简介：本文详细阐述了 OpenCV 在图像操作中的关键技术，包括缩放（确定尺寸缩放与按比例缩放）、翻转（沿不同轴的翻转方式）以及变换（平移、旋转、三点确定变换和四点确定变换即透视变换）。通过代码示例与直观图示，深入讲解了各操作的实现原理与具体应用，如如何将图片缩放至相同大小后加权、不同翻转方式的视觉效果、利用矩阵进行仿射与透视变换实现图像平移、旋转及特定形状变换等，为读者全面掌握 OpenCV 图像操作技巧提供丰富参考与实用指南。如果您觉得我的文章对您有帮助，希望可以得到您的点赞、收藏、关注和评论

1 缩放

1.1 确定的缩放尺寸

这是我的文件结构：

我希望让两张图片缩放成相同大小，所以可以从一张图片的shape中取出宽高然后传参给 cv2.resize函数，然后相同大小的图片进行加权。

import numpy as np
import cv2
red = cv2.imread("pig.jpg")
blue = cv2.imread("blue_pig.JPG")
height,width,channel = red.shape
blue = cv2.resize(blue,(width,height))
add_Image = cv2.addWeighted(blue,0.7,red,0.4,gamma=1)
cv2.imshow("addWeighted_image",add_Image)
cv2.waitKey()
cv2.destroyAllWindows()

1.2 按比例缩放

import numpy as np
import cv2 
red = cv2.imread("pig.jpg")
print(red.shape)
reshape_red = cv2.resize(red,dsize = None,fx = 3,fy=0.6)
print(reshape_red.shape)

宽度变为原来的三倍，高度变为原来的0.6倍
这里要强调一个问题，当你决定用fx 或者fy 倍数方式实现缩放的时候，你必须要要给dsize参数赋值：None，不然会报错

2 翻转

cv2.flip（原始图像，翻转方式）
翻转方式分为三种：

1. 0 代表沿着x轴翻转
2. 正数代表沿着y轴翻转
3. 复数代表沿着x，y同时翻转
   下面还是导入pig.jpg，然后在这个案例上进行翻转：

import numpy as np
import cv2 
red = cv2.imread("pig.jpg")
x_red = cv2.flip(red,0)
y_red = cv2.flip(red,5)
x_y_red = cv2.flip(red,-3)
cv2.imshow("original",red)
cv2.imshow("x_flip",x_red)
cv2.imshow("y_flip",y_red)
cv2.imshow("x_and_y_flip",x_y_red)
cv2.waitKey()
cv2.destroyAllWindows()](https://i-blog.csdnimg.cn/direct/68ac93d04db649e691a47862b189cb7a.png)

3 变换（难点）

（学前提醒：这里的东西有一点点难，但是没有大碍，基础的理论解释你可能看不懂，看不懂就往后看，后面的案例看懂了，再回来看前面就轻而易举了。）
他是通过一个矩阵进行仿射变换
dst(x,y) = src(M11x+M12y+M13,M21x+M22y+M23)
公式看着很烦，我把这个公式说成人话
变换后的坐标 的 横坐标 = 矩阵的这些位置的元素与xy相乘，相加的结果：M11x+M12y+M13
变换后的坐标 的 纵坐标 = 矩阵的这些位置的元素与xy相乘，相加的结果：M21x+M22y+M23
记不住没关系，你要是记得住走近科学就该观察你了，北京动物园我们就得买门票看你去了，大家不要急稍安勿躁看后面的案例，这玩意也没什么含义，重要的是知道怎么用，我会在3.1讲平移 3.2讲旋转 3.3讲复杂变换

3.1 平移

想要实现平移效果，该这样去设计矩阵
dst(x,y) = src(M11x+M12y+M13,M21x+M22y+M23)
M11 = 1 M12 = 0 M13 = 横坐标平移距离
M12 = 0 M22 = 1 M23 = 纵坐标平移距离
为什么这么设计呢？我们要知其然还得知其所以然，因为横坐标 = 原来的x +平移距离 ，这是平移，所以就得把 y的系数设置为0 x的系数设置为1，剩下一个x轴平移距离
纵坐标 = y +平移距离 ，所以就得把x的系数设置为0 y = 系数设置为1 ，剩下一个y轴平移距离
这下理解了吧？记不住没关系，点赞收藏一下我的文章，啥时候用到啥时候查。
我们下面看一个代码案例，还是用猪猪侠的图片pig.jpg:

import numpy as np
import cv2 
red = cv2.imread("pig.jpg")
height,width,channel = red.shape
x_move = 100
y_move = 100
M = np.float32([[1,0,x_move],[0,1,y_move]])
move = cv2.warpAffine(red,M,(width,height))
cv2.imshow("original",red)
cv2.imshow("move_x_100_y_100",move)
cv2.waitKey()
cv2.destroyAllWindows()

3.2 旋转

先学一个制作M矩阵的函数
cv2.getRotationMatrix2D（中心点坐标center，旋转角度angle，大小缩放倍数scale）
要先调用它去制作M矩阵才能使用cv2.warpAffine达到旋转的效果
设置中心点为图片的中心，所以center = （height/2,width/2）
请看下面的代码：

import numpy as np
import cv2
red = cv2.imread("pig.jpg")
height,width,channel = red.shape
M = cv2.getRotationMatrix2D((height/2,width/2),45,0.5)
move = cv2.warpAffine(red,M,(width,height))
cv2.imshow("original",red)
cv2.imshow("move_flip",move)
cv2.waitKey()
cv2.destroyAllWindows()

3.3三点确定变换

矩阵M，是通过三点的变换两对np数组，第一个数组是原来的点的坐标，第二个数组是变换后的对应坐标。通过两个数组和cv2.getAffineTransform()获得矩阵M

import numpy as np
import cv2
red = cv2.imread("pig.jpg")
height,width,channel = red.shape
before = np.float32([[0,0],[width-1,0],[0,height-1]])
after = np.float32([[0,height*0.33],[width*0.85,height*0.25],[width*0.15,height*0.7]])
M = cv2.getAffineTransform(before,after)
move = cv2.warpAffine(red,M,(width,height))

cv2.imshow("original",red)
cv2.imshow("move_flip",move)
cv2.waitKey()
cv2.destroyAllWindows()

3.4 四点确定变换（透视）

使用cv2.getPerspectiveTransform去接收两个四点的np数组获得变换矩阵M
使用cv2.warpPerspective接受矩阵M去进行变换
因为我的pig.jpg图片的size是 （宽度 = 690，高度 = 920）所以我选择如下图的方式变换

import numpy as np
import cv2
red = cv2.imread("pig.jpg")
height,width,channel = red.shape
before = np.float32([[0,0],[width-1,0],[0,height-1],[width-1,height-1]])
after = np.float32([[300,0],[width-1,0],[0,height-1],[300,height-1]])
M = cv2.getPerspectiveTransform(before,after)
move = cv2.warpPerspective(red,M,(width,height))
cv2.imshow("original",red)
cv2.imshow("move_flip",move)
cv2.waitKey()
cv2.destroyAllWindows()

致谢

本文参考了一些博主的文章，博取了他们的长处，也结合了我的一些经验，对他们表达诚挚的感谢，使我对图像变换 的使用有更深入的了解，也推荐大家去阅读一下他们的文章。纸上学来终觉浅，明知此事要躬行：
OpenCV学习笔记15_仿射变换与透视变换
【OpenCV 例程200篇】29. 图像的翻转（cv2.flip）