("original",a)
cv2.imshow("move",b)
cv2.waitKey()
cv2.destroyAllWindows()

1.5 放射变换

在仿射变换中，原图中所有的平行线在结果图像中同样平行。为了创建这个矩阵我们需要从原图像中找到三个点以及他们在输出图像中的位置。然后cv2.getAffineTransform 会创建一个 2x3 的矩阵，最后这个矩阵会被传给函数 cv2.warpAffine。

import cv2
import numpy as np
img=cv2.imread('image\lenacolor.png')
rows,cols,ch=img.shape
p1=np.float32([[0,0],[cols-1,0],[0,rows-1]])
p2=np.float32([[0,rows*0.33],[cols*0.85,rows*0.25],[cols*0.15,rows*0.7]])
M=cv2.getAffineTransform(p1,p2)
dst=cv2.warpAffine(img,M,(cols,rows))
cv2.imshow("origianl",img)
cv2.imshow("result",dst)
cv2.waitKey()
cv2.destroyAllWindows()