opencv细节补充

1. 图像的大小变化：

cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) -> dst

• src ：需要改变尺寸的图像
• dsize：目标图像大小
• dst：目标图像
• fx：w方向上的缩放比例
• fy：h方向上的缩放比例
• interpolation - 插值方法。共有5种：

value    含义
cv2.INTER_NEAREST    最近邻插值法

插值后的边缘效果：由于是以最近的点作为新的插入点，因此边缘不会出现缓慢的渐慢过度区域，这也导致放大的图像容易出现锯齿的现象
cv2. INTER_LINEAR    双线性插值法（默认）放大时候用

可以有效避免出现锯齿的现象
cv2.INTER_AREA    基于局部像素的重采样，缩小的时候用
cv2.INTER_CUBIC    基于4x4像素邻域的3次插值法
cv2.INTER_LANCZOS4    基于8x8像素邻域的Lanczos插值

如果要缩小图像，通常推荐使用INTER_AREA插值效果最好，而要放大图像，通常使用INTER_CUBIC(速度较慢，但效果最好)，或者使用INTER_LINEAR(速度较快，效果还可以)。

注意，dsize的形状是(w,h)，而opencv读取出来的图像的形状是(h,w)
当参数dsize不为0时，dst的大小为dsize；否则，由src的大小以及缩放比例fx和fy来决定；可以看出dsize和(fx,fy)两者不能同时为0
因为dsize是没有默认值的，所以必须指定，也即我们使用fx和fy来控制大小的时候必须设置dsize=(0,0)

插值后的边缘效果：由于是以最近的点作为新的插入点，因此边缘不会出现缓慢的渐慢过度区域，这也导致放大的图像容易出现锯齿的现象

图像平移：

图像的几何变换主要包括：平移、旋转、缩放、剪切、仿射、透视等。
图像的几何变换主要分为：刚性变换、相似变换、仿射变换和透视变换（投影变换）、

平移代码

M = np.float32([[1,0,50],[0,1,50]])##x方向50，y方向50
h,w,c = img.shape
dst = cv2.warpAffine(img,M,(w,h))
cv2.imshow('img',np.hstack([img,dst]))
cv2.waitKey(0)

图像旋转：

M= cv2.getRotationMatrix2D((w/2,h/2),180,0.3)
dst = cv2.warpAffine(img ,M,(w,h))
cv2.imshow('dst',np.hstack([img,dst]))
cv2.waitKey(0)

# cv2.getRotationMatrix2D()##三个参数，旋转中心，旋转角度，旋转后的缩放因子

##图像的镜像：

dst = cv2.flip(img,-1)
cv2.imshow('filp',np.hstack([img,dst]))
cv2.waitKey(0)

flipCode = 0, 垂直翻转(沿X轴翻转)； flipCode > 0, 水平翻转(沿Y轴翻转)； flipCode < 0, 水平垂直翻转(180°中心对称