5.1缩放

在OpenCv中使用函数cv2.resize()实现对图像的缩放，该函数的具体形式为：

dst=cv2.resize(src,dsize [ , fx  [ ,fy  [  ,interpolation  ] ]  ]  )

●dst代表输出的目标图像，该图像的类型与src相同，其大小为dsize(当该值非0时），或者可以通过src.size()、fx、fy计算得到。

●src代表需要缩放的原始图像。

●dsize代表输出图像大小。

●fx代表水平方向的缩放比例

●fy代表垂直方向的缩放比例

●interpolation代表插值方式。

表5-1插值方式

类型

cv2.INTER_NEAREST

cv2.INTER_LINEAR

cv2.INTER_CUBIC

cv2.INTER_AREA

cv2.INTER_LANCZOS4

cv2.INTER_LINEAR_EXACT

cv2.INTER_MAX

cv2.WARP_FILL_OUTLIERS

cv2.WARP_INVERSE_MAP

情况一：通过参数dsize指定

如果指定参数dsize的值，则无论是否指定参数fx和fy的值，都由参数dsize来决定目标图像的大小

情况二：通过参数fx和fy指定

如果参数dsize的值是None，那么目标图像的大小通过参数fx和fy来决定。

#5.1使用函数cv2.resize()对一个数组进行简单缩放
import cv2
import numpy as np
img=np.ones([2,4,3],dtype=np.uint8)
size=img.shape[:2]
rst=cv2.resize(img,size)
print("img.shape=\n",img.shape)
print("img=\n",img)
print(size)
print("rst.shape=\n",rst.shape)
print("rst=\n",rst)

#在shape属性中，第1个值对应的是行数，第2个值对应的是列数
#在dsize属性中，第1个值对应的是列数，第2个值对应的是行数

运行结果：

img.shape=

 (2, 4, 3)

img=

 [[[1 1 1]

  [1 1 1]

  [1 1 1]

  [1 1 1]]

 [[1 1 1]

  [1 1 1]

  [1 1 1]

  [1 1 1]]]

(2, 4)

rst.shape=

 (4, 2, 3)

rst=

 [[[1 1 1]

  [1 1 1]]

 [[1 1 1]

  [1 1 1]]

 [[1 1 1]

  [1 1 1]]

 [[1 1 1]

  [1 1 1]]]

#5.2 设计程序，使用函数cv2.resize()完成一个简单的图像缩放
import cv2
img=cv2.imread("test.bmp")
rows,cols=img.shape[:2]#取img的行（rows)和列(cols）
size=(int(cols*0.9),int(rows*0.5))#size的行和列与shape的行和列刚好对调
rst=cv2.resize(img,size)
print("img.shape=",img.shape)
print("rst.shape=",rst.shape)#行数缩放到原来的0.5，列数缩放到原来的0.9

运行结果：

img.shape= (512, 51, 3)

rst.shape= (256, 45, 3)

#5.3控制函数cv2.resize()的fx参数、fy参数，完成图像的缩放
import cv2
img=cv2.imread("test.bmp")
rst=cv2.resize(img,None,fx=2,fy=0.5)#fx控制的是水平方向的列  fy控制的是垂直方向的行
print("img.shape=",img.shape)
print("rst.shape=",rst.shape)

运行结果：

img.shape= (512, 51, 3)

rst.shape= (256, 102, 3)

#图像缩放
import cv2
a=cv2.imread("lenacolor.png",-1)
rows,cols,chn=a.shape
# b=cv2.resize(a,(200,100))
# b=cv2.resize(a,(round(cols*0.5),round(rows*1.5)))
b=cv2.resize(a,None,fx=0.5,fy=1.2)
cv2.imshow("a",a)
cv2.imshow("b",b)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

5.2 翻转

图像的翻转采用函数cv2.flip()实现，该函数能够实现图像在水平方向的翻转、垂直方向翻转、两个方向同时翻转，其语法结构为：

Dst=cv2.flip(src,flipCode)

