python opencv 窗口全屏显示 python opencv size

在OpenCV中我们经常会用到图像的缩放，旋转以及平移，比如有的时候我们想对一类图片进行操作，这个时候我们就需要对这一类的图片进行尺寸统一，在以后深度学习的学习中，我们也会发现，对于数据集的训练，它们的数据集样本通常都是尺寸统一的。

缩放

在OpenCV中，使用函数cv2.resize（）实现对图像的缩放 语法格式为：

dst = cv2.resize( src, dsize[ ,fx[, fy[ ,interpolation]]])

(1) src:原图片

(2)dsize:缩放图片尺寸,如果dsize=0，默认计算方式如下dsize=Size(round(fx∗src.cols),round(fy∗src.rows))

(3)fx fy和dsize不能同时为0 fx，fy分别是在x,y轴上的缩放系数,默认取0时，fx=(double)dsize.width/src.cols ,fy=(double)dsize.height/src.cols,默认参数为0可以不写如里面

(4)interpolation :差值方式使用默认即可 默认的是INTER_LINEAR - a bilinear interpolation (used by default)现行差值：

我们习惯的坐标表示 是 先 x 横坐标，再 y 纵坐标。在图像处理中，这种惯性思维经常情况下是错误的。

因为在计算机中，图像是以矩阵的形式保存的，先行后列。所以，一张 宽×高×颜色通道＝480×256×3 的图片会保存在一个 256×480×3 的三维张量中。图像处理时也是按照这种思想进行计算的（其中就包括 OpenCV 下的图像处理），即 高×宽×颜色通道。

但是问题来了，cv2.resize这个API却是个小例外。因为它的参数输入却是 宽×高×颜色通道。

我们来看代码：

import cv2
pic = cv2.imread("cat.jpg")
cv2.imshow("org",pic)
pic = cv2.resize(pic, (400, 400), interpolation=cv2.INTER_CUBIC)
cv2.imshow('res', pic)
cv2.waitKey(0)
cv2.destroyAllWindows()

先看原图效果：

再看缩放之后的效果：

我们发现，用这种方法缩小之后的宽高比跟原图并非一样，现在我们可以进行代码的改进：

import cv2
pic = cv2.imread("cat.jpg")
cv2.imshow("org",pic)
pic = cv2.resize(pic, (0, 0), fx=0.5, fy=0.5,
                              interpolation=cv2.INTER_NEAREST)
cv2.imshow('res', pic)
cv2.waitKey(0)
cv2.destroyAllWindows()

我们直接来看缩放之后的图像：

在这里，如果我们不直接指定缩放后大小，则通过fx和fy直接指定缩放比例，0.5则长宽都为原来一半。

旋转

OpenCV中对图像的旋转主要是先通过getRotationMatrix2D函数得到图像的旋转矩阵，然后再通过仿射变换函数warpAffine得到旋转后的图像。

我们看一下函数：

cv2.getRotationMatrix2D(center, angle, scale)

· center 旋转中心点 (cx, cy) 你可以随意指定
· angle 旋转的角度 单位是角度 逆时针方向为正方向 ， 角度为正值代表逆时针。
· scale 缩放倍数. 值等于1.0代表尺寸不变
该函数返回的就是仿射变换矩阵M，之后我们将这个仿射变换的矩阵传入到下一个函数：
cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst
src - 输入图像。
M - 变换矩阵。
dsize - 输出图像的大小。
flags - 插值方法的组合（int 类型！）
borderMode - 边界像素模式（int 类型！）
borderValue - 边界填充值; 默认情况下，它为0。
现在我们来讲述一下图像旋转的原理：

我们根据公式：

可以得出：

所以对应的变换矩阵为：

我们来看代码：

import cv2
img = cv2.imread("cat.jpg")
rows,cols = img.shape[:2]
M = cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
dst = cv2.warpAffine(img,M,(cols,rows))
cv2.imshow('res', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

旋转之后的效果：

图像平移

图像的平移实际上就是矩阵的移动，它是最简单的一种空间变换，其表达式为：

其中(b0,b1) 是偏移量。

举个例子，如果是向右平移10个像素， 向下平移30个像素的话， 那么变换矩阵M：

我们来看源码：

import cv2
import numpy as np

img = cv2.imread('cat.jpg')
height,width,channel = img.shape
# 声明变换矩阵 向右平移10个像素， 向下平移30个像素
M = np.float32([[1, 0, 10], [0, 1, 30]])
# 进行2D 仿射变换
shifted = cv2.warpAffine(img, M, (width, height))
cv2.imshow('res', shifted)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果演示：

如若需要修改平移的方位，只需要改动矩阵的值就可以。

天道酬勤 循序渐进 技压群雄