什么是仿射变换？

代码实现

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

#设置字体
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']

#图像的读取
img = cv.imread("lena.png")

#仿射变换
rows , cols = img.shape[:2]

#创建变换矩阵
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[100,100],[200,50],[100,250]])
M = cv.getAffineTransform(pts1,pts2)

#完成仿射变换
dst = cv.warpAffine(img,M,(cols,rows))

#图像的显示
fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)
axes[0].imshow(img[:,:,::-1])
axes[0].set_title("原图")

axes[1].imshow(dst[:,:,::-1])
axes[1].set_title("放射后结果")
plt.show()

代码讲解

首先，导入所需的库：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
然后，读取图像：

img = cv.imread("lena.png")
这里假设存在名为"lena.png"的图像文件，使用cv.imread()函数将其读取为一个NumPy数组对象，并赋值给变量img。

接下来，定义仿射变换所需的坐标点：

pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[100,100],[200,50],[100,250]])
pts1是原图中的三个点的坐标，pts2是对应的目标仿射后的三个点的坐标。这里选择了两个三角形形状的区域作为示例。

然后，通过这些坐标点获取仿射变换的矩阵：

M = cv.getAffineTransform(pts1,pts2)
使用cv.getAffineTransform()函数根据这两组对应的点，计算得到仿射变换的矩阵，赋值给变量M。

接着，进行仿射变换操作：

dst = cv.warpAffine(img,M,(cols,rows))
使用cv.warpAffine()函数对图像进行仿射变换，将原图img和变换矩阵M作为参数传入，得到仿射后的结果赋值给变量dst。

最后，使用Matplotlib库显示原图和仿射后的结果：

fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)
axes[0].imshow(img[:,:,::-1])
axes[0].set_title("原图")

axes[1].imshow(dst[:,:,::-1])
axes[1].set_title("仿射后结果")
plt.show()
通过创建一个包含2个子图的Figure对象，并调用imshow()函数分别在两个子图上显示原图和仿射后的结果。set_title()函数用于设置子图的标题。最后，使用plt.show()函数显示图像。

注意，代码中的cols和rows是通过img.shape[:2]获取的图像的行数和列数，用于指定仿射变换结果的大小。

效果展示