前言：Hello大家好，我是小哥谈。OpenCV中的几何变换是指改变图像的几何结构，例如大小、角度和形状等，让图像呈现出缩放、翻转、旋转和透视效果。这些几何变换操作都涉及复杂、精密的计算。OpenCV将这些计算过程都封装成了非常灵活的方法，开发者只需要修改一些参数，就可以看到图像的变换效果。本节课就介绍几种常见的几何变换效果及其实现方法。🌈

前期回顾：

           史上最全OpenCV常用方法及使用说明汇总，建议收藏！

           OpenCV基础知识（1）— OpenCV概述

           OpenCV基础知识（2）— 图像处理的基本操作

           OpenCV基础知识（3）— 图像数字化基础（像素、色彩空间）

           OpenCV基础知识（4）— 绘制图形      

           目录

🚀1.缩放

💥💥1.1 dsize参数实现缩放

💥💥1.2 fx参数和fy参数实现缩放

🚀2.翻转

🚀3.旋转

🚀4.透视

🚀1.缩放

“缩”表示缩小，“放”表示放大，通过OpenCV中提供的resize()方法就可以随意更改图像的大小比例，其语法格式如下：

dst = cv2.resize(src,dsize,fx,fy,interpolation)

参数说明：

src：原始图像

dsize：输出图像的大小，格式为（宽，高），单位为像素。

fx：可选参数。水平方向的缩放比例。

fy：可选参数。垂直方向的缩放比例。

interpolation：可选参数。缩放的插值方式，在图像缩小或者放大时需要删减或补充像素，该参数可以指定使用哪种算法对像素进行增减。建议使用默认值。

返回值说明：

dst：缩放之后的图像

🍀resize()方法有两种使用方式，一种是通过dsize参数实现缩放，另一种是通过 fx 和 fy 参数实现缩放，下面分别进行介绍。

💥💥1.1 dsize参数实现缩放

dsize参数的格式是一个元组，例如(100,200)，表示将图像按照宽100像素、高200像素的大小进行缩放。如果使用dsize参数，则可以不写 fx 和 fy 参数。

代码如下：

import cv2
img = cv2.imread("1.jpg")  # 读取图像
dst1 = cv2.resize(img, (300, 300))  # 按照宽300像素、高300像素的大小进行缩放
cv2.imshow("img", img)  # 显示原图
cv2.imshow("dst1", dst1)  # 显示缩放图像
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()   # 释放所有窗体

原始图像：

缩放后图像：

💥💥1.2 fx参数和fy参数实现缩放

使用 fx 参数和 fy 参数控制缩放的时候，dsize参数值必须使用None，否则 fx 和 fy 就会失效。

fx 参数和 fy 参数可以使用浮点值，小于1的值表示缩小，大于1的值表示放大。

代码如下：

import cv2
img = cv2.imread("1.jpg")  # 读取图像
dst3 = cv2.resize(img, None, fx=1 / 3, fy=1 / 2)  # 将宽缩小到原来的1/3、高缩小到原来的1/2
cv2.imshow("img", img)  # 显示原图
cv2.imshow("dst3", dst3)  # 显示缩放图像
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

 原始图像：

 缩放后图像：

---

🚀2.翻转

水平线被称为X轴，垂直线被称为Y轴。图像沿着X轴或者Y轴翻转之后，可以呈现出镜面倒影的效果。OpenCV通过cv2.flip()方法实现翻转效果，其语法如下：

dst = cv2.flip(src,flipCode)

参数说明：

src：原始图像

flipCode：翻转类型，类型值如下表所示。

参数值	含义
0	沿着X轴翻转
正数	沿着Y轴翻转
负数	同时沿着X轴、Y轴翻转

返回值说明：

dst：翻转之后的图像

代码如下：

import cv2
img = cv2.imread("1.jpg")  # 读取图像
dst1 = cv2.flip(img, 0)  # 沿X轴翻转
dst2 = cv2.flip(img, 1)  # 沿Y轴翻转
dst3 = cv2.flip(img, -1)  # 同时沿X轴、Y轴翻转
cv2.imshow("img", img)  # 显示原图
cv2.imshow("dst1", dst1)  # 显示翻转之后的图像
cv2.imshow("dst2", dst2)
cv2.imshow("dst3", dst3)
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

