前文傳送門：
「Python 影像處理 OpenCV （2）：畫素處理與 Numpy 操作以及 Matplotlib 顯示影像」
「Python 影像處理 OpenCV （3）：影像屬性、影像感興趣 ROI 區域及通道處理」
「Python 影像處理 OpenCV （4）：影像算數運算以及修改顏色空間」
影像縮放
影像縮放只是調整影像的大小，為此， OpenCV 為我們提供了一個函式 cv.resize() ，原函式如下：
resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)
src 表示的是輸入影像，而 dsize 代表的是輸出影像的大小，如果為 0 ，則：
$$\texttt{dsize = Size(round(fxsrc.cols), round(fysrc.rows))}$$
dsize 和 fx 、 fy 不能同時為 0 。
fx 、 fy 是沿 x 軸和 y 軸的縮放係數，預設取 0 時，演算法如下：
$$\texttt{fx=(double)dsize.width/src.cols}$$
$$\texttt{fy=(double)dsize.height/src.rows}$$
最後一個引數 interpolation 表示插值方式：
- INTER_NEAREST - 最近鄰插值
- INTER_LINEAR - 線性插值（預設）
- INTER_AREA - 區域插值
- INTER_CUBIC - 三次樣條插值
- INTER_LANCZOS4 - Lanczos插值
看一個簡單的示例：
import cv2 as cv
#讀取圖片
src = cv.imread('maliao.jpg')
print(src.shape)
#影像縮放
result = cv.resize(src, (300, 150))
print(result.shape)
#顯示影像
cv.imshow("src", src)
cv.imshow("result", result)
#等待顯示
cv.waitKey()
cv.destroyAllWindows()
結果如下：
需要注意的是，這裡的 (300, 150) 設定的是 dsize 的列數為 300 ，行數為 150 。
同理，我們可以通過設定一個比例進行縮放，可以是等比例縮放，也可以是不等比例縮放，下面是等比例縮放的示例：
import cv2 as cv
# 設定比例
scale = 0.5
#讀取圖片
src = cv.imread('maliao.jpg')
rows, cols = src.shape[:2]
#影像縮放
result = cv.resize(src, ((int(cols * scale), int(rows * scale))))
print(result.shape)
#顯示影像
cv.imshow("src", src)
cv.imshow("result", result)
#等待顯示
cv.waitKey()
cv.destroyAllWindows()
結果如下：
除了可通過設定 dszie 對影像進行縮放，我們還可以通過設定 fx 和 fy 對影像進行縮放：
import cv2 as cv
#讀取圖片
src = cv.imread('maliao.jpg')
print(src.shape)
#影像縮放
result = cv.resize(src, None, fx=0.5, fy=0.5)
print(result.shape)
#顯示影像
cv.imshow("src", src)
cv.imshow("result", result)
#等待顯示
cv.waitKey()
cv.destroyAllWindows()
結果如下：
影像平移
影像平移是通過仿射函式 warpAffine() 來實現的，原函式如下：
warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None)
在影像平移中我們會用到前三個引數：
- 需要變換的原始影像
- 移動矩陣M
- 變換的影像大小（如果這個大小不和原始影像大小相同，那麼函式會自動通過插值來調整畫素間的關係）。
影像的平移是沿著 x 方向移動 tx 距離， y 方向移動 ty 距離，那麼需要構造移動矩陣：
$$ M = [\begin{matrix} 1 & 0 & tx \ 0 & 1 & ty \end{matrix}] $$
我們通過 Numpy 來產生這個矩陣（必須是float型別的），並將其賦值給仿射函式 warpAffine() ，下面來看個示例：
import cv2 as cv
import numpy as np
#讀取圖片
src = cv.imread('maliao.jpg')
rows, cols = src.shape[:2]
# 定義移動距離
tx = 50
ty = 100
