一，图像的放大和缩小

## 图像缩放的本质

图像缩放是通过改变图像的像素尺寸（宽度和高度）来调整图像大小的操作，本质是对原图像的像素进行重新采样（放大时补充像素，缩小时减少像素）。

import numpy as np
import cv2
#图像缩放，可能会导致图像变形，是因为缩放比列不对
lh =  cv2.imread('10.jpg')
#dsize(x,y)宽高
new = cv2.resize(lh,(240,314))
#new = cv2.resize(lh,None,fx=0.3,fy=0.3)#取宽高的1/3
#按比例缩放，所以要先知道宽高，输出是高宽
print(lh.shape)
cv2.imshow('left',lh)
cv2.imshow('right',new)
cv2.waitKey(0)

输出结果如下：

代码解释

new = cv2.resize(lh, (240, 314))  # (宽, 高)

直接指定缩放后的目标宽度（240）和高度（314）
若目标尺寸的宽高比例与原图不一致，会导致图像变形（例如原图是正方形，缩放到长方形时会拉伸或挤压）

new = cv2.resize(lh, None, fx=0.3, fy=0.3)  # 宽高均缩放到原图的30%

fx：宽度缩放比例（>1 为放大，<1 为缩小）
fy：高度缩放比例
当fx=fy时，图像按原比例缩放，不会变形。

放大与缩小的区别
图像缩小：需要从原图像中筛选保留部分像素（通常通过均值、插值等方式），可能导致细节丢失，但图像文件体积会减小。
图像放大：需要通过算法补充新的像素（如双线性插值、最近邻插值等），可能导致图像模糊（像素拉伸），文件体积会增大。
注意点
OpenCV 中图像的shape输出为(高, 宽, 通道数)，而resize的dsize参数是(宽, 高)，使用时需注意尺寸对应关系。
按比例缩放时，先通过lh.shape获取原图宽高（宽=lh.shape[1]，高=lh.shape[0]），再计算目标尺寸可避免变形。

二，图像的翻转

图像翻转是一种常见的几何变换，主要通过改变像素的排列顺序实现，与旋转（按角度转动）的效果不同，翻转更像是 “镜像” 或 “倒置” 处理。

#图像翻转，与旋转不同，旋转是按照角度旋转
import numpy as np
import cv2

lh = cv2.imread('10.jpg')
#上下翻转
new = cv2.flip(lh, 0)
#左右翻转
new2 = cv2.flip(lh, 1)
#上下加左右翻转
new3 = cv2.flip(lh, -1)
cv2.imshow('original', lh)
cv2.imshow('flipped', new)
cv2.imshow('flipped2', new2)
cv2.imshow('flipped3', new3)
cv2.waitKey(0)

输出结果对比：

代码解释

核心函数：cv2.flip()
函数作用：对图像进行水平、垂直或同时水平垂直翻转，

new = cv2.flip(lh, 0)  # flipCode=0

src：输入的原始图像
flipCode：翻转模式参数，决定翻转方向

1）垂直翻转（上下翻转）

new = cv2.flip(lh, 0)  # flipCode=0

效果：图像上下颠倒，如同将图像沿水平中线（横向中线）翻转，顶部像素移到底部，底部像素移到顶部。
例：照片中的人物会变成 “头朝下、脚朝上”。

2）水平翻转（左右翻转）

new2 = cv2.flip(lh, 1)  # flipCode=1

效果：图像左右颠倒，如同沿垂直中线（纵向中线）翻转，左侧像素移到右侧，右侧像素移到左侧。
例：类似照镜子的效果，文字会变成反方向（如 “ABC” 变成 “CBA”）。

3）水平 + 垂直翻转（上下 + 左右同时翻转）

new3 = cv2.flip(lh, -1)  # flipCode=-1

效果：先上下翻转，再左右翻转（或先左右再上下，结果一致），相当于图像旋转 180 度的效果，但实现方式不同（翻转是像素镜像，旋转是角度变换）。
例：人物既头朝下，又左右颠倒。

翻转的特点
无变形：翻转不会改变图像的尺寸和像素值，仅改变像素的位置顺序，图像内容的比例和形状保持不变。
实时性：操作简单，计算效率高，适合快速处理图像。
应用场景：常用于数据增强（如训练神经网络时扩充样本）、镜像效果制作、纠正图像方向（如照片拍反时调整）等。
通过调整flipCode参数，cv2.flip()可以灵活实现不同方向的翻转，是图像处理中常用的基础操作。