效果如图所示：

---

🚀3.旋转

让图像旋转也是通过M矩阵实现的，但得出这个矩阵需要做很复杂的运算，于是OpenCV提供了getRotationMatrix2D()方法来自动计算出旋转图像的M矩阵。其语法格式如下所示：

M = cv2.getRotationMatrix2D(center,angle,scale)

参数说明：

center：旋转的中心点坐标

angle：旋转的角度（不是弧度）。正数表示逆时针旋转，负数表示顺时针旋转。

scale：缩放比例，浮点类型。如果取值为1，表示图像保持原来的比例。

返回值说明：

M：方法计算出的仿射矩阵

🍀比如让图像逆时针旋转30°的同时缩小到原来的80%，代码如下：

import cv2
img = cv2.imread("1.jpg")  # 读取图像
rows = len(img)  # 图像像素行数
cols = len(img[0])  # 图像像素列数
center = (rows / 2, cols / 2)  # 图像的中心点
M = cv2.getRotationMatrix2D(center, 30, 0.8)  # 以图像为中心，逆时针旋转30度，缩放0.8倍
dst = cv2.warpAffine(img, M, (cols, rows))  # 按照M进行仿射
cv2.imshow("img", img)  # 显示原图
cv2.imshow("dst", dst)  # 显示仿射变换效果
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

 效果如图所示：

---

🚀4.透视

如果说仿射是让图像在二维平面中变形，那么透视就是让图像在三维空间中变形。从不同的角度观察物体，会看到不同的变形画面。例如，矩阵会变成不规则的四边形、直角会变成锐角或钝角、圆形会变成椭圆等，这种变形之后的画面就是透视图。🌴

OpenCV通过warpPerspective()方法来实现透视效果，其语法如下：

dst = cv2.warpPerspective(src,M,dsize,flags,borderMode,borderValue)

参数说明：

src：原始图像

M：一个3行3列的矩阵，根据此矩阵中的值变换原图中的像素位置。

dsize：输出图像的尺寸大小

flags：可选参数，插值方式，建议使用默认值。

borderMode：可选参数，边界类型，建议使用默认值。

borderValue：可选参数，边界值，默认为0，建议使用默认值。

返回值说明：

dst：经过透视变换后输出图像

warpPerspective()方法也需要通过M矩阵来计算透视效果，但得出这个矩阵需要做很复杂的运算，于是OpenCV提供了getPerspectiveTransform()方法来自动计算M矩阵。getPerspectiveTransform()方法的语法格式如下所示：

M = cv2.getPerspectiveTransform(src,dst)

参数说明：

src：原图四个点坐标，格式为4行2列的32位浮点数列表，例如：[[0,0]，[1,0]，[0,1]，[1,1]]。

dst：透视图的四个点坐标，格式与src一样。

返回值说明：

M：方法计算出的仿射矩阵

🍀模拟从底部观察图像得到的透视效果，将图像顶部边缘收窄，底部边缘保持不变，代码如下：

import cv2
import numpy as np
img = cv2.imread("1.jpg")  # 读取图像
rows = len(img)  # 图像像素行数
cols = len(img[0])  # 图像像素列数
p1 = np.zeros((4, 2), np.float32)  # 32位浮点型空列表，保存原图四个点
p1[0] = [0, 0]  # 左上角点坐标
p1[1] = [cols - 1, 0]  # 右上角点坐标
p1[2] = [0, rows - 1]  # 左下角点坐标
p1[3] = [cols - 1, rows - 1]  # 右下角点坐标
p2 = np.zeros((4, 2), np.float32)  # 32位浮点型空列表，保存透视图四个点
p2[0] = [90, 0]  # 左上角点坐标，向右移动90像素
p2[1] = [cols - 90, 0]  # 右上角点坐标，向左移动90像素
p2[2] = [0, rows - 1]  # 左下角点坐标，位置不变
p2[3] = [cols - 1, rows - 1]  # 右下角点坐标，位置不变
M = cv2.getPerspectiveTransform(p1, p2)  # 根据四个点的变化轨迹计算出M矩阵
dst = cv2.warpPerspective(img, M, (cols, rows))  # 按照M进行仿射
cv2.imshow('img', img)  # 显示原图
cv2.imshow('dst', dst)  # 显示仿射变换效果
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

 效果如图所示：

---