【1】引言
前序已经学习了如何平移和旋转缩放图像，相关文章链接为：
python学opencv|读取图像（二十七）使用cv2.warpAffine（）函数平移图像-CSDN博客
python学opencv|读取图像（二十八）使用cv2.getRotationMatrix2D()函数旋转缩放图像-CSDN博客
在此基础上，我们尝试倾斜拉伸图
【2】核心代码
前序学习进程中，已经知晓平移图像的核心代码是设置M矩阵，使其按照两行三列的形式，通过改变第三列的值来移动图像：
此时的M矩阵有两个可选变量x和y：
M=[[1,0,x],
0,1,y\]\]， 当x\>0，图像向右移动x大小的位置；当y\>0，图像向右下移动y大小的位置；当x和y取负值时图像分别向左和向上运动。
当我们想旋转图像时，需要调用一个cv2.getRotationMatrix2D()函数来实现旋转，通过定义旋转中心，旋转角度和缩放倍数实现旋转和缩放目标。
Mat cv::getRotationMatrix2D ( Point2f center, #旋转中心，需要提前定义好
double angle, #旋转角度
double scale ) #缩放倍数
而当我们想倾斜拉伸图像时，是根据图像的坐标点来操作的：
输入图像有四个顶角；
取三个顶角的点坐标即可知晓图像大小；
给出新的三个坐标点，替换之前取到的三个坐标点，即可倾斜拉伸图像。
具体调用的函数为：cv2.getAffineTransform(p1,p2)。
点击下述链接，直达函数官网教程：
OpenCV: Geometric Image Transformations
在这里会看到对函数的详细介绍，非常简单，函数里练得输入是两个集合，每个集合由三个坐标点组成。
【3】代码测试
首先是引入模块和完成初始图像的读取：
python
import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块
# 读取图片
src = cv.imread('srcm.png')然后先读取原图想的三个点：
python
#设置点
rows=len(src) #读取图像行数
cols=len(src[0]) #读取图像列数
p1=np.zeros((3,2),np.float32) #32位浮点型全0矩阵
p1[0]=[0,0] #第一点
p1[1]=[cols-1,0] #第二点
p1[2]=[0,rows-1] #第三点再设置新的三个点：
python
p2=np.zeros((3,2),np.float32) #32位浮点型全0矩阵
p2[0]=[100,0] #新的第一点
p2[1]=[cols-1,0] #新的第二点
p2[2]=[0,rows-1] #新的第三点之后通过调用cv2.getAffineTransform(p1,p2)函数，用p2的三个点坐标替换p1的三个点坐标，由此实现图像的倾斜拉伸：
python
cv.getAffineTransform(p1,p2)最后回到cv2.warpAffine()函数实现图像的输出、显示和保存：
python
dst=cv.warpAffine(src,M,(cols,rows)) #输出图像
cv.imshow('srcm-qxls', dst) # 在屏幕展示绘制圆形的效果
cv.imwrite('srcm-qxls.png', dst) # 保存图像
cv.waitKey() # 图像不会自动关闭
cv.destroyAllWindows() # 释放所有窗口使用的初始图像为：srcm.png
++图1 srcm.png++
代码运行后的输出图像为：
++图2 srcm-qxls.png++
【4】细节说明
这里给出的两组点，其实p1[1]=p2[1]，p1[2]=p2[2]；发生变化的是p1[0]到p2[0]：也就是把左上角的顶点往右移动100个像素位置，此时图像会自动保持侧面的边线平行，让右下角的点左移100个像素点。这就是图2所示的模样。
p1=np.zeros((3,2),np.float32) #32位浮点型全0矩阵 p1[0]=[0,0] #第一点 p1[1]=[cols-1,0] #第二点 p1[2]=[0,rows-1] #第三点 p2=np.zeros((3,2),np.float32) #32位浮点型全0矩阵 p2[0]=[100,0] #新的第一点 p2[1]=[cols-1,0] #新的第二点 p2[2]=[0,rows-1] #新的第三点
【5】总结
掌握了python+opencv实现图像倾斜拉伸的技巧。