python图像处理第七课--图像缩放、翻转、旋转、平移--小白的成长历程

#目的为记录在自己运行时存在的问题及解决方法，本文基于社区的Eastmount大佬的课程，通过学习，其中也增加了自己的考量和问题的解决。

图像缩放 图像缩放由 resize() 函数实现，如下所示，其中src表示原图，（1）中，括号内数据代表缩放后图片尺寸；（2）中fx和fy分别代表长和高方向的缩放比例。 （1）result = cv2.resize(src, (160,160)) （2）result = cv2.resize(src, None, fx=0.5, fy=0.5)

tip: 代码result = cv2.resize(img, (512, 384))中，列数为512，行数为384。

# encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图片 img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG") print(img.shape) #图像缩放 result = cv2.resize(img, (512,384)) print(result.shape) # 显示图像 cv2.imshow("img",img) cv2.imshow("result", result) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()

结果如下： (768, 1024, 3) (384, 512, 3) tip: 其中fx设置的为长度（列数），fy设置的为高度（行数）

# encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图片 img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG") print(img.shape) #图像缩放 result = cv2.resize(img, None, fx=0.5, fy=0.2) print(result.shape) # 显示图像 cv2.imshow("img",img) cv2.imshow("result", result) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()

结果如下： (768, 1024, 3) (154, 512, 3) 2. 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：

#参数分别为：旋转中心、旋转度数、比例尺 M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)

#参数分别为：原始图像、定义好的旋转矩阵M、原始图像列、行 rotated = cv2.warpAffine(src, M, (cols, rows))

# encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图片 img = cv2.imread("C:/Users/CLH/Desktop/test1.JPG") rows, cols, channel = img.shape #绕图像中心旋转 #参数：旋转中心，旋转度数，比例尺 M = cv2.getRotationMatrix2D((cols/2, rows/2), 60, 1) #参数：原始图像，旋转参数，原始图像宽高 rotated = cv2.warpAffine(img, M, (cols, rows)) # 显示图像 cv2.imshow("rotated", rotated) # 等待显示 cv2.waitKey(0) cv2.destroyAllWindows()

3. 图像翻转 图像翻转在OpenCV中调用函数flip() 实现，函数如下： 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。

# encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图片 img = cv2.imread("C:/Users/CLH/Desktop/test1.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 <0，以X、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 range(4): plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()

4. 图像平移 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]))

#平移矩阵M中，[1，0，x]表示在X轴方向上平移，平移量为x，[0，1，y]表示在Y轴方向上平移，平移量为y。

#值得注意的是，在Y轴方向上，其坐标为从上向下排列，故y=100时，代表图片下移100距离。 代码如下：

# encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图片 img = cv2.imread("C:/Users/CLH/Desktop/test1.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 range(4): plt.subplot(2,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()

参考： [Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移_杨秀璋的专栏-博客 https://blog.csdn.net/Eastmount/article/details/82454335