[Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移

该系列文章是讲解Python
OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~

同时推荐作者的C++图像系列知识：
[数字图像处理] 一.MFC详解显示BMP格式图片
<https://blog.csdn.net/eastmount/article/details/18238863>
[数字图像处理] 二.MFC单文档分割窗口显示图片
<https://blog.csdn.net/eastmount/article/details/18987539>
[数字图像处理] 三.MFC实现图像灰度、采样和量化功能详解
<https://blog.csdn.net/eastmount/article/details/46010637>
[数字图像处理] 四.MFC对话框绘制灰度直方图
<https://blog.csdn.net/eastmount/article/details/46237463>
[数字图像处理] 五.MFC图像点运算之灰度线性变化、灰度非线性变化、阈值化和均衡化处理详解
<https://blog.csdn.net/eastmount/article/details/46312145>
[数字图像处理] 六.MFC空间几何变换之图像平移、镜像、旋转、缩放详解
<https://blog.csdn.net/eastmount/article/details/46345299>
[数字图像处理] 七.MFC图像增强之图像普通平滑、高斯平滑、Laplacian、Sobel、Prewitt锐化详解
<https://blog.csdn.net/eastmount/article/details/46378783>

前文参考：
[Python图像处理] 一.图像处理基础知识及OpenCV入门函数
<https://blog.csdn.net/Eastmount/article/details/81748802>
[Python图像处理] 二.OpenCV+Numpy库读取与修改像素
<https://blog.csdn.net/eastmount/article/details/82120114>
[Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理
<https://blog.csdn.net/eastmount/article/details/82177300>
[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
<https://blog.csdn.net/Eastmount/article/details/82216380>
[Python图像处理] 五.图像融合、加法运算及图像类型转换
<https://blog.csdn.net/Eastmount/article/details/82347501>


本篇文章主要讲解Python调用OpenCV实现图像位移操作、旋转和翻转效果，包括四部分知识：图像缩放、图像旋转、图像翻转、图像平移。全文均是基础知识，希望对您有所帮助。
1.图像缩放
2.图像旋转
3.图像翻转
4.图像平移


PS：文章参考自己以前系列图像处理文章及OpenCV库函数，同时部分参考网易云视频，推荐大家去学习。同时，本篇文章涉及到《计算机图形学》基础知识，请大家下来补充。
推荐原理文章：OpenCV2:图像的几何变换,平移、镜像、缩放、旋转
<https://www.cnblogs.com/wangguchangqing/p/4045150.html>

PSS：2019年1~2月作者参加了CSDN2018年博客评选，希望您能投出宝贵的一票。我是59号，Eastmount，杨秀璋。投票地址：
https://bss.csdn.net/m/topic/blog_star2018/index
<https://bss.csdn.net/m/topic/blog_star2018/index>

五年来写了314篇博客，12个专栏，是真的热爱分享，热爱CSDN这个平台，也想帮助更多的人，专栏包括Python、数据挖掘、网络爬虫、图像处理、C#、Android等。现在也当了两年老师，更是觉得有义务教好每一个学生，让贵州学子好好写点代码，学点技术，"师者，传到授业解惑也"，提前祝大家新年快乐。2019我们携手共进，为爱而生。

<>一.图像缩放

图像缩放主要调用resize()函数实现，具体如下：
result = cv2.resize(src, dsize[, result[. fx[, fy[, interpolation]]]])
其中src表示原始图像，dsize表示缩放大小，fx和fy也可以表示缩放大小倍数，他们两个（dsize或fx\fy）设置一个即可实现图像缩放。例如：

* result = cv2.resize(src, (160,160))
* result = cv2.resize(src, None, fx=0.5, fy=0.5)
图像缩放：设（x0, y0）是缩放后的坐标，（x, y）是缩放前的坐标，sx、sy为缩放因子，则公式如下：
(1)[x0y01]=[xy1][sx000sy0001] \left[ \begin{matrix} x_0 & y_0 & 1
\end{matrix} \right] =\left[ \begin{matrix} x & y & 1 \end{matrix}
\right] \left[ \begin{matrix} sx & 0 & 0 \\ 0 & sy & 0 \\ 0
& 0 & 1 \end{matrix} \right] \tag{1}[x0​​y0​​1​]=[x​y​1​]⎣⎡​sx00​0sy0​00
1​⎦⎤​(1)

代码示例如下所示：
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test.jpg'
) #图像缩放 result = cv2.resize(src, (200,100)) print result.shape #显示图像 cv2.imshow(
"src", src) cv2.imshow("result", result) #等待显示 cv2.waitKey(0) cv2.
destroyAllWindows()
输出结果如下图所示，图像缩小为（200，100）像素。

需要注意的是，代码中 cv2.resize(src, (200,100)) 设置的dsize是列数为200，行数为100。
同样，可以获取原始图像像素再乘以缩放系数进行图像变换，代码如下所示。
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test.jpg'
) rows, cols = src.shape[:2] print rows, cols #图像缩放 dsize(列,行) result = cv2.
resize(src, (int(cols*0.6), int(rows*1.2))) #显示图像 cv2.imshow("src", src) cv2.
imshow("result", result) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示：

最后讲解(fx,fy)缩放倍数的方法对图像进行放大或缩小。
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test.jpg'
) rows, cols = src.shape[:2] print rows, cols #图像缩放 result = cv2.resize(src,
None, fx=0.3, fy=0.3) #显示图像 cv2.imshow("src", src) cv2.imshow("result", result)
#等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
最后输出的结果如下图所示，这是按例比0.3*0.3缩小的。


