前言：
基于OpenCV的基本使用，对图像的数据量进行数据增强，使得框架对神经网络进行训练，提高模型的鲁棒性以及准确性。
原图：
1、平移
平移通过自定义平移矩阵以及函数warpAffine实现：
代码示范：
import numpy as np
import cv2
img=cv2.imread("lena.png")
#平移矩阵[[1,0,-100],[0,1,-12]]
M=np.array([[1,0,-100],[0,1,-12]],dtype=np.float32)
img_change=cv2.warpAffine(img,M,(300,300))
cv2.imshow("test",img_change)
cv2.waitKey(0)效果图：
2、镜像
翻转通过函数flip实现：
函数说明：
cv2.flip(src, flipCode, dst) → dst参数说明：
src – 输入的图像
dst – 输出的图像
flipCode – 翻转模式：①flipCode==0垂直翻转（沿X轴翻转）；②flipCode>0水平翻转（沿Y轴翻转）；③flipCode<0水平垂直翻转（先沿X轴翻转，再沿Y轴翻转，等价于旋转180°）
代码示范：
import cv2
img=cv2.imread("lena.png")
cv2.imshow("original",img)
#水平镜像
h_flip=cv2.flip(img,1)
cv2.imshow("Flipped Horizontally",h_flip)
#垂直镜像
v_flip=cv2.flip(img,0)
cv2.imshow("Flipped Vertically",v_flip)
#水平垂直镜像
hv_flip=cv2.flip(img,-1)
cv2.imshow("Flipped Horizontally & Vertically",hv_flip)
cv2.waitKey(0)
3、缩放
缩放通过**cv2.resize()**实现
函数说明：
cv2.resize(src,dsize,dst=None,fx=None,fy=None,interpolation=None)参数说明：
scr：原图
dsize：输出图像尺寸
fx：沿水平轴的比例因子
fy：沿垂直轴的比例因子
interpolation：插值方法
代码示范：
import cv2
img=cv2.imread("lena.png")
cv2.imshow("original",img)
height,width=img.shape[:2]
res=cv2.resize(img,(2*width,2*height))
cv2.imshow("large",res)
cv2.waitKey(0)效果图：
3、旋转
OpenCV中对图像的旋转主要是先通过getRotationMatrix2D函数得到图像的旋转矩阵，然后再通过仿射变换函数warpAffine得到旋转后的图像。
函数说明:
cv2.getRotationMatrix2D(center, angle, scale)
cv2.warpAffine(src, M, dsize,dst=None,flags=None,borderMode=None,borderValue=None)参数说明：
getRotationMatrix2D:
center：表示旋转的中心点
angle：表示旋转的角度degrees
scale：图像缩放因子
warpAffine:
src：输入的图像
M：2 X 3 的变换矩阵.
dsize：输出的图像的size大小
dst：输出的图像
flags：输出图像的插值方法
borderMode：图像边界的处理方式
borderValue：当图像边界处理方式为BORDER_CONSTANT时的填充值
代码示范：
import cv2
img=cv2.imread("lena.png")
cv2.imshow("original",img)
rows,cols=img.shape[:2]
#90度旋转
M=cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
dst=cv2.warpAffine(img,M,(cols,rows))
cv2.imshow("90",dst)
cv2.waitKey(0)效果图：
4、仿射
OpenCV中对图像的旋转主要是先通过getAffineTransform函数得到图像的变换矩阵，然后再通过仿射变换函数warpAffine得到变换后的图像。
函数说明：
cv2.getAffineTransform(scr,dst)代码示范：
import numpy as np
import cv2
#对图像进行变换（三点得到一个变换矩阵）
# 我们知道三点确定一个平面，我们也可以通过确定三个点的关系来得到转换矩阵
# 然后再通过warpAffine来进行变换
img=cv2.imread("lena.png")
cv2.imshow("original",img)
rows,cols=img.shape[:2]
point1=np.float32([[50,50],[300a,50],[50,200]])
point2=np.float32([[10,100],[300,50],[100,250]])
M=cv2.getAffineTransform(point1,point2)
dst=cv2.warpAffine(img,M,(cols,rows),borderValue=(255,255,255))
cv2.imshow("1",dst)
cv2.waitKey(0)效果图：
