1.缩放resize()
resize()可以实现图片大小的缩小或放大
dst=cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])
src：源图像；
dsize：缩放后目标图像的尺寸，如果设置为0，目标图像则使用源图像的尺寸乘以fx和fy得到；dsize优先级高于fx和fy，如果设置了dsize，后面的fx和fy设置无效；
fx和fy：dsize未设置的情况下，使用fx和fy分别作为宽度和高度的放大倍数；
interpolation：插值方法，默认使用双线性插值cv2.INTER_LINEAR；
img_ret1 = cv2.resize(img1,(800,800))
img_ret2 = cv2.resize(img1,None,fx=0.5,fy=0.3)
2.转置transpose()
transpose()可以实现像素下标的x和y轴坐标进行对调：dst(i,j)=src(j,i)
dst = cv2.transpose(src[, dst])
img_ret1 = cv2.transpose(img1)
#图像显示效果看，图像以对角线为轴，进行了翻转
3.翻转flip()
flip()函数可以实现对图像的水平翻转、垂直翻转和双向翻转.
dst=cv2.flip(src, flipCode[, dst])
src：源图像；
flipCode：翻转方式，0为水平轴翻转（上下翻转），大于0为垂直轴翻转（左右翻转），小于0做双向翻转。
```bash
img_ret1 = cv2.flip(img1,0)#水平轴翻转（上下翻转）
img_ret2 = cv2.flip(img1,1)#垂直轴翻转（左右翻转）
img_ret3 = cv2.flip(img1,-1)#双向翻转```
#matplotlib显示 ，需进行通道调换
fig,ax = plt.subplots(2,2)
ax[0,0].set_title('原图')
ax[0,0].imshow(cv2.cvtColor(img1,cv2.COLOR_BGR2RGB)) #matplotlib显示图像为rgb格式
ax[0,1].set_title('上下翻转')
ax[0,1].imshow(cv2.cvtColor(img_ret1,cv2.COLOR_BGR2RGB))
ax[1,0].set_title('左右翻转')
ax[1,0].imshow(cv2.cvtColor(img_ret2,cv2.COLOR_BGR2RGB))
ax[1,1].set_title('双向翻转')
ax[1,1].imshow(cv2.cvtColor(img_ret3,cv2.COLOR_BGR2RGB))
ax[0,0].axis('off');ax[0,1].axis('off');ax[1,0].axis('off');ax[1,1].axis('off')#关闭坐标轴显示
plt.show()
4.仿射变换warpAffine()
仿射变换
dst=cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
src: 输入图像。
M: 2×3 2行3列变换矩阵。
dsize: 输出图像的大小。
dst: 可选，输出图像，由dsize指定大小，type和src一样。
flags: 可选，插值方法
borderMode: 可选，边界像素模式
borderValue: 可选，边界填充值; 默认为0
4.1 平移
通过手动指定算子M=[[1,0,X],[0,1,Y]]可以实现图像的移位，其中X表示向图像x方向（向右）移动的像素值，Y表示图像向y方向（向下）移动的像素值。
import matplotlib.pyplot as plt
import numpy as np
import cv2
plt.rc('font',family='Youyuan',size='9')
plt.rc('axes',unicode_minus='False')
img = cv2.imread('..\\messi5.jpg')
rows,cols,_ = img.shape
M = np.float32([[1,0,100],[0,1,50]]) #右移100-下移50
img_ret1 = cv2.warpAffine(img,M,(cols,rows))
M = np.float32([[1,0,-100],[0,1,-50]]) #左移100-上移50
img_ret2 = cv2.warpAffine(img,M,(cols,rows))
M = np.float32([[1,0,-100],[0,1,50]]) #左移100-下移50
img_ret3 = cv2.warpAffine(img,M,(cols,rows))
fig,ax = plt.subplots(2,2)
ax[0,0].set_title('原图 by VX:桔子code')
ax[0,0].imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) #matplotlib显示图像为rgb格式
ax[0,1].set_title('右移100-下移50')
ax[0,1].imshow(cv2.cvtColor(img_ret1,cv2.COLOR_BGR2RGB))
ax[1,0].set_title('左移100-上移50')
ax[1,0].imshow(cv2.cvtColor(img_ret2,cv2.COLOR_BGR2RGB))
ax[1,1].set_title('左移100-下移50')
