图像的读取、缩放、平移、旋转、翻转、仿射、透射

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 在读取图片中，imread（‘图片地址’，‘模式参数’）函数可以来控制所读取图片的模式。
# 模式参数：
# 0：读入的为灰度图像（即使读入的为彩色图像也将转化为灰度图像）
# 1：读入的为彩色图像（默认）

# img=cv2.imread('girl.jpg',0)
# 数组
# print(img)
# 图片大小
# print(np.shape(img))

# 先创建一个窗口
# cv2.namedWindow('Image')
# # 在窗口中显示图像
# cv2.imshow('Image',img)
# # 使窗口始终保持住
# cv2.waitKey(0)
#
# # 复制图片
# img1=img.copy()
# 保存图像
# cv2.imwrite('123.jpg',img1)

# 第一个参数是保存图像的地址以及文件的名字，第二个参数是所要保存的图像数组。
# 其实它还有第三个参数，针对特定的图像格式，对于JPEG，其表示的是图片的quality，用0-100的整数表示，默认为95。
# 当然，你如果把参数设置的超过100也不会出错，但到100已经达到图片本身的最高质量了。
# cv2.IMWRITE_JPEG_QUALITY的类型为int类型，符合图像数组为整数的要求，不用再更改类型。

# cv2.imwrite('rose_copy1.jpg', img1, [cv2.IMWRITE_JPEG_QUALITY, 100])
# # 释放窗口
# cv2.destroyAllWindows()





# img = np.array([
#     [[255, 0, 0], [0, 255, 0], [0, 0, 255]],
#     [[255, 255, 0], [255, 0, 255], [0, 255, 255]],
#     [[255, 255, 255], [128, 128, 128], [0, 0, 0]],
# ], dtype=np.uint8)

# 对于常见的RGB彩色图像，opencv使用的是BGR格式，如下例：
# 用matplotlib存储
# plt.imsave('img_pyplot.png', img)
# 用OpenCV存储
# cv2.imwrite('img_cv2.png', img)


img=cv2.imread('b.jpg')
# print(img.shape)  #(333, 500, 3)

# 平移
# M=np.float32([[1,0,100],
#               [0,1,50]])
# rows,cols=img.shape[:2]  #    333 500
# translation=cv2.warpAffine(img,M,(cols,rows))   # 平移    cv2.warpAffine(要变换的图像，平移矩阵，变换后大小)
# plt.subplot(121)
# plt.imshow(img)
# plt.subplot(122)
# plt.imshow(translation)
# plt.show()

# 缩放
# 插值：interpolation   None本应该是放图像大小的位置的，后面设置了缩放比例，所以就不要了
# res1 = cv2.resize(img,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC) # 缩放    cv2.resize(变换的图像，缩放后大小，缩放比例因子，插值方法)
# #直接规定缩放大小，这个时候就不需要缩放因子
# height,width = img.shape[:2]
# res2 = cv2.resize(img,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
# plt.subplot(131)
# plt.imshow(img)
# plt.subplot(132)
# plt.imshow(res1)
# plt.subplot(133)
# plt.imshow(res2)
# plt.show()

# 旋转
# rows, cols = img.shape[:2]
# # cv2.getRotationMatrix2D(旋转中心，旋转角度，缩放比例)
# M = cv2.getRotationMatrix2D((cols / 2, rows / 2), 45, 1/2)
# # 第三个参数：变换后的图像大小
# res = cv2.warpAffine(img, M, (cols, rows))   # 平移
# plt.subplot(121)
# plt.imshow(img)
# plt.subplot(122)
# plt.imshow(res)
# plt.show()

# 翻转    cv2.flip(para) para=0：纵向翻转 para=1：横向翻转 para=-1：同时都翻
# res1 = cv2.flip(img,1)
# #纵向翻转
# res2 = cv2.flip(img,0)
# #同时翻转
# res3 = cv2.flip(img,-1)
# plt.subplot(141)
# plt.imshow(img)
# plt.subplot(142)
# # para=1：横向翻转
# plt.imshow(res1)
# plt.subplot(143)
# # 翻转    cv2.flip(para) para=0：纵向翻转
# plt.imshow(res2)
# plt.subplot(144)
# # para=-1：同时都翻
# plt.imshow(res3)
# plt.show()

# 仿射（旋转并拉伸）    cv2.getAffineTransform(pos1,pos2)3个点前后位置  +  cv2.warpAffine(变换的图像，平移矩阵，变换后大小)
# rows,cols = img.shape[:2]
# pts1 = np.float32([[50,50],[200,50],[50,200]])
# pts2 = np.float32([[10,100],[200,50],[100,250]])
# M = cv2.getAffineTransform(pts1,pts2)
# #第三个参数：变换后的图像大小
# res = cv2.warpAffine(img,M,(cols,rows))
# plt.subplot(121)
# plt.imshow(img)
# plt.subplot(122)
# plt.imshow(res)
# plt.show()

# 透射    cv2.getPerspectiveTransform(pts1,pts2)4个点前后位置 + cv2.warpAffine()
# rows,cols = img.shape[:2]
# pts1 = np.float32([[56,65],[238,52],[28,237],[239,240]])
# pts2 = np.float32([[0,0],[200,0],[0,200],[200,200]])
# M = cv2.getPerspectiveTransform(pts1,pts2)
# res = cv2.warpPerspective(img,M,(200,150))
# plt.subplot(121)
# plt.imshow(img)
# plt.subplot(122)
# plt.imshow(res)
# plt.show()