●dst代表和原始图像具有同样大小、类型的目标图像

●src代表要处理的原始图像

●flipCode代表旋转类型

flipCode参数的意义

#5.4使用函数cv2.flip函数完成图像的翻转
import cv2
img=cv2.imread("lena.bmp")
x=cv2.flip(img,0)#绕X轴翻转
y=cv2.flip(img,1)#绕Y轴翻转
xy=cv2.flip(img,-1)#绕X轴和Y轴同时翻转
cv2.imshow("img",img)
cv2.imshow("x",x)
cv2.imshow("y",y)
cv2.imshow("xy",xy)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

绕X轴旋转

绕Y轴旋转

绕X和Y轴同时旋转

5.3仿射

仿射变换是指图像可以通过一系列的几何变换来实现平移、旋转等多种操作。该变换能够保持图像的平直性和平行性。平直性是指图像经过仿射变换后，直线仍然是直线；平行性是指图像在完成仿射变换后，平行线仍然是平行线。

仿射函数为：cv2.warpAffine()，其通过一个变换矩阵M实现变换

具体为：

Dst(x,y）=src(M₁₁x+M₁₂y+M₁₃，M₂₁x+M₂₂y+M₂₃)

Dst=cv2.warpAffine(src,M,dsize)

●Src:原图

●M：变换矩阵

●Dsize:变换后的尺寸

例如：

将原始图像src向右移动100个像素，向下移动200个像素，则其对应关系为：

Dst(x,y)=src(x+100,y+200)

Dst(x,y)=src(1·x+0·y+100，0·x+1·y+200)

Dst(x,y）=src(M₁₁x+M₁₂y+M₁₃，M₂₁x+M₂₂y+M₂₃)

●M₁₁=1

●M₁₂=0

●M₂₁=0

●M₂₂=1

●M₂₃=200

将上述值代入转换矩阵M:

M=           

#5.5利用自定义转换矩阵完成图像平移
import cv2
import numpy as np
img=cv2.imread("lena.bmp")
height,width=img.shape[:2]
x=100
y=200
M = np.float32([[1, 0, x], [0, 1, y]])
move=cv2.warpAffine(img,M,(width,height))
cv2.imshow("original",img)
cv2.imshow("move",move)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

旋转：

在使用函数cv2.warpAffine（）对图像进行旋转时，可以通过函数cv2.getRotationMatrix2D（）获取转换矩阵，该函数的语法格式为：

Retval = cv2.getRotationMatrix2D(center,angle,scale)

●Center 为旋转的中心点

●angle为旋转角度，正数表示逆时针旋转，负数表示顺时针旋转

●scale为变换尺寸（缩放大小）

例如：

要想以图像中心为圆点，逆时针旋转45°，并将目标图像缩小为原始图像的0.6倍，则使用语句   M= cv2.getRotationMatrix2D((height/2,width/2),45,0.6)

#5.6完成图像旋转
import cv2
img=cv2.imread("lena.bmp")
height,width=img.shape[:2]
M=cv2.getRotationMatrix2D((width/2,height/2),45,0.6)
rotate=cv2.warpAffine(img,M,(width,height))
cv2.imshow("original",img)
cv2.imshow("rotation",rotate)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

更为复杂的仿射变换

cv2.getAffineTransform()来生产仿射函数cv2.warpAffine()所使用的转换矩阵M。

语法格式：

Retval=cv2.getAffineTransform(src,dst)

式中：

●src代表输入图像的三个点坐标

●dst代表输出图像的三个点坐标

该函数中，其参数值src和dst是包含三个二维数组（x,y）点的数组，上述参数通过函数cv2.getAffineTransform(src,dst)定义了两个平行四边形。src和dst中的三个点分别对应平行四边形的左上角、右上角、左下角三个点。

#5.7设计程序，完成图像的仿射。
import cv2
import numpy as np
img=cv2.imread('lena.bmp')
rows,cols,ch=img.shape
p1=np.float32([[0,0],[cols-1,0],[0,rows-1]])
p2=np.float32([[0,rows*0.33],[cols*0.85,rows*0.25],[cols*0.15,rows*0.7]])
M=cv2.getAffineTransform(p1,p2)
dst=cv2.warpAffine(img,M,(cols,rows))
cv2.imshow("origianl",img)
cv2.imshow("result",dst)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