ax[1,1].imshow(cv2.cvtColor(img_ret3,cv2.COLOR_BGR2RGB))
#ax[0,0].axis('off');ax[0,1].axis('off');ax[1,0].axis('off');ax[1,1].axis('off')#关闭坐标轴显示
plt.show()
4.2旋转
旋转需要先用getRotationMatrix2D()方法构造出warpAffine()的算子M，getRotationMatrix2D()接口形式：
retval=cv2.getRotationMatrix2D(center, angle, scale)
center：旋转中心位置
angle：旋转角度
scale：缩放比例，不缩放时为1
import matplotlib.pyplot as plt
import numpy as np
import cv2
plt.rc('font',family='Youyuan',size='9')
plt.rc('axes',unicode_minus='False')
img = cv2.imread('mess.jpg')
rows,cols,_ = img.shape
#以图像中心旋转
M = cv2.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)#逆时针90度
img_ret1 = cv2.warpAffine(img,M,(cols,rows))
M = cv2.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),-90,1)#顺时针90度
img_ret2 = cv2.warpAffine(img,M,(cols,rows))
M = cv2.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),-180,1)#顺时针180度
img_ret3 = cv2.warpAffine(img,M,(cols,rows))
#显示图像
fig,ax = plt.subplots(2,2)
ax[0,0].set_title('VX:桔子code 原图')
ax[0,0].imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) #matplotlib显示图像为rgb格式
ax[0,1].set_title('逆时针90度')
ax[0,1].imshow(cv2.cvtColor(img_ret1,cv2.COLOR_BGR2RGB))
ax[1,0].set_title('顺时针90度')
ax[1,0].imshow(cv2.cvtColor(img_ret2,cv2.COLOR_BGR2RGB))
ax[1,1].set_title('顺时针180度')
ax[1,1].imshow(cv2.cvtColor(img_ret3,cv2.COLOR_BGR2RGB))
ax[0,0].axis('off');ax[0,1].axis('off');ax[1,0].axis('off');ax[1,1].axis('off')#关闭坐标轴显示
plt.show()
4.3矫正getAffineTransform()
getAffineTransform()构建M算子，入参为变换前和变化后的2组坐标点，每组坐标点包含3个位置参数。
5.旋转rotate()
cv2.rotate(src, rotateCode[, dst]) -> dst,其中src为源图像，rotateCode可选3种参数:
cv2.ROTATE_90_CLOCKWISE 顺时针旋转90度
cv2.ROTATE_180 旋转180度，不区分顺时针或逆时针，效果一样
cv2.ROTATE_90_COUNTERCLOCKWISE 逆时针旋转90度，等同于顺时针270度
img_ret1 = cv2.rotate(img,cv2.ROTATE_90_CLOCKWISE)
img_ret2 = cv2.rotate(img,cv2.ROTATE_180)
img_ret3 = cv2.rotate(img,cv2.ROTATE_90_COUNTERCLOCKWISE)
6.透视变换warpPerspective（）
透视变换则需要找到4个点构建kernel。cv2.warpPerspective(src,M,dsize[,dst[,flags[,borderMode[,borderValue]]]])->dst
src: 输入图像。
M: 3×3 3行3列变换矩阵。
dsize: 输出图像的大小。
dst: 可选，输出图像，由dsize指定大小，数据类型和src一样。
flags: 可选，插值方法
borderMode: 可选，边界像素模式
borderValue: 可选，边界填充值; 默认为0。
pts1 = np.float32([[192,40],[610,122],[216,363],[465,415]])
pts2 = np.float32([[0,0],[300,0],[0,350],[300,350]])
kernel = cv2.getPerspectiveTransform(pts1,pts2) #该函数构建kernel
img_pers = cv2.warpPerspective(img_src,kernel,(300,350))
仿射变换可以实现图像的平移、旋转和校正；仿射变换方式的旋转会导致图像丢失、出现黑边，rotate()方法可以解决该问题；rotate()实际是通过封装transpose和flip来实现3种角度的旋转，rotate()并不支持其他角度的旋转。