openCV Python基础--镜像翻转和图像旋转

1. 镜像翻转
   flip()函数：
   flip函数是矩阵或者图像翻转，其实图像的本质也是矩阵。
   void flip(InputArray src, OutputArray dst, int flipCode)
   参数声明：
   src：输入矩阵
   dst：翻转后矩阵，类型与src一致
   flipCode：翻转模式，flipCode==0垂直翻转（沿X轴翻转）、 flipCode>0水平翻转（沿Y轴翻转），flipCode<0水平垂直翻转（先沿X轴翻转，再沿Y轴翻转，等价于旋转180°）

Python实现：

    src = cv.imread("D://Image/lena.jpg")
    h, w, ch = src.shape
    cv.imshow("input", src)
    dst = np.zeros(src.shape, src.dtype)
    for row in range(h):
        for col in range(w):
            b, g, r = src[row, col]
            dst[row, w - col - 1] = [b, g, r]
    cv.imshow("output", dst)

openCV实现：

    # API
    xs = cv.flip(src, -1)
    cv.imshow("xs", xs)

3. 图像旋转
   rotate() 函数：
   rotate(src, rotateCode[, dst] )
   参数声明：
   src：原始图像。
   rotateCode：一个枚举，用于指定如何旋转数组。
   dst：与src图像大小和深度相同的输出图像。它是一个可选参数。
   返回值：它返回一个图像。

顺时针旋转90度：

cv2.rotate(src, cv2.ROTATE_90_CLOCKWISE) 

顺时针旋转180度：

cv2.rotate(src, cv2.ROTATE_180) 

顺时针旋转270度：

cv2.rotate(src, cv2.ROTATE_90_COUNTERCLOCKWISE) 

图像旋转原理：

warpAffine()函数：

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

参数解释
. src: 输入图像
. dst: 输出图像，尺寸由dsize指定，图像类型与原图像一致
. M: 2X3的变换矩阵
. dsize: 指定图像输出尺寸
. flags: 插值算法标识符，有默认值INTER_LINEAR，如果插值算法为WARP_INVERSE_MAP, warpAffine函数使用如下矩阵进行图像转换
. borderMode: 边界像素模式，有默认值BORDER_CONSTANT
. borderValue: 边界取值，有默认值Scalar()即0

常用的插值算法如下：

代码：

# 图像旋转
def rotate_demo():
    src = cv.imread("D://Image/lena.jpg")
    cv.imshow("input", src)
    dst = cv.rotate(src, cv.ROTATE_90_COUNTERCLOCKWISE)
    dst2 = cv.flip(dst, 0)
    cv.imshow("rotate", dst)
    cv.imshow("dst2", dst2)
    # 旋转任意角度
    h, w, ch = src.shape
    cy = h // 2
    cx = w // 2
    M = cv.getRotationMatrix2D((cx, cy), 45, 1.0)  # 图像旋转的中心位置
    print(M)
    cos = np.abs(M[0, 0])
    sin = np.abs(M[0, 1])
    nw = np.int(h * sin + w * cos)
    nh = np.int(h * cos + w * sin)
    M[0, 2] += (nw / 2) - cx
    M[1, 2] += (nh / 2) - cy

    dst = cv.warpAffine(src, M, (nw, nh))
    cv.imshow("output", dst)