5.4透视

仿射变换可以将矩形映射为任意平行四边形，透视变换则可以将矩形映射为任意四边形。

透视变换通过函数cv2.warpPerspective()实现，该函数的语法是：

Dst=cv2.warpPerspective(src,M,dsize[,flags[,borderMode[,borderValue]]])

●dst代表透视处理后的输出图像，该图像和原始图像具有相同的类型。dsize决定输出图像的实际大小。

●src代表要透视的图像

●M代表一个3*3的变换矩阵

●dsize代表输出图像的尺寸大小

●可以使用cv2.getPerspectiveTransform()来生产cv2.warpPerspective（）所使用的转换矩阵

Retval=cv2.getPerspectiveTransform(src,dst)

Src:代表输入图像的四个顶点的坐标

Dst：代表输出图像的四个顶点的坐标

src参数和dst参数是包含四个点的数组，与放射变换函数cv2.getAffineTransform(src,dst)中的三个点是不同的，实际使用中，我们可以根据需要控制src中的四个点映射到dst中的四个点。

#5.8设计程序，完成图像透视
import cv2
import numpy as np
img=cv2.imread('demo.bmp')
rows,cols=img.shape[:2]
print(rows,cols)
pts1 = np.float32([[150,50],[400,50],[60,450],[310,450]])
pts2 = np.float32([[50,50],[rows-50,50],[50,cols-50],[rows-50,cols-50]])
M=cv2.getPerspectiveTransform(pts1,pts2)
dst=cv2.warpPerspective(img,M,(cols,rows))
cv2.imshow("img",img)
cv2.imshow("dst",dst)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

5.5重映射

把一幅图像内的像素点放置到另外一幅图像内的指定位置，这个过程称为重映射

Dts=cv2.remap(src,map1,map2)

●dst代表目标图像，它和src具有相同的大小和类型

●src代表原始图像

●Map1参数有两种可能的值：

         ●表示（x,y）点的一个映射

         ●表示CV_16SC2,CV_32FC1,CV_32FC2类型（x,y）点的X值。

●map2参数同样有两种可能的值：

         ●当map1表示(x,y)时，该值为空

         ●当map1表示(x,y)点的X值时，该值是CV_16UC1,CV_32FC1类型(x,y）点的y值。

●Interpolation代表插值方式，这里不支持INTER_AREA方法

类型

cv2.INTER_NEAREST

cv2.INTER_LINEAR

cv2.INTER_CUBIC

cv2.INTER_AREA

cv2.INTER_LANCZOS4

cv2.INTER_LINEAR_EXACT

cv2.INTER_MAX

cv2.WARP_FILL_OUTLIERS

cv2.WARP_INVERSE_MAP

#5.9设计程序，使用cv2.remap（）完成数组映射，将目标数组内的所有像素点都映射为
#原始图像内第0行第3列上的像素点，以此来了解函数cv2.remap（）内参数map1和map2的使用情况
#根据题目要求，可以确定：
#用来指定列的参数map1（mapx）内的值均为3.
#用来指定行的参数map2（mapy）内的值均为0
import cv2
import numpy as np
img=np.random.randint(0,256,size=[4,5],dtype=np.uint8)
rows,cols=img.shape
mapx = np.ones(img.shape,np.float32)*3
mapy = np.ones(img.shape,np.float32)*0
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
print("img=\n",img)
print("mapx=\n",mapx)
print("mapy=\n",mapy)
print("rst=\n",rst)

运行结果：

img=

 [[ 33 202 224 138 231]

 [186 105  98 165 217]

 [136 234 241 130  77]

 [ 49 254  79 127 130]]

mapx=

 [[3. 3. 3. 3. 3.]

 [3. 3. 3. 3. 3.]

 [3. 3. 3. 3. 3.]

