该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类、目标检测应用。

前一篇文章介绍Python调用OpenCV实现图像融合、图像加减法、图像逻辑运算和类型转换。这篇文章将详细讲解图像缩放、图像旋转、图像翻转、图像平移。希望文章对您有所帮助，如果有不足之处，还请海涵~

• 一.图像缩放

• 二.图像旋转

• 三.图像翻转

• 四.图像平移

该系列在github所有源代码：

• https://github.com/eastmountyxz/

  ImageProcessing-Python

  
  

前文回顾（下面的超链接可以点击喔）：

• [Python图像处理] 一.图像处理基础知识及OpenCV入门函数

• [Python图像处理] 二.OpenCV+Numpy库读取与修改像素

• [Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理

• [Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波、中值滤波及双边滤波

• [Python图像处理] 五.图像融合、加法运算及图像类型转换

• [Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移
  

学Python近八年，认识了很多大佬和朋友，感恩。由于在外求学且需要养娃，故在CSDN设置成了最低价收费专栏，觉得不错的可以购买抬爱；但作者的本意是帮助更多初学者入门，因此在github开源了所有代码，也在公众号同步更新。深知自己很菜，得拼命努力前行，编程也没有什么捷径，干就对了。希望未来能更透彻学习和撰写文章，同时非常感谢参考文献中的大佬们的文章和分享，共勉。

- https://blog.csdn.net/eastmount

一.图像缩放

图像缩放主要调用resize()函数实现，具体如下：

• result = cv2.resize(src, dsize[,

  result[. fx[, fy[, interpolation]]]])

其中src表示原始图像，dsize表示缩放大小，fx和fy也可以表示缩放大小倍数，他们两个（dsize或fx\fy）设置一个即可实现图像缩放。例如：

• result = cv2.resize(src, (160,160))

• result = cv2.resize(src, None,

  fx=0.5, fy=0.5)

图像缩放：设（x0, y0）是缩放后的坐标，（x, y）是缩放前的坐标，sx、sy为缩放因子，则公式如下：

代码示例如下所示：

#encoding:utf-8
import cv2  
import numpy as np  
 
#读取图片
src = cv2.imread('test.jpg')

#图像缩放
result = cv2.resize(src, (200,100))
print(result.shape)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示，图像缩小为（200，100）像素。

需要注意的是，代码中 cv2.resize(src, (200,100)) 设置的dsize是列数为200，行数为100。

同样，可以获取原始图像像素再乘以缩放系数进行图像变换，代码如下所示。

#encoding:utf-8
import cv2  
import numpy as np  
 
#读取图片
src = cv2.imread('test.jpg')
rows, cols = src.shape[:2]
print(rows, cols)

#图像缩放 dsize(列,行)
result = cv2.resize(src, (int(cols*0.6), int(rows*1.2)))

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示：

最后讲解(fx,fy)缩放倍数的方法对图像进行放大或缩小。

#encoding:utf-8
import cv2  
import numpy as np  
 
#读取图片
src = cv2.imread('test.jpg')
rows, cols = src.shape[:2]
print(rows, cols)

#图像缩放
result = cv2.resize(src, None, fx=0.3, fy=0.3)

#显示图像
cv2.imshow("src", src)
cv2.imshow("result", result)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

最后输出的结果如下图所示，这是按例比0.3*0.3缩小的。

二.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：

• M = cv2.getRotationMatrix2D(

  (cols/2, rows/2), 30, 1)
  参数分别为：旋转中心、旋转度数、scale

• rotated = cv2.warpAffine(

  src, M, (cols, rows))
  参数分别为：原始图像、旋转参数、原始图像宽高

图像旋转：设（x0, y0）是旋转后的坐标，（x, y）是旋转前的坐标，(m,n)是旋转中心，a是旋转的角度，(left,top)是旋转后图像的左上角坐标，则公式如下：

代码如下所示：

#encoding:utf-8
import cv2  
import numpy as np  
 
#读取图片
src = cv2.imread('test.jpg')

#原图的高、宽 以及通道数
rows, cols, channel = src.shape

#绕图像的中心旋转
#参数：旋转中心 旋转度数 scale
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
#参数：原始图像 旋转参数 元素图像宽高
rotated = cv2.warpAffine(src, M, (cols, rows))

#显示图像
cv2.imshow("src", src)
cv2.imshow("rotated", rotated)

#等待显示
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果如下图所示：

如果设置-90度，则核心代码和图像如下所示。

• M = cv2.getRotationMatrix2D(

  (cols/2, rows/2), -90, 1)

• rotated = cv2.warpAffine(

  src, M, (cols, rows))

三.图像翻转

图像翻转在OpenCV中调用函数flip()实现，原型如下：

• 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轴同时翻转。

代码如下所示：

#encoding:utf-8
import cv2  
import numpy as np
import matplotlib.pyplot as plt
 
#读取图片
img = cv2.imread('test.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 <0X轴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()  

输出结果如下图所示：

四.图像平移

图像平移：设（x0, y0）是缩放后的坐标，（x, y）是缩放前的坐标，dx、dy为偏移量，则公式如下：

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]))

完整代码如下所示：

#encoding:utf-8
import cv2  
import numpy as np
import matplotlib.pyplot as plt
 
#读取图片
img = cv2.imread('test.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()  

输出结果如下图所示：

五.总结

本文主要讲解Python和OpenCV的图像基础处理，具体内容包括：

• 一.图像缩放

• 二.图像旋转
  

• 三.图像翻转
  

• 四.图像平移

回想2018年当时写这篇文章的感言，不错！

三尺讲台，三寸舌，
三千桃李，三杆笔。
再累再苦，站在讲台前就是最美的自己，几个月的烦恼和忧愁都已消失，真的好享受这种状态，仿佛散着光芒，终于给低年级的同学上课了越早培养编程兴趣越好，恨不能倾囊相授。即使当一辈子的教书匠，平平淡淡也喜欢，而且总感觉给学生讲课远不是课酬和职称所能比拟，这就是所谓的事业，所谓的爱好。

源代码下载地址，记得帮忙点star和关注喔！

• https://github.com/eastmountyxz/

  ImageProcessing-Python

2020年8月18新开的“娜璋AI安全之家”，主要围绕Python大数据分析、网络空间安全、人工智能、Web渗透及攻防技术进行讲解，同时分享CCF、SCI、南核北核论文的算法实现。娜璋之家会更加系统，并重构作者的所有文章，从零讲解Python和安全，写了近十年文章，真心想把自己所学所感所做分享出来，还请各位多多指教，真诚邀请您的关注！谢谢。

(By:Eastmount 2021-03-16 夜于武汉 )

参考文献，在此感谢这些大佬，共勉！

• [1] 冈萨雷斯. 数字图像处理（第3版）[M]. 电子工业出版社, 2013.

• [2] 毛星云, 冷雪飞. OpenCV3编程入门[M]. 电子工业出版社, 2015.

• [3] https://blog.csdn.net/Eastmount