几何变换是指将一幅图像映射到另外一幅图像内的操作。根据OpenCV函数的不同，将映射关系划分为缩放、翻转、仿射变换、透视等。
案例来源于傅老师。
1.缩放
在OpenCV中，使用函数cv2.resize()实现对图像的缩放，具体形式为：
dst = cv2.resize(src, dsize[, fx[, fy[, interpolation]]])
src：原图
dsize：输出图像的大小
fx：水平方向的缩放比例
fy：垂直方向的缩放比例
interpolation：插值方法
实践：
import cv2
import numpy as np
img=cv2.imread("pig.jpg")
rows,cols,_ = img.shape
size1 = (int(rows*0.9),int(cols*0.8))#宽变成0.9倍，长变成0.8倍
img_resize1 = cv2.resize(img,size1,cv2.INTER_AREA)
cv2.imshow("SRC",img)
cv2.imshow("RESIZE1",img_resize1)
cv2.waitKey(0)
cv2.destroyAllWindows()
2.翻转
在OpenCV中，图像的翻转采用函数cv2.flip()实现，该函数能够实现图像在水平方向翻转、垂直方向翻转、两个方向同时翻转，具体形式为：
dst = cv2.flip(src, flipCode)
src：原图
flipCode：代表旋转类型
实践：
import cv2
import numpy as np
img_flip1=cv2.flip(img,0)#x轴翻转
cv2.imshow("FLIP1",img_flip1)
img_flip3=cv2.flip(img,1)#y轴翻转
cv2.imshow("FLIP2",img_flip2)
img_flip2=cv2.flip(img,-1)#x，y轴同时翻转
cv2.imshow("FLIP3",img_flip3)
cv2.waitKey(0)
cv2.destroyAllWindows()
3.仿射
OpenCV中的仿射函数为cv2.warpAffine()，其通过一个变换矩阵(映射矩阵)M实现变换，具体为：
dst = cv2.warpAffine(src, M, dsize)
src：原图
M：代表一个2x3的变换矩阵。使用不同的变换矩阵，就可以实现不同的仿射变换。
dsize：输出图像的尺寸大小
平移：
import cv2
import numpy as np
rows,cols,_ = img.shape
x = 100
y = 200
M = np.float32([[1,0,x],[0,1,y]])#转换矩阵
img_move=cv2.warpAffine(img,M,(cols,rows))#平移操作，注意（cols，rows）
cv2.imshow("MOVE",img_move)
cv2.waitKey(0)
cv2.destroyAllWindows()
旋转：
在使用函数cv2.warpAffine()对图像进行旋转时，可以通过函数cv2.getRotationMatrix2D()获取转换矩阵，具体为：
retval = cv2.getRotationMatrix2D(center, angle, scale)
center：旋转的中心点
angle：旋转角度，正数为逆时针旋转，负数为顺时针旋转
scale：变换尺度（缩放大小）
实践：
import cv2
import numpy as np
height,width,_ = img.shape
M = cv2.getRotationMatrix2D((width/2, height/2), 45, 0.6)
img_rotate=cv2.warpAffine(img,M,(width, height))#平移操作
cv2.imshow("ROTATE",img_rotate)
cv2.waitKey(0)
cv2.destroyAllWindows()
4.透视
透视变换通过函数cv2.warpPerspective() 实现，具体为：
dst = cv2.warpPerspective(src, M, dsize)
src：原图
dst：变换后的图
M：转换矩阵
dsize：变换后图像的大小
实践：
import cv2
import numpy as np
#读图
img = cv2.imread('lianxi.png')
rows, cols = img.shape[:2]
# 原始点阵
pts_o = np.float32([[45, 180], [220, 80], [60, 290], [270, 190]]) # 这四个点为原始图片上数独的位置
pts_d = np.float32([[0, 0], [200, 0], [0, 100], [200, 100]]) # 这是变换之后的图上四个点的位置
# 获取转换矩阵
M = cv2.getPerspectiveTransform(pts_o, pts_d)
# 应用变换
dst = cv2.warpPerspective(img, M, (200, 100)) # 最后一参数是输出dst的尺寸。可以和原来图片尺寸不一致。按需求来确定
cv2.imshow('img', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()