 [3. 3. 3. 3. 3.]]

mapy=

 [[0. 0. 0. 0. 0.]

 [0. 0. 0. 0. 0.]

 [0. 0. 0. 0. 0.]

 [0. 0. 0. 0. 0.]]

rst=

 [[138 138 138 138 138]

 [138 138 138 138 138]

 [138 138 138 138 138]

 [138 138 138 138 138]]

5.5.2复制

将map1的值设定为对应位置上的X轴坐标值。

将map2的值设定为对应位置上的Y轴坐标值。

#5.10设计程序，使用函数cv2.remap()完成数组复制，了解函数cv2.remap()内参数map1和map2的使用情况
import cv2
import numpy as np
img=np.random.randint(0,256,size=[4,5],dtype=np.uint8)
rows,cols=img.shape
mapx = np.zeros(img.shape,np.float32)
mapy = np.zeros(img.shape,np.float32)
for i in range(rows):
    for j in range(cols):
        mapx.itemset((i,j),j)
        mapy.itemset((i,j),i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
print("img=\n",img)
print("mapx=\n",mapx)
print("mapy=\n",mapy)
print("rst=\n",rst)

运行结果：

img=

 [[ 37 153 164 120 252]

 [133  30 102 118 199]

 [ 13  30  44  47 169]

 [ 87  36 192 123  74]]

mapx=

 [[0. 1. 2. 3. 4.]

 [0. 1. 2. 3. 4.]

 [0. 1. 2. 3. 4.]

 [0. 1. 2. 3. 4.]]

mapy=

 [[0. 0. 0. 0. 0.]

 [1. 1. 1. 1. 1.]

 [2. 2. 2. 2. 2.]

 [3. 3. 3. 3. 3.]]

rst=

 [[ 37 153 164 120 252]

 [133  30 102 118 199]

 [ 13  30  44  47 169]

 [ 87  36 192 123  74]]

#5.11设计程序，使用函数cv2.remap()完成图像复制
import cv2
import numpy as np
img=cv2.imread("lena.bmp")
rows,cols=img.shape[:2]
mapx = np.zeros(img.shape[:2],np.float32)
mapy = np.zeros(img.shape[:2],np.float32)
for i in range(rows):
    for j in range(cols):
        mapx.itemset((i,j),j)
        mapy.itemset((i,j),i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow("original",img)
cv2.imshow("result",rst)
cv2.waitKey()
cv2.destroyAllWindows()

5.5.3绕X轴翻转

X坐标轴的值保持不变

Y坐标轴的值以X轴为对称轴进行交换

反映在map1和map2上：

Map1的值保持不变

Map2的值调整为“总行数-1-当前行号”

OpenCV中行号的下标是从0开始的，所以在对称关系中存在“当前行号+对称行号=总行数-1”的关系

#5.12设计程序，使用函数cv2.remap()实现数组绕X轴翻转
import cv2
import numpy as np
img=np.random.randint(0,256,size=[4,5],dtype=np.uint8)
rows,cols=img.shape
mapx = np.zeros(img.shape,np.float32)
mapy = np.zeros(img.shape,np.float32)
for i in range(rows):
    for j in range(cols):
        mapx.itemset((i,j),j)
        mapy.itemset((i,j),rows-1-i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
print("img=\n",img)
print("mapx=\n",mapx)
print("mapy=\n",mapy)
print("rst=\n",rst)

运行结果：

img=

 [[137  27  77 138  69]

 [201 100 134 143 174]

 [ 64 134  32  34 207]

 [213  38  67 135  41]]

mapx=

 [[0. 1. 2. 3. 4.]

 [0. 1. 2. 3. 4.]

 [0. 1. 2. 3. 4.]

 [0. 1. 2. 3. 4.]]

mapy=

 [[3. 3. 3. 3. 3.]

 [2. 2. 2. 2. 2.]

 [1. 1. 1. 1. 1.]

