1.图像缩放

CV_EXPORTS_W void resize( InputArray src, OutputArray dst,
                          Size dsize, double fx = 0, double fy = 0,
                          int interpolation = INTER_LINEAR );

@Param src 输入图像

@param dst 输出图像

@param dsize 输出矩阵的图像大小 为0时dsize = Size(round(fx*src.cols),round(fy*src.rows))

@param fx 水平轴的缩放因子

@param fy 垂直轴的缩放因子

@param  interpolation：插值算法
            INTER_NEAREST : 最近邻插值法
            INTER_LINEAR   默认值，双线性插值法
            INTER_AREA        基于局部像素的重采样（resampling using pixel area relation）。对于图像抽取（image decimation）来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。
            INTER_CUBIC        基于4x4像素邻域的3次插值法
            INTER_LANCZOS4     基于8x8像素邻域的Lanczos插值
 常见用法：                
    INTER_AREA 适合于图像缩小；
    INTER_CUBIC (slow) & INTER_LINEAR 适合于图像放大

程序源码：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <stdio.h>

using namespace cv;
using namespace std;               

RNG rng(12345);
Scalar color[7] = {
    (Scalar(0,0,255)),//红色
    (Scalar(0,255,0)),//绿色
    (Scalar(255,0,0)),//蓝色
    (Scalar(255,255,0)),//浅蓝色
    (Scalar(255,0,255)),//紫色
    (Scalar(0,255,255)),//黄色
    (Scalar(128,128,192)),//浅粉色
};
int main()
{
    Mat image,gray_img,thread_img,resize_img;

    image = imread(“../finger.jpg”, 1);
    if (image.empty()) {
        cout << “无此图片” << endl;
        return 0;
    }
    cvtColor(image, gray_img,COLOR_RGB2GRAY,0);//将图像转换为灰度图

    threshold(gray_img, thread_img, 100, 255, THRESH_BINARY_INV);//将灰度图转换为二值图

    while (1) 
    {
        imshow(“原图”, image);
        waitKey(1);

        resize(image, resize_img, Size(0,0), 0.5f, 0.5f, INTER_AREA);
        imshow(“缩放图”, resize_img);
        waitKey(1);

    }
    return 1;
}

2.仿射变换：

何为仿射变换？仿射变换的作用是什么？

     从二维坐标到二维坐标直接的线性变换，且保持二维图形的平直性和平行性，仿射变换可以通过一系列的院子变换的复合来实现，其中包含平移、缩放、翻转、旋转和剪切；

仿射变换函数：

CV_EXPORTS_W void warpAffine( InputArray src, OutputArray dst,
                              InputArray M, Size dsize,
                              int flags = INTER_LINEAR,
                              int borderMode = BORDER_CONSTANT,
                              const Scalar& borderValue = Scalar());

@param src 输入资源图像;

@param dst 输出目标图像;

@param M 2*3 转变矩阵;

@param dsize  输出矩阵的大小(cols,rows)即（width,height）; 

@param flags  插值算法标识符  默认值为INTER_LINEAR

@param borderMode 边界像素模式  默认值BORDER_CONSTANT

@param borderValue 边界取值，有默认值scalar()即0

常用插值法：

仿射变换的本质：即一个矩阵A和向量B共同组成的转变矩阵，和原图像坐标相乘来得到新的图像坐标，从而实现图像的移动和旋转等，如下矩阵A和向量B组成的转变矩阵M，来对原图像的坐标（X,Y）进行转变，得到新的坐标向量T

矩阵A和向量B：

 仿射变换（矩阵计算）：变换前的坐标为(x,y)

变换结果：变换后的坐标 （a00*x+a01*y+b00,a10*x+a11*x+b10） 

2.1 平移变换

认真理解完上面的公式；下面我们来实操一下平移变换

从(x,y)转变成（x+tx,y+ty）

程序源码：

2.2放大和缩小

放大和缩小指相对于原坐标(x,y),变换为了(a*x,b*y),即水平方向放大了a倍，垂直方向放大了b倍，起对应的转变矩阵如下：

 2.3旋转变化

 将（x,y），以坐标原点为中心，顺时针方向旋转a得到（x1,y1），有如下关系x1=xcosa-ysina,y1=xsina+ycosa;因此可以构建对应的转变矩阵如下：

opencv将其扩展到，任意点center为中心进行顺时针旋转a角度，放大scale倍的转变矩阵如下：

 可通过getRotationMatrix2D()函数得到转变矩阵：

程序源码：

2.4仿射变换矩阵的计算

       通过上述的平移，缩放，旋转的组合变化即可实现仿射变化，上述多个变换的变换矩阵相乘即能得到组合变换的矩阵。同时该变换矩阵设计到六个未知数（2*3矩阵），通过变换前后对应的三组表表，也可以求出变换矩阵，opencv提供了函数 getAffineTransform()来计算变化矩阵；

      2.4.1矩阵相乘：将平移、旋转、缩放的变换矩阵相乘，最后即为仿射变换矩阵；

      2.4.2  getAffineTransform()：根据变换前后三组坐标来计算变换矩阵；

 程序用途：

程序源码：

2.5透视变换

 仿射变换都是在二维空间的变换，透视变换（投影变换）是在三维空间中发生了旋转。需要前后四组坐标来计算对应的转变矩阵，opencv提供了函数getPerspectiveTransform()来计算转变矩阵，warpPerspective()函数来进行透视变换，起对应的参数如下：

 程序源码：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <stdio.h>

using namespace cv;
using namespace std;               

RNG rng(12345);
Scalar color[7] = {
    (Scalar(0,0,255)),//红色
    (Scalar(0,255,0)),//绿色
    (Scalar(255,0,0)),//蓝色
    (Scalar(255,255,0)),//浅蓝色
    (Scalar(255,0,255)),//紫色
    (Scalar(0,255,255)),//黄色
    (Scalar(128,128,192)),//浅粉色
};
int main()
{
    Mat image,gray_img,thread_img,resize_3d_img, resize2_img;

    image = imread(“../warpAffine_3d.jpg”, 1);
    if (image.empty()) {
        cout << “无此图片” << endl;
        return 0;
    }
    cvtColor(image, gray_img,COLOR_RGB2GRAY,0);//将图像转换为灰度图

    threshold(gray_img, thread_img, 100, 255, THRESH_BINARY_INV);//将灰度图转换为二值图

    Point2f srcM[4],dstM[4];
    srcM[0] = Point2f(49, 47);//左上角绿色顶点
    srcM[1] = Point2f(205, 47);//右上角绿色顶点
    srcM[2] = Point2f(214, 204);//右下角绿色顶点
    srcM[3] = Point2f(35, 205);//左下角绿色顶点

    dstM[0] = Point2f(0, 0);
    dstM[1] = Point2f(300, 0);
    dstM[2] = Point2f(300, 300);
    dstM[3] = Point2f(0, 300);

    Mat t_mat = Mat::zeros(2, 4, CV_32FC1);
   
    while (1) 
    {
        imshow(“原图”, image);
        waitKey(1);
       

        t_mat = getPerspectiveTransform(srcM, dstM, 0);

        warpPerspective(image, resize_3d_img, t_mat,Size(300,300),1,0,255);
        imshow(“3d仿射变换”, resize_3d_img);
        waitKey(1);
    }
    return 1;
}