三，图像的旋转

图像旋转的核心概念
图像旋转是将图像围绕某个某一中心点（通常是图像中心）按指定角度转动的几何变换，会改变像素的空间位置，但不改变像素本身的颜色值。代码中演示的是固定角度旋转（90 度、180 度、270 度），这类旋转属于特殊情况，操作简单且不会产生图像裁剪或黑边（除非尺寸变化）。
使用 OpenCV 的cv2.rotate()函数实现图像旋转的操作，主要针对 90 度倍数的固定角度旋转。

#图像旋转，顺时针，不能转小角度（不是90度的倍数）
import numpy as np
import cv2

lh =cv2.imread('10.jpg')
#旋转90度  
new = cv2.rotate(lh, cv2.ROTATE_90_CLOCKWISE)
#旋转180度
new2 = cv2.rotate(lh,cv2.ROTATE_180)
#旋转270度
new3 = cv2.rotate(lh, cv2.ROTATE_90_COUNTERCLOCKWISE)
cv2.imshow('original', lh)
cv2.imshow('rotated', new)
cv2.imshow('rotated2', new2)
cv2.imshow('rotated3', new3)
cv2.waitKey(0)

输出结果：

代码解释

核心函数：cv2.rotate()
函数作用：实现图像按 90 度倍数的顺时针或逆时针旋转。

cv2.rotate(src, rotateCode)

src：输入的原始图像
rotateCode：旋转模式参数，指定旋转角度和方向

1）顺时针旋转 90 度

new = cv2.rotate(lh, cv2.ROTATE_90_CLOCKWISE)

效果：图像顺时针转动 90 度，旋转后图像的宽高会互换（原图宽 × 高 → 新图高 × 宽）。
例：一张宽 600、高 400 的图像，旋转后变为宽 400、高 600。

2）旋转 180 度

new2 = cv2.rotate(lh, cv2.ROTATE_180)

效果：图像顺时针（或逆时针）旋转 180 度，宽高不变，但像素位置完全颠倒（相当于上下 + 左右翻转的组合效果，但本质是旋转）。

3）逆时针旋转 90 度（或顺时针旋转 270 度）

new3 = cv2.rotate(lh, cv2.ROTATE_90_COUNTERCLOCKWISE)

效果：图像逆时针转动 90 度，宽高同样互换（与顺时针 90 度旋转方向相反）。

固定角度旋转的特点
无裁剪 / 黑边：由于旋转角度是 90 度的倍数，旋转后图像刚好填满新尺寸，不会出现像素丢失或黑边（与任意角度旋转不同）。
尺寸变化：90 度和 270 度旋转会交换图像的宽和高；180 度旋转尺寸不变。
高效性：操作简单，计算速度快，适合快速调整图像方向（如纠正拍倒的照片）。

补充：任意角度旋转
如果需要旋转非 90 度倍数的角度（如 30 度、45 度），cv2.rotate()无法直接实现，需通过旋转矩阵和cv2.warpAffine()函数，下面内容展示。

四，仿射变换

仿射变换是一种保持图像 “平行性” 和 “共线比例” 的几何变换，能实现平移、旋转、缩放、剪切等多种效果。

仿射变换的核心特点
保持平行性：变换后，原图像中的平行线依然平行。
保持共线比例：原图像中共线的点，变换后仍共线，且点之间的比例关系不变。
通过矩阵实现：所有仿射变换都可以通过一个 2×3 的变换矩阵（M）描述，

仿射变换类型及实现
OpenCV 中通过cv2.warpAffine()函数应用仿射变换。

#代码稍微有点乱，只保留一个M，不同场景
import numpy as np
import cv2

lh = cv2.imread('10.jpg')
h,w,ch = lh.shape
#变换矩阵，np.float32，参数，200横向平移（左右），300纵向平移（上下）
#M = np.float32([[1,0,200],[0,1,300]])
#旋转的角度为逆时针 ，1.0为中心点
#M = cv2.getRotationMatrix2D((100,100),15,1.0)
#中心点是（x,y)，图像的正中心
#M = cv2.getRotationMatrix2D((w/2,h/2),15,1.0)
#整个窗口没变，图像变小了，变成整个窗口的0.3,参数，中心点，角度，缩放比例
#M = cv2.getRotationMatrix2D((w/2,h/2),15,0.3)
src = np.float32([[400,300],[800,300],[400,1000]])
dst = np.float32([[200,400],[600,500],[150,1100]])
M = cv2.getAffineTransform(src,dst)