 [0. 0. 0. 0. 0.]]

rst=

 [[213  38  67 135  41]

 [ 64 134  32  34 207]

 [201 100 134 143 174]

 [137  27  77 138  69]]

#5.13 设计程序，使用函数cv2.remap()实现图像绕X轴的翻转
import cv2
import numpy as np
img=cv2.imread("lena.bmp")
rows,cols=img.shape[:2]
mapx = np.zeros(img.shape[:2],np.float32)
mapy = np.zeros(img.shape[:2],np.float32)
for i in range(rows):
    for j in range(cols):
        mapx.itemset((i,j),j)
        mapy.itemset((i,j),rows-1-i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow("original",img)
cv2.imshow("result",rst)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

5.5.4绕Y轴翻转

Y坐标轴的值保持不变

X坐标轴的值以Y轴为对称轴进行交换

反映在map1和map2上：

Map2的值保持不变。

Map1的值调整为“总列数-1-当前列号”

#5.14设计程序，使用函数cv2.remap()实现数组绕Y轴翻转
import cv2
import numpy as np
img=np.random.randint(0,256,size=[4,5],dtype=np.uint8)
rows,cols=img.shape
mapx = np.zeros(img.shape,np.float32)
mapy = np.zeros(img.shape,np.float32)
for i in range(rows):
    for j in range(cols):
            mapx.itemset((i,j),cols-1-j)
            mapy.itemset((i,j),i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
print("img=\n",img)
print("mapx=\n",mapx)
print("mapy=\n",mapy)
print("rst=\n",rst)

运行结果：

img=

 [[ 41  60 207  28 123]

 [233  93 128  65  93]

 [ 29 243 139 231 157]

 [ 31 187 215 207 253]]

mapx=

 [[4. 3. 2. 1. 0.]

 [4. 3. 2. 1. 0.]

 [4. 3. 2. 1. 0.]

 [4. 3. 2. 1. 0.]]

mapy=

 [[0. 0. 0. 0. 0.]

 [1. 1. 1. 1. 1.]

 [2. 2. 2. 2. 2.]

 [3. 3. 3. 3. 3.]]

rst=

 [[123  28 207  60  41]

 [ 93  65 128  93 233]

 [157 231 139 243  29]

 [253 207 215 187  31]]

#5.15设计程序，使用函数cv2.remap()实现图像绕Y轴的翻转。
import cv2
import numpy as np
img=cv2.imread("lena.bmp")
rows,cols=img.shape[:2]
mapx = np.zeros(img.shape[:2],np.float32)
mapy = np.zeros(img.shape[:2],np.float32)
for i in range(rows):
    for j in range(cols):
            mapx.itemset((i,j),cols-1-j)
            mapy.itemset((i,j),i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow("original",img)
cv2.imshow("result",rst)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

5.5.5绕X轴、Y轴翻转

x坐标轴的值以y轴为对称轴进行交换

y坐标轴的值以x轴为对称轴进行交换

反映在map1和map2上：

Map1的值调整为“总列数-1-当前列号”

Map2的值调整为“总行数-1-当前行号”

#5.16设计程序，使用函数cv2.remap()实现x轴、y轴翻转
import cv2
import numpy as np
img=np.random.randint(0,256,size=[4,5],dtype=np.uint8)
rows,cols=img.shape
mapx = np.zeros(img.shape,np.float32)
mapy = np.zeros(img.shape,np.float32)
for i in range(rows):
    for j in range(cols):
            mapx.itemset((i,j),cols-1-j)
            mapy.itemset((i,j),rows-1-i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
print("img=\n",img)
print("mapx=\n",mapx)
print("mapy=\n",mapy)
print("rst=\n",rst)

运行结果：

img=

 [[150 165  13 124 120]

 [ 82 219  63 238 175]

 [187 133 144 202 107]

 [ 31 220 120 141  26]]

mapx=

 [[4. 3. 2. 1. 0.]

 [4. 3. 2. 1. 0.]

 [4. 3. 2. 1. 0.]

 [4. 3. 2. 1. 0.]]

mapy=

 [[3. 3. 3. 3. 3.]

 [2. 2. 2. 2. 2.]

 [1. 1. 1. 1. 1.]

