【OpenCV笔记】：cv2.GetAffineTransform()和cv2.warpAffine()实现图像仿射变换

函数cv2.warpAffine()官方给出的参数为：

cv2.warpAffine(src, M, dsize[, dst[, flags[, borderMode[, borderValue]]]]) → dst

其中：

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 - （重点！）边界填充值; 默认情况下，它为0。

上述参数中：M作为仿射变换矩阵，一般反映平移或旋转的关系，为InputArray类型的2×3的变换矩阵。

flages表示插值方式，默认为 flags=cv2.INTER_LINEAR，表示线性插值，此外还有：

cv2.INTER_NEAREST（最近邻插值） 
cv2.INTER_AREA （区域插值） 
cv2.INTER_CUBIC（三次样条插值）
cv2.INTER_LANCZOS4（Lanczos插值）

日常进行仿射变换时，在只设置前三个参数的情况下，如 cv2.warpAffine(img,M,(rows,cols))可以实现基本的仿射变换效果，但可以出现“黑边”现象，如图：
图片说明

这对后续的处理往往造成很大的困扰，第六个参数可以选择填充的颜色，默认为黑色。在python中设置warpAffine的参数与c++中有所不同，必须指明参数的名称，具体如下：

c++中：warpAffine(src,img,M,Size(a,b),1,0,Scalar(255,255,255));

python中：

cv2.warpAffine(img,M,(rows,cols),flags=cv2.INTER_,borderMode=cv2.BORDER_REFLECT,borderValue=(255,255,255))

在python 中有一个好处是不必按顺序设置，直接指明所设置的参数即可，如将上述图片边界区域填充为白色：

cv2.warpAffine(img,M,(lengh,lengh),borderValue=(255,255,255))
图片说明

仿射变换，又称仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。仿射变换需要一个M矩阵,但是由于仿射变换比较复杂，一般直接找很难找到这个矩阵，opencv提供了根据变换前后三个点的对应关系来自动求解M的函数，这个函数就是：

M=cv2.GetAffineTransform(src, dst)

src：原始图像中的三个点的坐标
dst：变换后的这三个点对应的坐标
M：根据三个对应点求出的仿射变换矩阵
然后再使用函数cv2.warpAffine()利用得到的M对原始图像进行变换即可

图片说明

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

img = cv2.imread('aier.jpg')
rows,cols = img.shape[:2]
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,20],[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,(rows,cols))
plt.subplot(121)
plt.imshow(img[:,:,::-1])

plt.subplot(122)
plt.imshow(res[:,:,::-1])

plt.show()

图片说明