OpenCV提供了兩個轉換函數cv.warpAffine和cv.warpPerspective，您可以使用它們進行各種轉換。cv.warpAffine採用2x3轉換矩陣，而cv.warpPerspective採用3x3轉換矩陣作為輸入。
縮放
縮放只是調整圖像的大小。為此，OpenCV帶有一個函數cv.resize()。圖像的大小可以手動指定，也可以指定縮放比例。也可使用不同的插值方法。首選的插值方法是cv.INTER_AREA用於縮小，cv.INTER_CUBIC（慢）和cv.INTER_LINEAR用於縮放。默認情況下，出於所有調整大小的目的，使用的插值方法為cv.INTER_LINEAR。您可以使用以下方法調整輸入圖像的大小：
import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg')
res = cv.resize(img,None,fx=2, fy=2, interpolation = cv.INTER_CUBIC)
#或者
height, width = img.shape[:2]
res = cv.resize(img,(2*width, 2*height), interpolation = cv.INTER_CUBIC)
平移
平移是物體位置的移動。如果您知道在(x,y)方向上的位移，則將其設為(t_x,$ty$)，你可以創建轉換矩陣M，如下所示：
您可以將其放入np.float32類型的Numpy數組中，並將其傳遞給cv.warpAffine函數。參見下面偏移為(100, 50)的示例：
import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg',0)
rows,cols = img.shape
M = np.float32([[1,0,100],[0,1,50]])
dst = cv.warpAffine(img,M,(cols,rows))
cv.imshow('img',dst)
cv.waitKey(0)
cv.destroyAllWindows()
注意
cv.warpAffine函數的第三個參數是輸出圖像的大小，其形式應為(width，height)。記住width =列數，height =行數。
你將看到下面的結果：
旋轉
圖像旋轉角度為$θ$是通過以下形式的變換矩陣實現的：
但是OpenCV提供了可縮放的旋轉以及可調整的旋轉中心，因此您可以在自己喜歡的任何位置旋轉。修改後的變換矩陣為
其中：
為了找到此轉換矩陣，OpenCV提供了一個函數cv.getRotationMatrix2D。請檢查以下示例，該示例將圖像相對於中心旋轉90度而沒有任何縮放比例。
img = cv.imread('messi5.jpg',0)
rows,cols = img.shape
# cols-1 和 rows-1 是坐標限制
M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)
dst = cv.warpAffine(img,M,(cols,rows))查看結果：
仿射變換
在仿射變換中，原始圖像中的所有平行線在輸出圖像中仍將平行。為了找到變換矩陣，我們需要輸入圖像中的三個點及其在輸出圖像中的對應位置。然後cv.getAffineTransform將創建一個2x3矩陣，該矩陣將傳遞給cv.warpAffine。
查看以下示例，並查看我選擇的點（以綠色標記）：
img = cv.imread('drawing.png')
rows,cols,ch = img.shape
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv.getAffineTransform(pts1,pts2)
dst = cv.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')查看結果：
透視變換
對於透視變換，您需要3x3變換矩陣。即使在轉換後，直線也將保持直線。要找到此變換矩陣，您需要在輸入圖像上有4個點，在輸出圖像上需要相應的點。在這四個點中，其中三個不應共線。然後可以通過函數cv.getPerspectiveTransform找到變換矩陣。然後將cv.warpPerspective應用於此3x3轉換矩陣。
請參見下面的代碼：
img = cv.imread('sudoku.png')
rows,cols,ch = img.shape
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M = cv.getPerspectiveTransform(pts1,pts2)
dst = cv.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')
plt.show()結果：