一. 图像几何变换

1. 更改颜色空间

1.1 获取Opencv所有颜色空间

	使用dir()函数获取cv模块的所有属性和方法
	i.startswith('COLOR_')  检查i是否以'COLOR_'开头

flags = [i for i in dir(cv) if i.startswith('COLOR_')]  

1.2 更改图片颜色空间

	cv.cvtColor(src, code[, dst[, dstCn]])
	参数：
		src：输入图像，即要转换颜色空间的原始图像
		code：颜色空间转换码，用于指定转换的目标颜色空间
		dst（可选）：
			输出图像，即转换后的颜色空间图像
			如果省略此参数，则会自动创建一个与源图像大小相同的新图像
		dstCn（可选）：
			输出图像的通道数
			如果省略此参数，则会根据目标颜色空间自动确定通道数

1.2.1 HSV颜色空间

	可以通过HSV颜色空间的转换，获取某个颜色

2. 更改图像大小

	cv.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])
	参数：
		src：输入图像，即要调整大小的原始图像
		dsize：
			输出图像的大小，以(宽度， 高度)的形式表示
			如果只提供了一个值，则图像将被调整为正方形
		dst（可选）：
			输出图像，即调整大小后的图像
			如果省略此参数，则会自动创建一个新图像
		fx（可选）：
			水平方向上的缩放因子
			如果省略此参数，则会根据dsize自动计算
		fy（可选）：
			垂直方向上的缩放因子
			如果省略此参数，则会根据dsize自动计算
		interpolation（可选）：插值方法，用于指定图像缩放时的插值算法

3. cv.warpAffine ( ) 仿射变换

	cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
	参数：
		src：输入图像
		M：变换矩阵，通常是2x3的浮点型数组，表示仿射变换的系数
		dsize：输出图像的大小，以宽和高的形式指定（宽度，高度）
		dst：（可选）输出图像的缓冲区
		flags：（可选）插值方法的标志
		borderMode：（可选）像素外推法选择标志
		borderValue：（可选）当borderMode使用cv2.BORDER_CONSTANT时，此参数表示边框的颜色

3.1 用M矩阵进行图像的仿射变换：

M矩阵创建方式：直接创建

	创建float32的ndarray数组

M矩阵创建方式：cv.Mat getRotationMatrix2D ( )

	cv.Mat getRotationMatrix2D(Point2f center, double angle, double scale)
	参数：
		center：旋转的中心点坐标
		double angle：旋转的角度，单位是度；为负数表示顺时针选择
		double scale：表示图像的缩放因子
		
		解释 scale：
			OpenCV在执行仿射变换时会自动填充边界外的像素，以保持输出图像尺寸与输入图像一致
				默认情况下，边界外的区域会被填充为0
				提供了borderValue参数时，会使用该颜色值进行填充
			因此，经过cv.Mat getRotationMatrix2D ( )创建的M矩阵变换后的图像，shape并不会改变

M矩阵创建方式：cv2.rotate ( )

	cv2.rotate(img, rotateCode[, dst])
	参数：
		img：表示要旋转的图像，通常是一个numpy数组
		rotateCode：
			整数参数，指定了旋转的方式它可以是以下值之一：
				cv2.ROTATE_90_CLOCKWISE：顺时针旋转90度
				cv2.ROTATE_180：旋转180度
				cv2.ROTATE_90_COUNTERCLOCKWISE：逆时针旋转90度
				cv2.ROTATE_90_CLOCKWISE：顺时针旋转270度
		dst：可选参数
			 表示旋转后的图像存放的目标数组
				 如果不提供，则会创建一个新的数组来存放结果
	
	注意：
		图像的尺寸可能会改变，因为旋转后的图像可能需要更多的空间来适应旋转后的图像内容
		如果需要保持原始图像的尺寸，可以考虑使用cv.warpAffine()结合cv.getRotationMatrix2D()来实现旋转，并通过适当的边界填充来保持图像尺寸不变

M矩阵创建方式：cv.flip( )

	cv.flip(cv::InputArray src, cv::OutputArray dst, int flipCode = 0)
	参数：
		src：输入图像，即需要进行翻转操作的原始图像
		dst：输出图像，即存放翻转后结果的目标图像
		flipCode：
			翻转模式，该参数决定了翻转的方式：
				>0：沿y-轴翻转，即上下翻转
				0：沿x-轴翻转，即左右翻转
				<0：同时沿x和y轴翻转

3.2 任意的给定三对点来构建仿射变换

M矩阵创建方式：cv.getAffineTransform ( )

	pts1 = np.float32([[xx,xx], [xxx,xxx], [xxx,xxx]])
	pts2 = np.float32([[xx,xx], [xxx,xxx], [xxx,xxx]])
	
	# 构建M
	M = cv.getAffineTransform(pts1, pts2)

4. cv.warpPerspective ( ) 透视转换

	dst = cv.warpPerspective(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]])
	参数：
		src：输入图像，即需要进行透视变换的原始图像
		M：透视变换矩阵
		dsize：输出图像的大小，以宽度和高度的形式给出，例如(width, height)
		dst：
			输出图像，即变换后的图像
			如果未提供，则会创建一个新的图像
		flags：插值方法的标志
		borderMode：像素外推法的选择标志，默认值为cv.BORDER_CONSTANT
		borderValue：当使用cv.BORDER_CONSTANT时，此参数表示图像边界外的值，默认为0

给定四个点来进行转换操作，其中M矩阵的创建方式为：

	pts1 = np.float32([[xx,xx], [xxx,xxx], [xxx,xxx],[xxx,xxx]])
	pts2 = np.float32([[xx,xx], [xxx,xxx], [xxx,xxx],[xxx,xxx]])
	
	# 构建M
	M = cv.getAffineTransform(pts1, pts2)

---

感谢阅读🌼
如果喜欢这篇文章，记得点赞👍和转发🔄哦！
有任何想法或问题，欢迎留言交流💬，我们下次见！
本文相关代码存放位置
    【Opencv 图像几何变换】

祝愉快🌟！

---