#如果想要改变新图像的尺寸，需要修改dsize
#dst = cv2.warpAffine(lh,M,(lh.shape[1],lh.shape[0]))
new = cv2.warpAffine(lh,M,(int(w/2),int(h/2)))
cv2.imshow('lh',lh)
cv2.imshow('dst',new)
cv2.waitKey(0)

输出结果对比：
平移

代码注释

cv2.warpAffine(src, M, dsize)

src：输入图像
M：2×3 的变换矩阵
dsize：输出图像的尺寸（宽，高）。

1）平移

M = np.float32([[1, 0, 200], [0, 1, 300]])

矩阵含义：[1,0,tx]和[0,1,ty]，其中tx是水平平移量（正右负左），ty是垂直平移量（正下负上）。
效果：图像沿 x 轴平移 200 像素，沿 y 轴平移 300 像素。

2）旋转 + 缩放
通过cv2.getRotationMatrix2D()生成旋转矩阵：

M = cv2.getRotationMatrix2D(center, angle, scale)

center：旋转中心点（(x,y)）
angle：旋转角度（正数为逆时针旋转，负数为顺时针）
scale：缩放因子（>1 放大，<1 缩小）

3)自定义反射变换
通过cv2.getAffineTransform(src, dst)生成变换矩阵，需要指定3 对对应点（原图像点src和变换后点dst）：

src = np.float32([[400,300], [800,300], [400,1000]])  # 原图像中的3个点
dst = np.float32([[200,400], [600,500], [150,1100]])  # 变换后对应的3个点
M = cv2.getAffineTransform(src, dst)  # 计算变换矩阵

原理：3 对对应点唯一确定一个仿射变换（因为 2×3 矩阵有 6 个未知数，3 个点提供 6 个方程）。
效果：根据 3 对点位关系，实现复杂的组合变换（可能同时包含旋转、平移、缩放、剪切）。

五，透视变换

透视变换是一种能够改变图像视角的几何变换，常用于校正图像的透视畸变（如倾斜拍摄的文档、建筑物等），核心是将 “3D 视角下的透视投影” 转换为 “2D 平面视图”。
透视变换的核心特点
打破平行性：与仿射变换不同，透视变换会改变图像中平行线的关系（例如，现实中平行的道路向远方交汇于一点），更贴近人眼的透视效果。
4 点确定变换：需要通过原图像和目标图像中的4 对对应点来唯一确定变换矩阵（仿射变换只需 3 对点）。
3×3 变换矩阵：透视变换通过一个 3×3 的矩阵（M）实现，对像素点(x,y)的变换公式为：

x' = (m00*x + m01*y + m02) / (m20*x + m21*y + m22)
y' = (m10*x + m11*y + m12) / (m20*x + m21*y + m22)

分母的存在是透视变换的关键，使其能模拟 “近大远小” 的透视效果。

#透视变换
import numpy as np
import cv2

img = cv2.imread('1.jpg')
#通过尝试找到四个角的坐标
src = np.float32([[100,1100],[2100,1100],[0,4000],[2500,3900]])
dst = np.float32([[0,0],[2300,0],[0,3000],[2300,3000]])

M =cv2.getPerspectiveTransform(src, dst)

new = cv2.warpPerspective(img,M,(2300,3000))
cv2.imshow('orgin',img)
cv2.imshow('new',new)
cv2.waitKey(0)

代码中的实现步骤：
透视变换主要通过两个函数完成：cv2.getPerspectiveTransform()生成变换矩阵，cv2.warpPerspective()应用变换。
输出结果：

代码注释

1）定义对应点对

src = np.float32([[100,1100], [2100,1100], [0,4000], [2500,3900]])  # 原图像中待校正区域的4个角点
dst = np.float32([[0,0], [2300,0], [0,3000], [2300,3000]])          # 目标图像中对应的4个角点（通常是矩形，如文档的正视图）

src：原图像中存在透视畸变的区域（如倾斜拍摄的矩形物体的四个角）。
dst：目标图像中矫正后的区域（通常是规则的矩形，确保四条边平行）。
2）计算透视变换矩阵

M = cv2.getPerspectiveTransform(src, dst)  # 根据4对点计算3×3的变换矩阵M

3）应用透视变换

new = cv2.warpPerspective(img, M, (2300, 3000))  # 输出图像尺寸为(宽=2300, 高=3000)
dsize参数指定输出图像的宽和高，需与dst点定义的矩形尺寸匹配（否则会拉伸）。

与仿射变换的核心区别