#图像的缩放操作
#cv.resize(src,dsize,dst=None,,fx=None,fy=None,interpolation=None)
#src->原图像，dsize->目标图像的大小（列*行（和其他API不同），fx->相对于原图的水平轴比列，fy->相对于原图的竖直轴的比例
#interpolation—>插入方式 ）（一般dsize和fxfy只设其一，会自动推算另一个）
image = cv.imread("E:/pictures/1.jpeg",cv.IMREAD_UNCHANGED)
rows,cols,chn = image.shape
image2 = cv.resize(image,(round(cols*1),round(rows*1.2)))           #cv.round()为四舍五入取整函数
cv.imshow("orginal",image)
cv.imshow("resize",image2)
cv.waitKey()
cv.destroyAllWindows()

　　

 

 

#图像翻转  cv.flip(src,flipCode)  src->原始图像  filpCode->翻转方式
#翻转方式有三种  0是水平翻转  >0表示绕垂直轴翻转  <0表示绕原点翻转     （只是这样说其实并没有xy坐标轴   :)）
image = cv.imread("E:/pictures/1.jpeg")
image2 = cv.flip(image,-1)                
#image3 = cv.flip(image,0)
#image4 = cv.flip(image,1)
cv.imshow("orginal",image)
cv.imshow("flip",image2)
cv.waitKey()
cv.destroyAllWindows()

　　

 

 图像的阈值分割：

五种阈值分割方法 （分别对应上图的2~6）：（主要是为了对灰度图像去噪）

1. 二值阈值化：将大于阈值的像素置位设置的最大值，小于的设为0
2. 反二值阈值化：将大于阈值的像素置为0，小于的置为255
3. 截断阈值化：大于阈值的像素置为阈值，小于的不变
4. 阈值化为0，：将大于阈值的置为0，小于的不变
5. 反阈值化为0：将小于阈值的置为0，大于的不变

（以上图片结果是按顺序排列的。。。。。。）

#图像的阈值分割         retval,dst = cv.threshold(src,thresh,maxval,type)
#retval 阈值  dst 结果图  ，src  原图  thresh  阈值  ，maxval 最大值  ，type 分割方式
img = cv.imread("E:/pictures/lena.jpg",cv.IMREAD_GRAYSCALE)
r1,b1 =cv.threshold(img,128,255,cv.THRESH_BINARY)                   #二值阈值化 （将亮的变为最大，暗的变为0）
r2,b2 =cv.threshold(img,128,255,cv.THRESH_BINARY_INV)               #反二值阈值化 （将亮的变为0，暗的变为最大）
r3,b3 =cv.threshold(img,128,255,cv.THRESH_TRUNC)                    #截断阈值化   （将亮的变为阈值）
r4,b4 =cv.threshold(img,128,255,cv.THRESH_TOZERO)                   #阈值化为0     （将亮的变为0，暗的不变）
r5,b5 =cv.threshold(img,128,255,cv.THRESH_TOZERO_INV)               #反阈值化为0     （将暗的变为0，亮的不变）
cv.imshow("orginal",img)
cv.imshow("BINARY",b1)
cv.imshow("BINARY_INV",b2)
cv.imshow("TRUNC",b3)
cv.imshow("TOZERO",b4)
cv.imshow("TOZERO_INV",b5)
cv.waitKey()
cv.destroyAllWindows()