书接上文(doge)

旋转图像

让我们旋转图像，以获得下一个示例：

围绕中心点旋转图像需要首先计算图像的中心（x，y）-坐标（第50行）。

注意：我们使用//执行整数数学（即，没有浮点值）。

从这里我们计算旋转矩阵M（第43行）。45表示我们将图像顺时针旋转45度。回想一下中学/高中几何课上关于单位圆的内容，你可以提醒自己，正角度是逆时针方向，负角度是顺时针方向。

从那里，我们使用第44行的矩阵扭曲图像（有效地旋转它）。

旋转后的图像显示在第44行的屏幕上，如下图所示：

现在，让我们使用imutils在一行代码中执行相同的操作：

由于我不必像调整大小那样旋转图像（相对而言），我发现旋转过程更难记住。因此，我在imutils中创建了一个函数来为我们处理它。在一行代码中，我可以将图像顺时针旋转45度（第49行），如下图所示：

此时，你必须思考：

“究竟为什么要剪掉这张照片？”

答案是因为OpenCV不在乎旋转后我们的图像是否被剪掉或看不见。我觉得这很麻烦，所以这里是我的imutils版本，它将保持整个图像在视图中。我称之为旋转约束：

这里因为图片大小过于大，所以将图片进行了缩小。(指第54行的代码)

这个算法的幕后有很多事情。如果您对第54行的方法的工作方式感兴趣，请务必查看以下博网址。

https://www.pyimagesearch.com/2017/01/02/rotate-images-correctly-with-opencv-and-python/?_ga=2.102176713.919642978.1642226886-1706104520.1639213599

（次文章还未翻译）

结果如下图所示：

https://pyimagesearch.com/2017/01/02/rotate-images-correctly-with-opencv-and-python/?_ga=2.262150340.919642978.1642226886-1706104520.1639213599

完美！整个图像位于框架中，并正确地顺时针旋转45度了！

虚化一张图片

在许多图像处理管道中，我们必须模糊图像以减少杂讯，使我们的算法更容易检测和理解图像的实际内容，而不仅仅是会“混淆”我们的算法的讯息。在OpenCV中，模糊图像非常容易，有多种方法可以实现。

我经常使用Gaussian模糊函数（高斯模糊函数）：

在第70行，我们使用21 x 21内核执行高斯模糊，其结果如图上所示。

更大的核会产生更模糊的图像。较小的内核将创建较少模糊的图像。要了解更多关于内核的信息，请参阅本文或PyImageSearch专家课程。

另外，“内核”的数值一定要是基数呦~

那么，今天就写到这里了，拜拜。

话说下一次就可以再图上画画了呢！(十分小声)