前言

到目前为止，经过前几节的介绍,我们已经有了一个坚实的基础去做一些图像处理，在本节我们先将介绍图像变换中的平移，为后面几节学习图像变换中的旋转、改变大小、镜像、裁剪打下一个好的基础

1 平移

1.1 平移基本操作

新建

translation.py

平移的意思就是将图像沿着x轴、y轴移到，我们可以进行上下左右等各个方向的移动。

# -*- coding: utf-8 -*-

import numpy as np #1

import argparse #2

import imutils #3

import cv2 #4

ap = argparse.ArgumentParser() #5

ap.add_argument("-i", "--image", required=True,

help="Path to the image") #6

args = vars(ap.parse_args()) #7

image = cv2.imread(args["image"]) #8

cv2.imshow("原始图片", image) #9

M = np.float32([[1, 0, 25], [0, 1, 50]]) #10

shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #11

cv2.imshow("Shifted Down and Right", shifted) #12

M = np.float32([[1, 0, -50], [0, 1, -90]]) #13

shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #14

cv2.imshow("Shifted Up and Left", shifted) #15

shifted = imutils.translate(image, 0, 100) #16

cv2.imshow("Shifted down", shifted) #17

cv2.waitKey(0) #18

#1-9：

与前几节一样的操作，进行导包，然后显示原始图片，但是需要注意的是在第三行 import imutils,这里的imutils是什么呢？这不是一个OpenCV或者NumPy的包，而是我们自己写的一个库，里面包含了诸如平移、旋转等操作的方法，以便于我们使用起来更加的方便，具体将在后面进行详细介绍。

#10：

M = np.float32([[1, 0, 25], [0, 1, 50]]) #10

我们通过NumPy定义了一个平移矩阵M，它将决定我们我们将平移多少像素，我们的矩阵是定义成的浮点形式，这在OpenCV中至关重要的。

平移矩阵

在矩阵第一行中表示的是[1,0,x],其中x表示图像将向左或向右移动的距离，如果x是正值，则表示向右移动，如果是负值的话，则表示向左移动。

在矩阵第二行表示的是[0,1,y],其中y表示图像将向上或向下移动的距离，如果y是正值的话，则向下移动，如果是负值的话，则向上移动。为什么呢？还记得我们前几节说过的OpenCV的图像坐标系么？

OpenCV图像坐标系

所以第10行的代码表示我们将向右移动25pix,向下移动50pix(pix表示像素)。

#11-12：

在第11行我们的调用了cv2.warpAffine()方法，这是进行一个仿射变换，至于什么是仿射变换？简单的说就是：“线性变换”+“平移”，深入了解点这里。

shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #11

其中第一个参数表示我们希望进行变换的图片，第二个参数是我们的平移矩阵，第三个希望展示的结果图片的大小，这里保持和原始图片一样大小。然后我们将变换后的图片显示出来。

#13-15：

与上面的变换方式是一样的，但是你是向上和向左移动

#16-18：

在第16行我们使用了：imutils这个自己写的库，然后调用了translate()方法。第一个参数是需要操作的图像，第二个参数是在x轴上平移，第三个参数是在y轴上平移。

shifted = imutils.translate(image, 0, 100) #16

1.2 自写的变换函数库

我们为了在translation.py中导入使用imutils，我们需要在translation.py的同一个目录下新建

imutils.py

在其中写入如下代码：

import numpy as np #1

import cv2 #2

def translate(image, x, y): #3

M = np.float32([[1, 0, x], [0, 1, y]]) #4

shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0])) #5

return shifted #6

#1-2：

导入使用的包

#3-6：

我们定义了一个translate函数，在这个函数中我们只是将平移的操作写在里面了，然后返回了平移之后的结果shifted，通过这个例子，我们是不是感受到了封装的力量？不管你有没有，反正我是有。这样当我再在translation.py中要对图像进行变换时候是不是将很方便了？敲黑板：这个imutils.py我们将在后面的几个变换操作中，都会用到，也会将其他变换的操作，都封装在里面。

2 效果展示

平移效果展示