几何变换
学习对图像进行几个变换，例如移动、旋转、仿射变换等
opencv中提供了两个变换函数，cv2.warpAffine和cv2.warpPerspective，使用这两个函数可以实现所有类型的变换；cv2.warpAffine接收的参数是2*3的矩阵，cv2.warpPerspective接收的参数是3*3的矩阵
扩展缩放
扩展缩放只是改变图像的尺寸大小，opencv.resize函数可以实现这个功能；图像的尺寸可以自己动手设置，你可以指定缩放因子；我们可以选择使用不同的插值方法，在缩放的时候我们推荐使用cv2.INTER_AREA， 在扩展的时候我们推荐使用cv2.INTER_CUBIC(慢)和cv2.INTER_LINEAR；在默认情况下所有改变图像尺寸大小的操作使用的插值方法都是cv2.INT
ER_LINEAR
image = cv.imread('D:/2019-02/lena.jpg')
height, width = image.shape[:2]
res = cv.resize(image, (2*width, 2*height), interpolation=cv.INTER_CUBIC)
cv.imshow('image', res)
print(res.shape)
cv.waitKey(0)运行结果：
shape变为当前图像的二倍
平移
平移就是将对象换一个位置，如果你要沿（x, y）方向移动，移动的距离是（tx， ty），可以 通过下面的方式构建矩阵：
np.array([[1, 0, tx], [0, 1, ty]])
可以使用这个数组构建这个矩阵（数据类型为np.float32），然后把它传给函数cv.warpAffine()
image = cv.imread('D:/2019-02/lena.jpg')
row, col = image.shape[:2]
W = np.array([[1, 0, 100], [0, 1, 50]], np.float32)
dst = cv.warpAffine(image, W, (col, row))
cv.imshow('image', dst)
cv.imwrite('D:/2019-02/2_lena.jpg', dst)
cv.waitKey(0)运行结果：
有几个值的注意的点：
- cv.wrapAffine函数的第三个参数是输出图像的大小，它的格式应该是图像的（宽， 高）；但是image.shape返回的时候，输出的顺序是（高， 宽）
- 矩阵一定是一个2*3的矩阵，而且整个矩阵的dtype一定是np.float32
旋转
image = cv.imread('D:/2019-02/image18.jpg')
row, col = image.shape[:2]
# 第一个参数设定旋转的中心
# 第二个参数设定旋转的角度
# 第三个参数设定缩放因子，1表示不进行缩放
W = cv.getRotationMatrix2D((col/2, row/2), 90, 1)
# 第三个参数为输出的图像尺寸
dst = cv.warpAffine(image, W, (col, row))
cv.imshow('image', dst)
cv.imwrite('D:/2019-02/2_lena.jpg', dst)
cv.waitKey(0)运行结果：
仿射变换
仿射变换是二维坐标到二维坐标之间的线性变换，并保持二维图像的‘平直性’，转换前平行的直线，转换后依然平行的直线
对于任意一个位置，都有：
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
image = cv.imread('D:/2019-02/2_lena.jpg')
row, col = image.shape[:2]
pts1 = np.array([[50, 50], [250, 50], [50, 200]], np.float32)
pts2 = np.array([[10, 100], [200, 50], [100, 250]], np.float32)
W = cv.getAffineTransform(pts1, pts2)
dst = cv.warpAffine(image, W, (col, row))
cv.imshow('image', dst)
cv.imwrite('D:/2019-02/2_lena.jpg', dst)
cv.waitKey(0)运行结果：
透视变换
对于视觉变换，我们需要一个3*3的矩阵，在变换前后直线还是直线。要构建这个矩阵，我们需要在图像上找到四个点以及他们自输出图像上的对应位置；这四个点中的任意三个点都不能共线，这个变换矩阵可以由函数cv2.getPerspectiveTransform构建，然后把这个矩阵传给cv2.warpPerspective
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
image = cv.imread('D:/2019-02/2_lena.jpg')
row, col = image.shape[:2]
pts1 = np.array([[56, 65], [368, 52], [28, 387], [389, 390]], np.float32)
pts2 = np.array([[0, 0], [300, 0], [0, 300], [300, 300]], np.float32)
W = cv.getPerspectiveTransform(pts1, pts2)
dst = cv.warpPerspective(image, W, (300, 300))
cv.imshow('image', dst)
cv.imwrite('D:/2019-02/2_lena.jpg', dst)
cv.waitKey(0)运行结果：
