仿射
在OpenCV中，仿射变换是指图像经过一系列的几何变换来实现的平移，旋转等多种操作。该变换能够保持图像的平直性与平行性。平直性是指图像经过仿射变换后，直线仍然是直线；平行性是指图像在完成仿射变换后，平行性依然是平行线。
在OpenCV中，它给我们提供的仿射函数为cv2.warpAffine()，其通过一个变换矩阵M实现，对于矩阵运算不大了解的，可以记住后面讲解的，也可以学习离散数学或线性代数，两者都讲解到了矩阵运算。
仿射函数的定义如下：
def warpAffine(src, M, dsize, dst=None, flags=None, borderMode=None, borderValue=None):
src：代表要仿射的原始图像
M：代表一个2*3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。
dszie：代表输出图像的尺寸大小。
dst：代表仿射后的输出图像
flags：代表插值方法，默认为INTER_LINEAR。当该值为WARP_INVERSE_MAP时，意味着M是逆变换类型，实现从目标图像dst到原始图像src的逆变换。详细参数，上篇博文表格就是。
borderMode：代表边类型，默认为BORDER_CONSTANT。当该值为BORDER_TRANSPARENT时，意味着目标图像内的值不做改变，这些值对应原始图像内的异常值。
borderValue：代表边界值，默认是0。
综上所示，我们常用的参数为：src,M,dsize。
平移
已知仿射公式为：
假设我们现在要将图像向右平移50个像素，向下平移100个像素，那么公式替换后如下所示：
dst(x,y)=src(x+50,y+100)
dst(x,y)=src(1x,+0y+50,0x+1y+100)
得到M中的各个元素值为：
M11=1
M12=0
M13=50
M21=0
M22=1
M23=100
综上所述，右平移50个像素，向下平移100个像素的变换矩阵为：
已知变换矩阵与原始图像，那么很简单的我们就可以完成图像的平移操作，具体代码如下所示：
import cv2
import numpy as np
img = cv2.imread("4.jpg")
h, w = img.shape[:2]
x = 50
y = 100
M = np.float32([[1, 0, x], [0, 1, y]])
move_img = cv2.warpAffine(img, M, (w, h))
cv2.imshow("img", img)
cv2.imshow("move_img", move_img)
cv2.waitKey()
cv2.destroyAllWindows()
运行之后，效果如下所示：
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。该函数的语法格式为：
def getRotationMatrix2D(center, angle, scale):
center：为旋转的中心
angle：为旋转的角度，正数表示逆时针旋转，负数表示顺时针旋转
scale：为变换尺寸（也就是前文说的缩放大小）
下面，我们来将上图在旋转45度，具体代码如下所示：
import cv2
img = cv2.imread("4.jpg")
h, w = img.shape[:2]
M = cv2.getRotationMatrix2D((w / 2, h / 2), 45, 0.6)
move_img = cv2.warpAffine(img, M, (w, h))
cv2.imshow("img", img)
cv2.imshow("move_img", move_img)
cv2.waitKey()
cv2.destroyAllWindows()
更改M变换矩阵就行，这里(w / 2, h / 2)为图像的中心坐标，45为正数，就是逆时针旋转45度，0.6就是将图像缩放0.6倍。
运行之后，效果如下所示：
