仿射变换

仿射变换是一种仅在二维平面中发生的几何变形，通俗的理解原来的直线变换之后还是直线，平行线变换之后还是平行线。OpenCV关于仿射变换提供了warpAffine方法，可以实现图像的平移、旋转、倾斜等。
image = cv2.warpAffine(src, M, dsize, flags,borderMode, borderValue)
参数：
src：原始图像。
M：一个2行3列的矩阵，根据此矩阵的值变换原图中的像素位置,决定做哪种变换。
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。

在实际的应用中最常使用的是图像的旋转，OpenCV提供了getRotationMatrix2D方法自动计算旋转图像的M矩阵。
M = cv2.getRotationMatrix2D(center, angle,scale)
参数：
center：旋转的中心点坐标 （x, y）。
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1，表示图像保持原来的比例。

透视变换

图像透视变换的本质是将图像投影到一个新的视平面，从不同的角度观察物体，会看到不同的变形画面。
dst = cv2.warpPerspective(src, M, dsize, flags,borderMode, borderValue)
参数：
src：原始图像。
M：一个3行3列的矩阵，根据此矩阵的值变换原图中的像素位置。
dsize：输出图像的尺寸大小 (rows,cols)。
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。

在warpPerspective方法中的参数也有一个M矩阵，这个矩阵通过getPerspectiveTransform方法计算得到。
M = cv2.getPerspectiveTransform(pos1, pos2)
参数：
Pos1和pos2：原图4个点坐标和透视后的四个点的坐标，例如：[[0, 0], [1, 0], [0, 1],[1, 1]]。

仿射变化和透视变换的代码实现：

import cv2                       
import matplotlib.pyplot as plt 
image = cv2.imread("img/cat.jpg") 
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image_shape = image.shape # 获取图像的垂直尺寸、水平尺寸、通道数（image.shape[0],image.shape[1],image.shape[2]）  
M1 = cv2.getRotationMatrix2D((image_shape[0] / 2, image_shape[1] / 2), 45, 1) # 求出绕图像中心逆时针旋转45度的旋转矩阵  
image_clockwise = cv2.warpAffine(image, M1, (image_shape[0], image_shape[1])) # 图像旋转  
M2 = cv2.getRotationMatrix2D((image_shape[0] / 2, image_shape[1] / 2), -45, 1) # 求出绕图像中心顺时针旋转45度的旋转矩阵  
image_anticlockwise = cv2.warpAffine(image, M2, (image_shape[0], image_shape[1])) # 图像旋转  
image_list = [image, image_clockwise, image_anticlockwise] 
titles = ["Original", "anticlockwise", "clockwise"]  
for i in range(3):  
    plt.subplot(1, 3, i + 1), plt.imshow(image_list[i], 'gray')  
    plt.xticks([]), plt.yticks([]) 
plt.show() 

代码实现效果图：

import cv2                       
import matplotlib.pyplot as plt 
import numpy as np  
image = cv2.imread("img/cat.jpg") 
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image_shape = image.shape # 获取图像的垂直尺寸、水平尺寸、通道数（image.shape[0],image.shape[1],image.shape[2]）  
h, w = image_shape[:2] # 获取高和宽  
pts1 = np.float32([[0, 0], [0, h - 1], [w - 1, h - 1], [w - 1, 0]]) # 获取原图的四个角点  
pts2 = np.float32([[0, 0], [200, h - 36], [w - 36, h - 36], [w - 1, 0]]) # 变换后的四个顶点坐标  
M = cv2.getPerspectiveTransform(pts1, pts2) # 先得确定透视变换的系数  
dst = cv2.warpPerspective(image, M, (500, 526)) # 对原图进行仿射变换  
image_list = [image, dst] 
titles = ["Original", " perspective"] 
for i in range(2):  
    plt.subplot(1, 2, i + 1), plt.imshow(image_list[i], 'gray')  
    plt.title(titles[i])  
    plt.xticks([]), plt.yticks([]) 
plt.show()  

代码实现效果图：