进一步学习灵活的操作!
1、图像的旋转和平移
旋转和平移都是借助cv2.warpAffine()函数实现的，其区别是转换矩阵M的不同。
旋转利用cv2.getRotationMatrix2D()函数构造旋转矩阵，平移矩阵利用二维数组构建。
语法：cv2.warpAffine(src, M, desize, dst, flags, borderMode, borderValue)
其中，src------源图像，M------转换矩阵
desize------tuple类型参数。目标图像的宽高，即新的图像宽高(新的图像可能包含部分或者全部变换后的图像，其他区域一般由黑色像素填充)。
dst------目标图像，在python中无任何意义，一般不传参或设成None。
flags---插值方法。cv2.INTER_NEAREST，最近邻插值；cv2.INTER_LINEAR，线性插值（默认值）；cv2.INTER_AREA，区域插值；cv2.INTER_CUBIC，三次样条插值等。
borderMode ------边界像素模式
borderValue ------边界填充值（即显示框内图像之外的区域），默认值为0.
旋转矩阵的构造：
语法：cv2.getRotationMatrix2D( center , angel , scale )
参数：center ------图像的旋转中心，是一元祖类型的参数。即在图像构建的坐标系中选取旋转中心。
angle ------ 旋转角度（角度制），正负值遵循坐标系角度规则。
scale ------ 图像的缩放比例因子。
平移矩阵的构造
语法：构造数组，2Darray = np.ndarray（[[1，0，tx]，[0，1，ty]]）
参数：tx ------正值，图像将右移[tx]个像素；负值，将向左移[ tx]个像素。
ty ------正值，图像将下降[ty]个像素；负值，将向上移[ty]个像素。
平移矩阵，M = 2Darray
相关例子：
1 import cv2
2 import numpy as np
3
4 car = cv2.imread('car.png')
5 print(car.shape)
6 height, width = car.shape[:2]
7
8 # 旋转图像
9 center = (width/3 , height/10)
10 rotate_matrix = cv2.getRotationMatrix2D(center, -15, scale = 1.2)
11 rotate_car = cv2.warpAffine(car, rotate_matrix, dsize = (500,300))
12
13 # 原图像以坐标（width/3 , heigjht/10)为旋转中心旋转-15度然后再缩放1.2倍
14
15 cv2.imshow('original_imag',car)
16 cv2.imshow('rotate',rotate_car)
17 cv2.waitKey(0)
18 cv2.destroyAllWindows()
1 import cv2
2 import numpy as np
3
4 car = cv2.imread('car.png')
5 print(car.shape)
6 height, width = car.shape[:2]
7
8 #平移图像
9 tx, ty = width/5, -height/5
10 translation_matrix = np.array([[1,0,tx], [0,1,ty]])
11 translation_car = cv2.warpAffine(car,translation_matrix,dsize=(500,300))
12 cv2.imshow('original_img',car)
13 cv2.imshow('translation_car',translation_car)
14 cv2.waitKey(0)
15 cv2.destroyAllWindows()
2、图像翻转
图像翻转，也就是通常所说的镜像。主要包括垂直翻转、水平翻转、水平垂直翻转。
语法：cv2.flip( src, flipCode)
src ------ 源图像
flipCode ------ 翻转方式。 flipCode == 0 , 垂直翻转（沿x轴翻转）
flipCode > 0 , 水平翻转（沿y轴翻转）
flipCode < 0 , 水平垂直翻转（先沿X轴翻转，再沿Y轴翻转，等价于旋转180°）
1 import cv2
2 import numpy as np
3
4 car = cv2.imread('car.png')
5 # 翻转图像
6 flip_cat1 = cv2.flip(car, flipCode=0)
7 flip_cat2 = cv2.flip(car, flipCode=1)
8 flip_cat3 = cv2.flip(car, flipCode=-1)
9
10 combined = np.hstack((car,flip_cat1,flip_cat2,flip_cat3))
11 cv2.imshow('combined',combined)
12 cv2.waitKey(0)
13 cv2.destroyAllWindows()
