python opencv图像处理（五）

图像几何变换

图像缩放

图像缩放只是调整图像的大小，为此， OpenCV 为我们提供了一个函数 cv.resize() ，原函数如下：

resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)

src 表示的是输入图像，而 dsize 代表的是输出图像的大小，如果为 0 ，则：

dsize=Size(round(fxsrc.cols),round(fysrc.rows))

dsize 和 fx 、 fy 不能同时为 0 。

fx 、fy 是沿 x 轴和 y 轴的缩放系数，默认取 0 时，算法如下：

fx=(double)dsize.width/src.cols
fy=(double)dsize.height/src.rows

最后一个参数 interpolation 表示插值方式：

INTER_NEAREST – 最近邻插值
INTER_LINEAR – 线性插值（默认）
INTER_AREA – 区域插值
INTER_CUBIC – 三次样条插值
INTER_LANCZOS4 – Lanczos插值

示例：

import cv2 as cv
#读取图片
src = cv.imread('data.jpg')
print(src.shape)

#图像缩放
result = cv.resize(src, (300, 150))
print(result.shape)

#显示图像
cv.imshow("src", src)
cv.imshow("result", result)

#等待显示
cv.waitKey()
cv.destroyAllWindows()

需要注意的是，这里的 (300, 150) 设置的是 dsize 的列数为 300 ，行数为 150 。

同理，我们可以通过设定一个比例进行缩放，可以是等比例缩放，也可以是不等比例缩放，下面是等比例缩放的示例：

import cv2 as cv

# 设定比例
scale = 0.5

#读取图片
src = cv.imread('data.jpg')
rows, cols = src.shape[:2]

#图像缩放
result = cv.resize(src, ((int(cols * scale), int(rows * scale))))
print(result.shape)

#显示图像
cv.imshow("src", src)
cv.imshow("result", result)

#等待显示
cv.waitKey()
cv.destroyAllWindows()

除了可通过设定 dszie 对图像进行缩放，我们还可以通过设定 fx 和 fy 对图像进行缩放：

import cv2 as cv

#读取图片
src = cv.imread('data.jpg')
print(src.shape)

#图像缩放
result = cv.resize(src, None, fx=0.5, fy=0.5)
print(result.shape)

#显示图像
cv.imshow("src", src)
cv.imshow("result", result)

#等待显示
cv.waitKey()
cv.destroyAllWindows()

图像平移

图像平移是通过仿射函数 warpAffine() 来实现的，原函数如下：

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

在图像平移中我们会用到前三个参数：

需要变换的原始图像

移动矩阵M

变换的图像大小(如果这个大小不和原始图像大小相同，那么函数会自动通过插值来调整像素间的关系)。

图像的平移是沿着 x 方向移动 tx 距离， y 方向移动 ty 距离，那么需要构造移动矩阵：

这里不妨各位创建一些矩阵来乘以这个M看看