img = cv2.imread('messi5.jpg',0)
three flags, you can simply pass integers 1, 0 or -1 respectively
img NumPy.ndarray对象
rows,cols = img.shape只有flag=0时(rows,cols = img.shape[:2])
ndarray.ndim：数组的维数
ndarray.shape：数组的维度,当0,长宽，-1有alpha通道(jpg没有alpha通道需要自己添加)
ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积
ndarray.dtype：表示数组中元素类型的对象
ndarray.itemsize：数组中每个元素的字节大小
图像的平移
H = np.float32([[1,0,100],[0,1,50]])，100 x,50 y
图像的扩大与缩小
# 插值：interpolation
# None本应该是放图像大小的位置的，后面设置了缩放比例，
#所有就不要了
res1 = cv2.resize(img,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)
#直接规定缩放大小，这个时候就不需要缩放因子
height,width = img.shape[:2]
res2 = cv2.resize(img,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
cv2.warpAffine()
这个函数需要三个参数,原始图片，操作矩阵(2x3,最终与0,0,1组成3x3),变换后的图像大小(一般是一个二维元组)
图像的旋转
cv2.getRotationMatrix2D()
这个函数需要三个参数，旋转中心，旋转角度，旋转后图像的缩放比例
#第一个参数旋转中心，第二个参数旋转角度，第三个参数：缩放比例
M = cv2.getRotationMatrix2D((cols/2,rows/2),45,1)
图像的仿射
cv2.getAffineTransform(pos1,pos2),其中两个位置就是变换前后的对应位置关系。输出的就是仿射矩阵M
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv2.getAffineTransform(pts1,pts2)
图像的透射
cv2.getPerspectiveTransform(pts1,pts2)，其中pts需要变换前后的4个点对应位置。得到M后在通过函数cv2.warpPerspective(img,M,(200,200))进行。形象化的图如下（引用参考的）
#第三个参数：变换后的图像大小
res = cv2.warpAffine(img,M,(rows,cols))