计算机视觉基础系列（python与opencv的操作与运用/tensorflow的基础介绍）（九）---图片的剪切和移位

图片的剪切：

import cv2
img = cv2.imread('1.jpg', 1)
info = img.shape
dst = img[100: 200, 100: 300]           # 分别是高和宽
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

代码很简单，就不做详细记录了，最终的显示是：
 接下来，我们要做的是进行图片移位的学习。

import cv2
import numpy as np
img = cv2.imread('1.jpg', 1)
info = img.shape
cv2.imshow('src', img)
height = info[0]
width = info[1]
# 定义移位
matShift = np.float32([[1, 0, 100], [0, 1, 200]])
# 这里的功能是进行矩阵的移位，是图片的移位的API，更是矩阵运算
dst = cv2.warpAffine(img, matShift, (height, width))
cv2.imshow('dst', dst)
cv2.waitKey(0)

其中移位的效果图是： 

其中移位的算法原理是：[[1, 0, 100], [0, 1, 200]]     

将其拆分成两个矩阵，第一个为2*2的矩阵，第二个为2*1的矩阵，这里是：[[1,0],[0,1]]记录为A；[[100],[200]]记录为B

输入的X和Y定义为C，实际的运算公式是A*C+B得到的了会得到[[X+100],[Y+200]]，则可以看作是图片横坐标移位100，纵坐标移位200得到。这个是warpAffine这个API所代表的算法原理

通过像素级别怎么移动呢：（10，20）->（110，220）变成了这样。

import cv2
import numpy as np
img = cv2.imread('1.jpg', 1)
info = img.shape
cv2.imshow('src', img)
dst = np.zeros(img.shape, np.uint8)   # uint8可以代表0-255的值
height = info[0]
width = info[1]
for i in range(0, height):
    for j in range(0, width-100):          # 右移100个像素
        dst[i, j+100] = img[i, j]
cv2.imshow('image',dst)
cv2.waitKey(0)

这个就是用源码实现图片的位移，实现的效果是（将图片向右移动100个像素）：