放射变换是图像旋转，缩放，平移的总称，具体的做法是通过一个矩阵和原图片坐标进行计算，得到新的坐标，完成变换，所以关键就是这个矩阵。

一、仿射变换之图像平移

使用API------warpAffine（src ，M， dsize， flags, mode, value）

warp：弯曲             affine：仿射

其中src为图片

M：变换矩阵

dsize：输出图片大小

flag: 与resize中的插值算法一直

mode:边界外推法标志

value：填充边界值

平移矩阵：矩阵中的每个像素由（x，y）组成（x，y）表示这个像素的坐标，假设沿x轴平移tx，沿y轴平移ty，那么最后得到的坐标为（x，y） =  （x + tx， y + ty），用矩阵表示就是：

第一个坐标代表列，第二个坐标代表行。

示例代码如下：

import cv2
import numpy as np


dog = cv2.imread("dog.png")
h, w, ch = dog.shape
print(dog.shape)   # 先行后列

# 写下变换矩阵，最少是float32位
M = np.float32([[1, 0, 200], [0, 1, 0]])  # 第一个对应水平平移，第二个对应上下平移
new_dog = cv2.warpAffine(dog, M,  dsize=(w, h))   # 先列后行

cv2.imshow("dpg", dog)
cv2.imshow("new_dpg", new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下：

二、仿射变换之获取变换矩阵

第一中获取变换方程的方法

OpenCV提供了计算变换矩阵的API---getRotationMatrix2D(center, angle, scale)

center: 中心点，以图片的哪个点作为旋转时的中心点

angle：旋转的角度，按照逆时针旋转。

scale：缩放比例，即想图片进行什么样的缩放

示例代码如下：

# M = cv2.getRotationMatrix2D((100, 100), 15, 1)   # 与原图无关 设定中心点进行旋转
M = cv2.getRotationMatrix2D((w/2, h/2), 15, 1)   # 按照图片的中心点进行旋转
new_dog = cv2.warpAffine(dog, M,  dsize=(w, h))   # 先列后行

输出结果如下：

第二种获取变换方程的方法

getAffineTransform（src[], dst[]）通过三点可以确定变换后的位置，相当于解方程，3个点对应三个方程，能解出便宜的参数和旋转的角度。

相当于原图的三个点坐标变为另外三个点的坐标，图像按照坐标的格式旋转。

示例代码如下：

sre = np.float32([[200, 100], [300, 100], [200, 300]])   # 初始三个点的坐标
dst = np.float32([[100, 50], [150, 100], [100, 300]])     # 变化后三个点的坐标
M = cv2.getAffineTransform(sre, dst)
new_dog = cv2.warpAffine(dog, M, dsize=(w, h))  # 先列后行

输出结果如下：

三、仿射变换之透视变化

透视变化就是将一种坐标系变为另一种坐标系，简单来说可以把一张“斜”的图变“正”。

使用API---warpPerspective（img，M, dsize）

对于透视变换来说，M是一个3*3的矩阵。

同时使用API---getPerspectiveTransform(src, dst)获取透视变换的变换矩阵，需要4个点，即图片的四个角。

最后在通过cv.namedWindow对窗口进行缩放

示例代码如下：

src = np.float32([[100, 200], [500, 200], [100, 600], [500, 600]])    # 原图的四个坐标
dst = np.float32([[0, 0], [500, 0], [0, 300], [500, 300]])
M = cv2.getPerspectiveTransform(src, dst)
new_dog = cv2.warpPerspective(dog, M, (500, 300))
# 创建窗口对图片进行缩放
cv2.namedWindow("dog", cv2.WINDOW_NORMAL)
cv2.resizeWindow("dog", 640, 480)
cv2.imshow("dog", dog)

cv2.namedWindow("new_dog", cv2.WINDOW_NORMAL)
cv2.resizeWindow("new_dog", 640, 480)
cv2.imshow("new_dog", new_dog)

输出结果如下：

综合演示代码如下所示：

import cv2
import numpy as np

dog = cv2.imread("dog.png")
h, w, ch = dog.shape
print(dog.shape)  # 先行后列

# 写下变换矩阵，最少是float32位
# M = np.float32([[1, 0, 200], [0, 1, 0]])  # 第一个对应水平平移，第二个对应上下平移
# new_dog = cv2.warpAffine(dog, M,  dsize=(w, h))   # 先列后行

# 获取变换矩阵
# M = cv2.getRotationMatrix2D((100, 100), 15, 1)   # 与原图无关 设定中心点进行旋转
# M = cv2.getRotationMatrix2D((w / 2, h / 2), 15, 1)  # 按照图片的中心点进行旋转
# new_dog = cv2.warpAffine(dog, M, dsize=(w, h))  # 先列后行

# 通过三个点的坐标获取变换矩阵
# sre = np.float32([[200, 100], [300, 100], [200, 300]])   # 初始三个点的坐标
# dst = np.float32([[100, 50], [150, 100], [100, 300]])     # 变化后三个点的坐标
# M = cv2.getAffineTransform(sre, dst)
# new_dog = cv2.warpAffine(dog, M, dsize=(w, h))  # 先列后行

# 透视变换
src = np.float32([[100, 200], [500, 200], [100, 600], [500, 600]])    # 原图的四个坐标
dst = np.float32([[0, 0], [500, 0], [0, 300], [500, 300]])
M = cv2.getPerspectiveTransform(src, dst)
new_dog = cv2.warpPerspective(dog, M, (500, 300))

# 创建窗口对图片进行缩放
cv2.namedWindow("dog", cv2.WINDOW_NORMAL)
cv2.resizeWindow("dog", 640, 480)
cv2.imshow("dog", dog)

cv2.namedWindow("new_dog", cv2.WINDOW_NORMAL)
cv2.resizeWindow("new_dog", 640, 480)
cv2.imshow("new_dog", new_dog)
cv2.waitKey(0)
cv2.destroyAllWindows()