 [0. 0. 0. 0. 0.]]

rst=

 [[ 26 141 120 220  31]

 [107 202 144 133 187]

 [175 238  63 219  82]

 [120 124  13 165 150]]

#5.17设计程序，使用函数cv2.remap()实现图像绕x轴、y轴翻转
import cv2
import numpy as np
img=cv2.imread("lena.bmp")
rows,cols=img.shape[:2]
mapx = np.zeros(img.shape[:2],np.float32)
mapy = np.zeros(img.shape[:2],np.float32)
for i in range(rows):
    for j in range(cols):
            mapx.itemset((i,j),cols-1-j)
            mapy.itemset((i,j),rows-1-i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow("original",img)
cv2.imshow("result",rst)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

5.5.6 x轴、y轴互换

对于任意一点，都需要将其x轴、y轴坐标互换。

反映在mapx和mapy上：

mapx的值调整为所在行的行号

Mapy的值调整为所在列的列号

#5.18设计程序，使用函数cv2.remap()实现数组的x轴、y轴的互换
import cv2
import numpy as np
img=np.random.randint(0,256,size=[4,6],dtype=np.uint8)
rows,cols=img.shape
mapx = np.zeros(img.shape,np.float32)
mapy = np.zeros(img.shape,np.float32)
for i in range(rows):
    for j in range(cols):
            mapx.itemset((i,j),i)
            mapy.itemset((i,j),j)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
print("img=\n",img)
print("mapx=\n",mapx)
print("mapy=\n",mapy)
print("rst=\n",rst)

运行结果：

img=

 [[ 74 250   6  75  45  59]

 [ 95  22 166  76  13 159]

 [111 170 108 236 174 171]

 [106  38 102 143 223  49]]

mapx=

 [[0. 0. 0. 0. 0. 0.]

 [1. 1. 1. 1. 1. 1.]

 [2. 2. 2. 2. 2. 2.]

 [3. 3. 3. 3. 3. 3.]]

mapy=

 [[0. 1. 2. 3. 4. 5.]

 [0. 1. 2. 3. 4. 5.]

 [0. 1. 2. 3. 4. 5.]

 [0. 1. 2. 3. 4. 5.]]

rst=

 [[ 74  95 111 106   0   0]

 [250  22 170  38   0   0]

 [  6 166 108 102   0   0]

 [ 75  76 236 143   0   0]]

#5.19设计程序，使用函数cv2.remap()实现图像的x轴、y轴互换
import cv2
import numpy as np
img=cv2.imread("lena.bmp")
rows,cols=img.shape[:2]
mapx = np.zeros(img.shape[:2],np.float32)
mapy = np.zeros(img.shape[:2],np.float32)
for i in range(rows):
    for j in range(cols):
            mapx.itemset((i,j),cols-1-j)
            mapy.itemset((i,j),rows-1-i)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow("original",img)
cv2.imshow("result",rst)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

5.5.7 图像缩放

在目标图像的X轴(0.25·x轴长度，0.75·x轴长度）区间内生产缩小图像；x轴其余区域的点取样自x轴上任意一点的值。

在目标图像的y轴（0.25·y轴长度，0.75·y轴长度）区间内生产缩小图像；y轴其余区域的点取样自y轴上任意一点的值。

#5.20图像缩放
import cv2
import numpy as np
img=cv2.imread("lena.bmp")
rows,cols=img.shape[:2]
mapx = np.zeros(img.shape[:2],np.float32)
mapy = np.zeros(img.shape[:2],np.float32)
for i in range(rows):
    for j in range(cols):
        if 0.25*cols< i <0.75*cols and 0.25*rows< j <0.75*rows:
                mapx.itemset((i,j),2*( j - cols*0.25 ) + 0.5)
                mapy.itemset((i,j),2*( i - rows*0.25 ) + 0.5)
        else:
                mapx.itemset((i,j),0)
                mapy.itemset((i,j),0)
rst=cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)
cv2.imshow("original",img)
cv2.imshow("result",rst)
cv2.waitKey()
cv2.destroyAllWindows()