<>二、图像旋转

图像旋转主要调用getRotationMatrix2D()函数和warpAffine()函数实现，绕图像的中心旋转，具体如下：

* M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
参数分别为：旋转中心、旋转度数、scale
* rotated = cv2.warpAffine(src, M, (cols, rows))
参数分别为：原始图像、旋转参数、原始图像宽高
图像旋转：设（x0, y0）是旋转后的坐标，（x,
y）是旋转前的坐标，(m,n)是旋转中心，a是旋转的角度，(left,top)是旋转后图像的左上角坐标，则公式如下：
(1)[x0y01]=[xy1][1000−10−mn1][cosa−sina0sinacosa0001][1000−10lefttop1] \left[
\begin{matrix} x_0 & y_0 & 1 \end{matrix} \right] = \left[
\begin{matrix} x & y & 1 \end{matrix} \right] \left[ \begin{matrix} 1
& 0 & 0 \\ 0 & -1 & 0 \\ -m & n & 1 \end{matrix}
\right] \left[ \begin{matrix} cosa & -sina & 0 \\ sina & cosa &
0 \\ 0 & 0 & 1 \end{matrix} \right] \left[ \begin{matrix} 1 & 0
& 0 \\ 0 & -1 & 0 \\ left & top & 1 \end{matrix} \right]
\tag{1}[x0​​y0​​1​]=[x​y​1​]⎣⎡​10−m​0−1n​001​⎦⎤​⎣⎡​cosasina0​−sinacosa0​001​⎦⎤​⎣
⎡​10left​0−1top​001​⎦⎤​(1)

代码如下所示：
#encoding:utf-8 import cv2 import numpy as np #读取图片 src = cv2.imread('test.jpg'
) #原图的高、宽 以及通道数 rows, cols, channel = src.shape #绕图像的中心旋转 #参数：旋转中心 旋转度数 scale M
= cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1) #参数：原始图像 旋转参数 元素图像宽高 rotated
= cv2.warpAffine(src, M, (cols, rows)) #显示图像 cv2.imshow("src", src) cv2.imshow(
"rotated", rotated) #等待显示 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果如下图所示：

如果设置-90度，则核心代码和图像如下所示。
M = cv2.getRotationMatrix2D((cols/2, rows/2), -90, 1)
rotated = cv2.warpAffine(src, M, (cols, rows))


<>三、图像翻转

图像翻转在OpenCV中调用函数flip()实现，原型如下：
dst = cv2.flip(src, flipCode)

其中src表示原始图像，flipCode表示翻转方向，如果flipCode为0，则以X轴为对称轴翻转，如果fliipCode>0则以Y轴为对称轴翻转，如果flipCode<0则在X轴、Y轴方向同时翻转。

代码如下所示：
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt
#读取图片 img = cv2.imread('test.jpg') src = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#图像翻转 #0以X轴为对称轴翻转 >0以Y轴为对称轴翻转 <0X轴Y轴翻转 img1 = cv2.flip(src, 0) img2 = cv2.flip(
src, 1) img3 = cv2.flip(src, -1) #显示图形 titles = ['Source', 'Image1', 'Image2',
'Image3'] images = [src, img1, img2, img3] for i in xrange(4): plt.subplot(2,2,i
+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.
yticks([]) plt.show()
输出结果如下图所示：


<>四、图像平移

图像平移：设（x0, y0）是缩放后的坐标，（x, y）是缩放前的坐标，dx、dy为偏移量，则公式如下：
(3)[x0y01]=[xy1][100010dxdy1] \left[ \begin{matrix} x_0 & y_0 & 1
\end{matrix} \right] =\left[ \begin{matrix} x & y & 1 \end{matrix}
\right] \left[ \begin{matrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ dx
& dy & 1 \end{matrix} \right] \tag{3}[x0​​y0​​1​]=[x​y​1​]⎣⎡​10dx​01dy​0
01​⎦⎤​(3)

图像平移首先定义平移矩阵M，再调用warpAffine()函数实现平移，核心函数如下：
M = np.float32([[1, 0, x], [0, 1, y]])
shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

完整代码如下所示：
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt
#读取图片 img = cv2.imread('test.jpg') image = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#图像平移 下、上、右、左平移 M = np.float32([[1, 0, 0], [0, 1, 100]]) img1 = cv2.warpAffine(
image, M, (image.shape[1], image.shape[0])) M = np.float32([[1, 0, 0], [0, 1, -
100]]) img2 = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) M = np.
float32([[1, 0, 100], [0, 1, 0]]) img3 = cv2.warpAffine(image, M, (image.shape[1
], image.shape[0])) M = np.float32([[1, 0, -100], [0, 1, 0]]) img4 = cv2.
warpAffine(image, M, (image.shape[1], image.shape[0])) #显示图形 titles = [ 'Image1'
, 'Image2', 'Image3', 'Image4'] images = [img1, img2, img3, img4] for i in
xrange(4): plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[
i]) plt.xticks([]),plt.yticks([]) plt.show()
输出结果如下图所示：

三尺讲台，三寸舌，
三千桃李，三杆笔。

再累再苦，站在讲台前就是最美的自己，几个月的烦恼和忧愁都已消失，真的好享受这种状态，仿佛散着光芒，终于给低年级的同学上课了越早培养编程兴趣越好，恨不能倾囊相授。
即使当一辈子的教书匠，平平淡淡也喜欢，而且总感觉给学生讲课远不是课酬和职称所能比拟，这就是所谓的事业，所谓的爱好。
希望文章对大家有所帮助，如果有错误或不足之处，还请海涵。 准备出去休回家了，好好享受最美时光。
（By：Eastmount 2018-09-06 早10点 https://blog.csdn.net/Eastmount/）
<https://blog.csdn.net/Eastmount/%EF%BC%89>

• « 上一篇：Kafka与Spring对接踩过的坑
• » 下一篇：微服务（入门四）：identityServer的简单使用（客户端授权）