今天我們就來繼續看一看OpenCV的使用，

今天使用的圖如下：

一、圖片的自由縮放以及邊緣裁剪

# 1、對于圖片的擴縮，OpenCV提供了一個簡單的函式：cv2.resize
img = cv2.imread("2.jpg")
dst = cv2.resize(img,(300,300))
cv2.imshow("test",dst)
cv2.waitKey()

我們首先是讀取了這張圖片，之后對齊進行重新構造（基于矩陣），所以圖片的整體是沒有變化的，只是外形發生變化：

那么我們也可以進行截取：

# 截取：
img2 = cv2.resize(img,(300,300))
patch_tree = img2[50:200,50:200]
cv2.imshow("test2",patch_tree)
cv2.waitKey()

（這里就是截取了重新構造之后的圖片）

二、影像色調的調整

CV2也可以對圖片進行色彩和亮度上的調整，也就是所謂的HSV（H是指色調，S是飽和度，V是明暗度）
至于具體的數值，H的取值是[0，180]，其他兩個都是[0，255]
我們來看一下它們的影響：

色調H

用角度度量，取值范圍為0°～360°，從紅色開始按逆時針方向計算，紅色為0°，綠色為120°,藍色為240°，它們的補色是：黃色為60°，青色為180°,紫色為300°；

飽和度S

飽和度S表示顏色接近光譜色的程度，一種顏色，可以看成是某種光譜色與白色混合的結果，其中光譜色所占的比例愈大，顏色接近光譜色的程度就愈高，顏色的飽和度也就愈高，飽和度高，顏色則深而艷，光譜色的白光成分為0，飽和度達到最高，通常取值范圍為0%～100%，值越大，顏色越飽和，

明度V

明度表示顏色明亮的程度，對于光源色，明度值與發光體的光亮度有關；對于物體色，此值和物體的透射比或反射比有關，通常取值范圍為0%（黑）到100%（白），

現在我們在程式中具體的看一看把黃色削減：

img = cv2.imread("2.jpg")
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

turn_green_hsv = img_hsv.copy()
# 下面這一行十分的關鍵 注意對180的取余
turn_green_hsv[:,:,0] = (turn_green_hsv[:,:,0] - 30) % 180
# 中括號里0表示選擇的是色調，1是飽和度，2是明暗度
turn_green_hsv = cv2.cvtColor(turn_green_hsv,cv2.COLOR_HSV2BGR)
cv2.imshow("test",turn_green_hsv)
cv2.waitKey()

結果如圖：

如果減去120，就是這樣：

那么我們再來看看飽和度和明暗度的調整：

img = cv2.imread("2.jpg")
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
less_color_hsv = img_hsv.copy()
less_color_hsv[:,:,1] = less_color_hsv[:,:,1] * 0.6
turn_img = cv2.cvtColor(less_color_hsv,cv2.COLOR_HSV2BGR)
cv2.imshow("test",turn_img)
cv2.waitKey()

目前是改變了圖片的飽和度，明暗度的調整也是同理，把引數改稱2就可以了，

三、影像的旋轉、平移和翻轉

OpenCV中影像的變換主要通過仿射變換矩陣和函式warpAffine()完成，
（可參考博客：仿射變換warpAffine）

img = cv2.imread("2.jpg")
M_copy_img = np.array([
    [0,0.8,-100],
    [0.8,0,-12]
],dtype=np.float32)
img_change = cv2.warpAffine(img,M_copy_img,(300,300))
cv2.imshow("test",img_change)
cv2.waitKey()

其中M_copy_img是仿射變換矩陣，這里前兩個矩陣的作用是縮小圖形為原來的80%，之后又逆時針旋轉90度，再向左平移100個像素單位，并向下平移12個像素單，

四、使用OpenCV擴大影像資料庫

1、色彩的隨機變換

img = cv2.imread("2.jpg")
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
turn_green_hsv = img_hsv.copy()
turn_green_hsv[:,:,0] = (turn_green_hsv[:,:,0] + np.random.random()) % 180
turn_green_hsv[:,:,1] = (turn_green_hsv[:,:,1] + np.random.random()) % 180
turn_green_hsv[:,:,2] = (turn_green_hsv[:,:,2] + np.random.random()) % 180
turn_green_img = cv2.cvtColor(turn_green_hsv,cv2.COLOR_HSV2BGR)
cv2.imshow("test",turn_green_img)
cv2.waitKey()

2、對滑鼠的監控

使用滑鼠在生成的圖片上標記出目標位置，是最基本的資料處理內容，滑鼠操作屬于用戶介面操作，在OpenCV中同樣有相關的函式可以實作，主要由mouse_event實作，
mouse_event函式的功能是監控滑鼠操作，對滑鼠的點擊、移動以及放開做出反應，根據不同的操作進行處理，
對滑鼠的監控一共有十種事件：

# define CV_EVENT_MOUSEMOVE 0      滑動
# define CV_EVENT_LBUTTONDOWN 1    左鍵點擊
# define CV_EVENT_RBUTTONDOWN 2    右鍵點擊
# define CV_EVENT_MBUTTONDOWN 3    中鍵點擊
# define CV_EVENT_LBUTTONUP 4      左鍵釋放
# define CV_EVENT_RBUTTONUP 5      右鍵釋放
# define CV_EVENT_MBUTTONUP 6      中鍵釋放
# define CV_EVENT_LBUTTONDBLCLK 7  左鍵雙擊
# define CV_EVENT_RBUTTONDBLCLK 8  右鍵雙擊
# define CV_EVENT_MBUTTONDBLCLK 9  中鍵釋放

當函式的事件完成后，會回傳所在的x、y值，分別代表事件發生時的（x，y）坐標，視窗默認左上為原點，右邊為x軸，向下為y軸，

使用示例（按‘q’退出）：

img = cv2.imread("2.jpg")
rect_start = (0, 0)
rect_end = (0, 0)
def on_mouse(event,x,y,flags,param):

    # 滑鼠左鍵按下，抬起，雙擊
    if event == cv2.EVENT_LBUTTONDOWN:
        rect_start = (x,y)
    elif event == cv2.EVENT_LBUTTONUP:
        rect_end = (x,y)
cv2.rectangle(img,rect_start,rect_end,(0,255,0),2)
cv2.namedWindow('test')
cv2.setMouseCallback("test",on_mouse)
while(1):
    cv2.imshow("test",img)
    if cv2.waitKey(1) & 0xff == ord('q'):
        break
cv2.destroyAllWindows()

這個就是不停的展出圖片，