#!/usr/bin/env python
# coding: utf-8

# 需要注意的是resize、warpAffine等几何变换函数的第三个参数dsize=(width,height)=(列数，行数)。

# #### 缩放

# In[1]:


get_ipython().run_line_magic('matplotlib', 'inline')
import cv2
import matplotlib.pyplot as plt


# In[2]:


img=cv2.imread("E:\cat.jpg") #bgr模式，默认
img2=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#转成RGB
plt.imshow(img2)


# In[3]:


img2.shape


# | interpolation（插值方法） | 含义 | 
# | :-: | :- | 
# | INTER_LINEAR | 双线性插值 (默认值) | 
# | INTER_NN | 最近邻插值 | 
# | INTER_AREA | 使用像素关系重采样，当图像缩小时候，该方法可以避免波纹出现。当图像放大时，类似于 INTER_NN 方法。 |
# | INTER_CUBIC | 立方插值 | 

# In[4]:


res1=cv2.resize(img2,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)
plt.imshow(res1)


# In[5]:


res1.shape


# #### 平移

# 借助矩阵：
# $M=\begin{bmatrix}
#  1 & 0 & t_x\\ 
#  0 & 1 & t_y
# \end{bmatrix}_{2\times 3}$可实现在（x，y）方向上的偏移。
# 
# 对于仿射函数cv2.warpAffine，原二维坐标$X=\begin{bmatrix} x \\  y \end{bmatrix}$ 变换后为
# $T_{2\times 1}=M_{2\times 3} \cdot[x,y,1]^T=\begin{bmatrix} x' \\  y' \end{bmatrix}$

# In[6]:


import numpy as np
M=np.float32([[1,0,100],[0,1,50]])
res2 = cv2.warpAffine(img2,M,(img.shape[1],img.shape[0]))# x方向偏移100，y方向偏移50；Affine：仿射
plt.imshow(res2)


# In[7]:


res2.shape


# #### 旋转

# In[8]:


rows,cols = img2.shape[:2]


# In[9]:


M = cv2.getRotationMatrix2D((cols/2,rows/2),45,1.5) #定义变换矩阵，中心位置，45度，放大1.5倍
print(M)
res3 = cv2.warpAffine(img2,M,(cols*2,rows*2)) #仿射变换,参见上文平移描述
plt.imshow(res3)


# #### 仿射变换

# 实现效果为原来平行的线仍然平行，因此可以用三个点来构造变换矩阵。

# In[10]:


pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])

M = cv2.getAffineTransform(pts1,pts2)

res4 = cv2.warpAffine(img2,M,(cols,rows))

plt.subplot(121),plt.imshow(img2),plt.title('Input')
plt.subplot(122),plt.imshow(res4),plt.title('Output')


# #### 透视变换

# 相对仿射变换处理2D平面，透视变换主要处理3D平面。其基于4个顶点构造变换矩阵。其显示效果有局部拉近拉远作用。
# 
# 参考链接：[知乎：OpenCV图像变换(仿射变换与透视变换)](https://zhuanlan.zhihu.com/p/24591720)

# In[11]:


pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])

M = cv2.getPerspectiveTransform(pts1,pts2)

res5 = cv2.warpPerspective(img2,M,(cols,rows))

plt.subplot(121),plt.imshow(img2),plt.title('Input')
plt.subplot(122),plt.imshow(res5),plt.title('Output')


# In[ ]: