【OpenCV学习】（六）图像基本变换

【OpenCV学习】（六）图像基本变换

背景

图像的变换通常用于数据预处理部分，例如缩放旋转等常见的图像变换方法；在一些深度学习框架内部都分装了图像变换的方法，对训练集做统一的图像变换操作；

一、图像缩放

函数原型：

resize（src，dsize，[fx，fy，interpolation]）

• fx：x轴的缩放因子；
• fy：y轴的缩放因子；
• interpolation：插值算法；

插值算法有以下几种：

1、INTER_NEAREST：最近邻插值，速度快，效果差；

2、INTER_LINEAR：双线性插值，基于原图的四个点；（默认插值方法）

3、INTER_CUBIC：三次插值，基于原图16个点，效果好但耗时大；

4、INTER_AREA：效果最好，速度也最慢；

二、图像翻转

图像翻转不等同于旋转，类似于一些视频的拍摄，拍摄后实际是左右颠倒的，通过图像翻转可进行还原；

函数原型：

filp（img，filpCode）：filpCode等于0（上下翻转）、大于0（左右翻转）、小于0（上下+左右翻转）

代码案例：

cv2.filp(img, 0)	# 上下翻转
cv2.filp(img, 1)	# 左右翻转
cv2.filp(img, -1)	# 上下左右翻转

三、图像旋转

函数原型：

rotate（img，rotateCode）

• ROTATE_90_CLOCKWISE：顺时针旋转90°
• ROTATE_180：旋转180°
• ROTATE_90_COUNTERCLOCKWISE：逆时针旋转90°

四、图像仿射变换——平移

首先介绍一下放射变换，简单来说就是图像旋转、缩放、平移的总称；

函数原型：

warpAffine（src，M，dsize，flags，mode，value）

• M：变换矩阵
• dsize：输出尺寸大小
• flags：与size中的插值算法一致
• mode：边界外推法标志
• value：填充边界的值

实际上平移矩阵就是一个2x2的单位矩阵加上一个2x1的平移向量，也就是2x3的矩阵；

代码案例：

img = cv2.imread('img.jpg')
h,w,c = img.shape
M = np.float32(