空间变换中的仿射变换对应着五种变换，平移，缩放，旋转，翻转，错切。而这五种变化由原图像转变到变换图像的过程，可以用仿射变换矩阵进行描述。而这个变换过程可以用一个2*3的矩阵与原图进行相乘得到。关键就是这个矩阵M：
仿射变换的函数：
平移，旋转
cv2.warpAffine(scr, M, dsize, flags, mode, value)透视
cv2.warpPerspective(img1, M, desize......)
- M: 变换矩阵
- desize: 输出图片大小
- flags：与resize中的插值算法一致
- mode：边界外推法标志(有默认值)
- value：填充边界值（有默认值）
平移
读入的是二维的图像，所以就不用写最后一行了
向右平移200 （向左就是负数，其他同理）
# 变换矩阵，最少是float32
M = np.float32([[1, 0, 200], [0, 1, 0]])
向下平移200
# 变换矩阵，最少是float32
M = np.float32([[1, 0, 0], [0, 1, 200]])
向右下平移
# 变换矩阵，最少是float32
M = np.float32([[1, 0, 200], [0, 1, 200]])
这个是向右平移的代码：
import cv2
import numpy as np
img1 = cv2.imread("F:\est01\e1.jpg")
h, w, ch = img1.shape
# 变换矩阵，最少是float32
M = np.float32([[1, 0, 200], [0, 1, 0]])
# 平移操作
# 注意opencv中先宽后高
new_img1 = cv2.warpAffine(img1, M, dsize=(w, h))
cv2.imshow('img1', img1)
cv2.imshow('new_img1', new_img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
旋转
可以用opencv获取变换矩阵
在进行旋转操作时，不方便手动 计算变换矩阵，opencv中提供了获取变换矩阵的api
方法1：
使用cv2.getRotationMatrix2D
M = cv2.getRotationMatrix2D(center, angle, 缩放比例)import cv2
import numpy as np
img1 = cv2.imread("F:\est01\e1.jpg")
h, w, ch = img1.shape
# 获取变换矩阵
M = cv2.getRotationMatrix2D((100, 100), 30, 1)
new_img1 = cv2.warpAffine(img1, M, (w, h))
cv2.imshow('img1', img1)
cv2.imshow('new_img1', new_img1)
cv2.waitKey(0)
cv2.destroyAllWindows()
另一种方法：
使用cv2.getAffineTransform(src, dst)
M = cv2.getAffineTransform(src, dst)可以通过三个点来确定变换后的位置，相当于解方程，三个点对应三个方程，解出偏移的参数，旋转的角度
src = np.float32([[200, 100], [300, 100], [200, 300]])
dst = np.float32([[100, 150], [360, 200], [280, 120]])
M = cv2.getAffineTransform(src, dst)
new_img1 = cv2.warpAffine(img1, M, (w, h))三个点是随便写的，所以有些许奇怪 哈哈哈
效果像把图片向某个方向拉
透视
将一种坐标系变成另一种坐标系，可以把倾斜的图片变正
函数：
cv2.warpPerspective（img，M，desize.......）对于透视变换来说，M是一个3*3的矩阵
cv2.getPerspectiveTransform(src,dst)获取透视变换矩阵，需要4个点，即图片的四个角
src = np.float32([[50, 50], [630, 0], [0, 640], [630, 630]])
dst = np.float32([[0, 0], [640, 0], [0, 640], [640, 640]])
M = cv2.getPerspectiveTransform(src, dst)
new_img1 = cv2.warpPerspective(img1, M, (640, 640))