# 生成 M 矩陣
affine = np.float32([[1, 0, tx], [0, 1, ty]])
dst = cv.warpAffine(src, affine, (cols, rows))
# 顯示影像
cv.imshow('src', src)
cv.imshow("dst", dst)
# 等待顯示
cv.waitKey(0)
cv.destroyAllWindows()
結果如下：
注意：
warpAffine函式的第三個引數是輸出影像的大小，我這裡設定的大小是原圖片的大小，所以結果會有部分遮擋。
影像旋轉
影像旋轉主要呼叫 getRotationMatrix2D() 函式和 warpAffine() 函式實現，繞影像的某一箇中心點旋轉，具體如下：
-
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
引數分別為：旋轉中心、旋轉度數、scale
-
rotated = cv2.warpAffine(src, M, (cols, rows))
引數分別為：原始影像、旋轉引數、原始影像寬高
影像旋轉：設（ x0 , y0 ）是旋轉後的座標，（ x , y ）是旋轉前的座標，( m , n )是旋轉中心， a 是旋轉的角度(順時針)，( left , top )是旋轉後影像的左上角座標，則公式如下：
$$ \begin{bmatrix}x0 & y0 & 1\end{bmatrix} = \begin{bmatrix}x & y & 1\end{bmatrix} \begin{bmatrix}1 & 0 & 0 \ 0 & -1 & 0 \ -m & n & 1\end{bmatrix} \begin{bmatrix}\cos a & -\sin a & 0 \ \sin a & \cos a & 0 \ 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} 1 & 0 & 0 \ 0 & -1 & 0 \ left & top & 1 \end{bmatrix}$$
上面這個公式具體的推導過程可以參考這篇文章：https://www.cnblogs.com/xuanyuyt/p/7112876.html 。
示例如下：
import cv2 as cv
#讀取圖片
src = cv.imread('maliao.jpg')
# 原圖的高、寬
rows, cols = src.shape[:2]
# 繞影像的中心旋轉
# 引數：旋轉中心 旋轉度數 scale
M = cv.getRotationMatrix2D((cols/2, rows/2), 90, 1)
#
dst = cv.warpAffine(src, M, (cols, rows))
# 顯示影像
cv.imshow("src", src)
cv.imshow("dst", dst)
# 等待顯示
cv.waitKey()
cv.destroyAllWindows()
結果如下：
影像翻轉
第一個影像翻轉，這個可是製作表情包的利器。
影像翻轉在 OpenCV 中呼叫函式 flip() 實現，原函式如下：
flip(src, flipCode, dst=None)
- src：原始影像。
- flipCode：翻轉方向，如果 flipCode 為 0 ，則以 X 軸為對稱軸翻轉，如果 fliipCode > 0 則以 Y 軸為對稱軸翻轉，如果 flipCode < 0 則在 X 軸、 Y 軸方向同時翻轉。
示例如下：
import cv2 as cv
import matplotlib.pyplot as plt
# 讀取圖片 由 GBR 轉 RGB
img = cv.imread('maliao.jpg')
src = cv.cvtColor(img, cv.COLOR_BGR2RGB)
# 影像翻轉
# flipCode 為 0 ，則以 X 軸為對稱軸翻轉，如果 fliipCode > 0 則以 Y 軸為對稱軸翻轉，如果 flipCode < 0 則在 X 軸、 Y 軸方向同時翻轉。
img1 = cv.flip(src, 0)
img2 = cv.flip(src, 1)
img3 = cv.flip(src, -1)
# plt 顯示圖形
titles = ['Source', 'Ima1', 'Ima2', 'Ima3']
images = [src, img1, img2, img3]
for i in range(4):
plt.subplot(2, 2, i + 1)
plt.imshow(images[i])
plt.title(titles[i])
plt.xticks([])
plt.yticks([])
plt.show()
結果如下：
示例程式碼
如果有需要獲取原始碼的同學可以在公眾號回覆「OpenCV」進行獲取。
參考
https://blog.csdn.net/Eastmount/article/details/82454335