import cv2
import numpy as np
"""
图像的基本变换
"""
cat = cv2.imread('./img/cat.jpeg')
"""
缩放
"""
# dsize:(499, 360)这里的宽高和numpy的行列是反过来的 interpolation插值算法
new_cat = cv2.resize(cat, (499, 360), interpolation=cv2.INTER_NEAREST)
# 按xy轴的比例进行缩放
new_cat1 = cv2.resize(cat, dsize=None, fx=1.5, fy=0.5, interpolation=cv2.INTER_LINEAR)
cv2.imshow('new_cat', new_cat)
cv2.imshow('new_cat1', new_cat1)
"""
翻转
"""
# 0表示上下翻转，>0表示左右 <0左右上下
new_cat2 = cv2.flip(cat, 0)
cv2.imshow('new_cat2', new_cat2)
"""
旋转
"""
# ROTATE_90_CLOCKWISE 90度顺时针 ROTATE_180 180度 ROTATE_90_COUNTERCLOCKWISE 逆时针90度
new_cat3 = cv2.rotate(cat, rotateCode=cv2.ROTATE_90_COUNTERCLOCKWISE)
cv2.imshow('new_cat3', new_cat3)
"""
仿射变换(原图和一个矩阵进行运算)
"""
# 平移操作
# 变换矩阵，至少是float32位 改变200位置的数，往由右平移，变成负数就是往左，100位置的数，往下，变成负数就是往上
M = np.float32([[1, 0, 200], [0, 1, 100]])
new_cat4 = cv2.warpAffine(cat, M, (499, 360))
cv2.imshow('new_cat4', new_cat4)
# 在进行旋转操作时，不方便计算变换矩阵
# 获取变换矩阵 (100, 100), 15, 1 以坐标(100, 100)的点旋转(规定按照逆时针)15度，1表示不缩放
M1 = cv2.getRotationMatrix2D((100, 100), 15, 1)
# 通过三个点不通过角度确定变换角度，需要原始图片的三个点坐标和变换后的三个对应坐标
src = np.float32([[200, 100], [300, 100], [200, 300]])
dst = np.float32([[100, 150], [360, 200], [280, 120]])
M2 = cv2.getAffineTransform(src, dst)
# 透视变换--把斜的图变正
# 获取变换矩阵，需要原图四个坐标和变换后的四个对应坐标
src1 = np.float32([[200, 100], [300, 100], [200, 300], [150, 240]])
dst1 = np.float32([[0, 0], [360, 0], [0, 120], [360, 120]])
M3 = cv2.getPerspectiveTransform(src1, dst1)
# (360, 120)输出大小
new_cat5 = cv2.warpPerspective(cat, M3, (360, 120))
cv2.waitKey(0)
cv2.destroyAllWindows()