前言
处理图像时，翻转、旋转、平移等操作很常用。OpenCV 提供了简单的方法实现这些变换，本文带你快速学会用它做图像翻转和仿射变换。
1 图像翻转(图像镜像旋转)
在OpenCV中，图片的镜像旋转是以图像的中心为原点进行镜像翻转的。
cv2.flip(img,flipcode)
参数
img: 要翻转的图像
flipcode: 指定翻转类型的标志
flipcode=0: 垂直翻转，图片像素点沿x轴翻转
flipcode>0: 水平翻转，图片像素点沿y轴翻转
flipcode<0: 水平垂直翻转,水平翻转和垂直翻转的结合
示例：
import cv2 as cv
face = cv.imread('../images/face.png')
cv.imshow('face', face)
# 翻转 镜像旋转 以图像中心为原点cv.filp(img, filpcode)
# flipcode = 0垂直翻转 沿x轴 上下翻转
flip_0 = cv.flip(face, 0)
cv.imshow('flip_0', flip_0)
# flipcode = 1垂直翻转 沿y轴 左右翻转
flip_1 = cv.flip(face, 1)
cv.imshow('flip_1', flip_1)
# flipcode = -1垂直+水平翻转
flip = cv.flip(face, -1)
cv.imshow('flip_-1', flip)
cv.waitKey(0)
cv.destroyAllWindows()结果如下
2 图像仿射变换
仿射变换（Affine Transformation）是一种线性变换,保持了点之间的相对距离不变。
仿射变换的基本性质
保持直线
保持平行
比例不变性
不保持角度和长度
常见的仿射变换类型
旋转：绕着某个点或轴旋转一定角度。
平移：仅改变物体的位置，不改变其形状和大小。
缩放：改变物体的大小。
剪切：使物体发生倾斜变形。
仿射变换的基本原理
线性变换
二维空间中，图像点坐标为(x,y)，仿射变换的目标是将这些点映射到新的位置 (x', y')。
为了实现这种映射，通常会使用一个矩阵乘法的形式：
（类似于y=kx+b）
a，b，c，d 是线性变换部分的系数，控制旋转、缩放和剪切。
t_x，t_y 是平移部分的系数，控制图像在平面上的移动。
输入点的坐标被扩展为齐次坐标形式[x,y,1]，以便能够同时处理线性变换和平移
cv2.warpAffine()函数
仿射变换函数
cv2.warpAffine(img,M,dsize)
img：输入图像。
M：2x3的变换矩阵，类型为
np.float32。dsize：输出图像的尺寸，形式为
(width,height)。
2.1 图像旋转
旋转图像可以将图像绕着某个点旋转一定的角度。
cv2.getRotationMatrix2D()函数
获取旋转矩阵
cv2.getRotationMatrix2D(center,angle,scale)
center：旋转中心点的坐标，格式为
(x,y)。angle：旋转角度，单位为度，正值表示逆时针旋转负值表示顺时针旋转。
scale：缩放比例，若设为1，则不缩放。
返回值：M，2x3的旋转矩阵。
示例：
import cv2
import cv2 as cv
# 读图
pig = cv.imread('../images/pig.png')
pig = cv.resize(pig, (520,520))
# 获取旋转矩阵 cv2.getRotationMatrix2D(center,angle,scale)
M = cv2.getRotationMatrix2D((260, 260), -45, 1)
# 仿射变换函数cv.warpAffine(img,M,(w,h)
dst = cv.warpAffine(pig, M, (pig.shape[1], pig.shape[0]))
cv.imshow('pig', pig)
cv.imshow('pig_new', dst)
cv.waitKey(0)
cv.destroyAllWindows()2.2 图像平移
移操作可以将图像中的每个点沿着某个方向移动一定的距离。
假设我们有一个点 P(x,y)，希望将其沿x轴方向平移t_x*个单位，沿y轴方向平移t_y个单位到新的位置P′(x′,y′)，那么平移公式如下：
x′=x+tx
y′=y+ty
在矩阵形式下，该变换可以表示为：
这里的t_x和t_y分别代表在x轴和y轴上的平移量。
示例：
import cv2
import cv2 as cv
import numpy as np
# 读图
pig = cv.imread('../images/pig.png')
pig = cv.resize(pig, (520,520))
# 定义偏移量
tx = 80
ty = 120
# 定义平移矩阵
M = np.float32([[1, 0, tx], [0, 1, ty]])
# 仿射变换矩阵,找不到的就用黑色填充
dst = cv.warpAffine(pig, M, (520, 520))
cv.imshow('pig', pig)
cv.imshow('pig_new', dst)
cv.waitKey(0)
cv.destroyAllWindows()2.3 图像缩放
缩放操作可以改变图片的大小。
假设要把图像的宽高分别缩放为0.5和0.8，那么对应的缩放因子sx=0.5，sy=0.8。
点P(x,y)对应到新的位置P'(x',y')，缩放公式为：
x′=sx*x
y′=sy*y
在矩阵形式下，该变换可以表示为：
相较于图像旋转中只能等比例的缩放，图像缩放更加灵活，可以在指定方向上进行缩放。
sx和sy分别表示在x轴和y轴方向上的缩放因子。
示例：
import cv2 as cv
import numpy as np
# 读图
pig = cv.imread('../images/pig.png')
pig = cv.resize(pig, (520,520))
# 定义缩放移量
sx = 0.6
sy = 0.5
# 定义缩放矩阵
M = np.float32([[sx, 0, 0], [0, sy, 0]])
# 仿射变换矩阵,找不到的就用黑色填充
dst = cv.warpAffine(pig, M, (520, 520))
cv.imshow('pig', pig)
cv.imshow('pig_new', dst)
cv.waitKey(0)
cv.destroyAllWindows()
2.4 图像剪切（了解即可）
剪切操作可以改变图形的形状，以便其在某个方向上倾斜，它将对象的形状改变为斜边平行四边形，而不改变其面积。
想象我们手上有一张矩形纸片，如果你固定纸片的一边，并沿着另一边施加一个平行于该边的力，这张纸片就会变形为一个平行四边形。这就是剪切变换的一个直观解释。
对于二维空间中的点P(x,y)，对他进行剪切变换：
沿x轴剪切：x'=x+shy*y y'=y
沿y轴剪切：x'=x y'=shx*x+y
当需要同时沿两个方向进行剪切时，x'=x+shy*y ， y'=shx*x+y
在矩阵形式下，该变换可以表示为：
来一个图理解一下：
shy和shx分别对应沿x轴和y轴方向上的剪切因子。
可以理解为，x不变，y偏移
总结：
本文讲了 OpenCV 的两种图像变换。用cv.flip()能轻松实现图像的垂直、水平翻转。仿射变换里，通过矩阵设置，结合cv.warpAffine()可完成旋转、平移、缩放和剪切。这些基础操作是图像处理的必备技能，多练就能熟练掌握。