⚠️這個系列是自己瞎翻的，文法很醜，主要靠意會，跳着跳着撿重要的部分翻，翻錯了不負責，就這樣哈。
⚠️基於3.4.3，Geometric Transformations of Images，附原文。
目標
- 學會對圖像應用不同的幾何變換，比如平移、旋轉、仿射變換等等。
- 你會遇到這些方法： cv.getPerspectiveTransform
變換
OpenCV提供了兩個轉換方法，cv.warpAffine 和 cv.warpPerspective，用他們你可以完成所有類型的轉換。cv.warpAffine 用了 2x3 轉換矩陣作爲參數，而 cv.warpPerspective 採用了 3x3 轉換矩陣作爲參數。
放縮
縮放只是調整圖像大小。OpenCV自帶了一個方法 cv.resize() 來做這件事。可以手動指定圖像的大小，也可以指定縮放係數。使用不同的重寫方法，推薦的重寫方法是用來縮小的 cv.INTER_AREA ，以及用於縮放的 cv.INTER_CUBIC （慢）和 cv.INTER_LINEAR 。默認的情況下，所有調整大小使用的都是 cv.INTER_LINEAR 。你可以使用以下方法之一調整輸入圖像的大小：
import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg')
res = cv.resize(img,None,fx=2, fy=2, interpolation = cv.INTER_CUBIC)
#OR
height, width = img.shape[:2]
res = cv.resize(img,(2*width, 2*height), interpolation = cv.INTER_CUBIC)
平移映射
平移映射就是在改變物體的位置，比如你知道 (x,y) ，要把它偏移到 (tx,ty) 的位置，你就要創造一個映射矩陣 M 如下：
你可以把它裝成一個 np.float32 型的Numpy數組，並且傳入 cv.warpAffine() 方法中，看以下的代碼（把(0,0)）轉換到(100,50)：
import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg',0)
rows,cols = img.shape
M = np.float32([[1,0,100],[0,1,50]])
dst = cv.warpAffine(img,M,(cols,rows))
cv.imshow('img',dst)
cv.waitKey(0)
cv.destroyAllWindows()
警告
cv.warpAffine() 方法的第三個參數是以**(寬, 高)**格式表示的輸出圖像的大小，記住寬等於列數，高等於行數。
看以下結果
旋轉
要旋轉一個圖像 θ 角度，要通過這種格式的一個映射矩陣：
但 OpenCV 提供了擴展過的旋轉，通過可調整的旋轉中心，你可以在你想要的任意地點開始旋轉。修改過的映射矩陣給出如下：
其中
α=scale⋅cosθ，β=scale⋅sinθ
要找出這個映射矩陣，OpenCV 提供了一個方法，cv.getRotationMatrix2D 。查看以下例子，以圖像中心旋轉圖像90度，並且不做任何拉伸。
img = cv.imread('messi5.jpg',0)
rows,cols = img.shape
# cols-1 and rows-1 are the coordinate limits.
M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)
dst = cv.warpAffine(img,M,(cols,rows))
看下面的結果：
仿射變換
在仿射變換中，所有原圖中的平行線會在輸出圖像中依然保持平行。要找到這個映射矩陣，我們需要從輸入圖像中三個點的位置，以及在輸出圖像中對應的位置。然後用 cv.getAffineTransform 會創建一個 2x3 矩陣，用來當做參數傳入 cv.warpAffine 。
查看下面的例子，並且也看一下我選擇的點（用綠色標記出來了）：
img = cv.imread('drawing.png')
rows,cols,ch = img.shape
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv.getAffineTransform(pts1,pts2)
dst = cv.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()
看結果：
透視變換
要完成透視變換，你需要一個 3x3 的映射矩陣，直線會在映射之後保持筆直。要找到這個映射矩陣，你需要四個原圖上的點，以及它們在轉換後圖像上對應的位置。在這四個點中，其中任意三個不能共線。
然後這個映射矩陣可以通過方法 cv.getPerspectiveTransform 來拿到，然後再把這個 3x3 映射矩陣應用於 cv.warpPerspective 方法上。
看以下代碼：
img = cv.imread('sudoku.png')
rows,cols,ch = img.shape
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M = cv.getPerspectiveTransform(pts1,pts2)
dst = cv.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()
結果：
額外資源
- "Computer Vision: Algorithms and Applications", Richard Szeliski （計算機視覺：算法和應用）