前言

到目前為止，經過前幾節的介紹,我們已經有了一個堅實的基礎去做一些影象處理，在本節我們先將介紹影象變換中的平移，為後面幾節學習影象變換中的旋轉、改變大小、映象、裁剪打下一個好的基礎

1 平移

1.1 平移基本操作

新建

translation.py

平移的意思就是將影象沿著x軸、y軸移到，我們可以進行上下左右等各個方向的移動。

# -*- 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("原始圖片", 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：
與前幾節一樣的操作，進行導包，然後顯示原始圖片，但是需要注意的是在第三行 import imutils,這裡的imutils是什麼呢？這不是一個OpenCV或者NumPy的包，而是我們自己寫的一個庫，裡面包含了諸如平移、旋轉等操作的方法，以便於我們使用起來更加的方便，具體將在後面進行詳細介紹。

#10：

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

我們通過NumPy定義了一個平移矩陣M，它將決定我們我們將平移多少畫素，我們的矩陣是定義成的浮點形式，這在OpenCV中至關重要的。

在矩陣第一行中表示的是[1,0,x],其中x表示影象將向左或向右移動的距離，如果x是正值，則表示向右移動，如果是負值的話，則表示向左移動。
在矩陣第二行表示的是[0,1,y],其中y表示影象將向上或向下移動的距離，如果y是正值的話，則向下移動，如果是負值的話，則向上移動。為什麼呢？還記得我們前幾節說過的OpenCV的影象座標系麼？

所以第10行的程式碼表示我們將向右移動25pix,向下移動50pix（pix表示畫素）。
#11-12：
在第11行我們的呼叫了cv2.warpAffine()方法，這是進行一個仿射變換，至於什麼是仿射變換？簡單的說就是：“線性變換”+“平移”，深入瞭解點這裡。

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

其中第一個引數表示我們希望進行變換的圖片，第二個引數是我們的平移矩陣，第三個希望展示的結果圖片的大小，這裡保持和原始圖片一樣大小。然後我們將變換後的圖片顯示出來。

#13-15：
與上面的變換方式是一樣的，但是你是向上和向左移動

#16-18：
在第16行我們使用了：imutils這個自己寫的庫，然後呼叫了translate()方法。第一個引數是需要操作的影象，第二個引數是在x軸上平移，第三個引數是在y軸上平移。

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

1.2 自寫的變換函式庫

我們為了在translation.py中匯入使用imutils，我們需要在translation.py的同一個目錄下新建

imutils.py

在其中寫入如下程式碼：

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：
匯入使用的包

#3-6：
我們定義了一個translate函式，在這個函式中我們只是將平移的操作寫在裡面了，然後返回了平移之後的結果shifted，通過這個例子，我們是不是感受到了封裝的力量？不管你有沒有，反正我是有。這樣當我再在translation.py中要對影象進行變換時候是不是將很方便了？敲黑板：這個imutils.py我們將在後面的幾個變換操作中，都會用到，也會將其他變換的操作，都封裝在裡面。

2 效果展示