仿射变换cv.WarpAffine （1）将一副图像顺时针旋转45°，分别用3种不同插值方法（修改flags参数），比较不同方法的效果； （2）对一副图像进行水平和垂直错切30°操作。

对于第一个问题，我可以回答：

1.1 代码示例：

import cv2 as cv
import numpy as np

img = cv.imread('image.jpg')
rows, cols = img.shape[:2]

# 顺时针旋转45度
M = cv.getRotationMatrix2D((cols/2, rows/2), 45, 1)
dst1 = cv.warpAffine(img, M, (cols, rows), flags=cv.INTER_NEAREST)
dst2 = cv.warpAffine(img, M, (cols, rows), flags=cv.INTER_LINEAR)
dst3 = cv.warpAffine(img, M, (cols, rows), flags=cv.INTER_CUBIC)

# 显示结果
cv.imshow('original', img)
cv.imshow('nearest', dst1)
cv.imshow('linear', dst2)
cv.imshow('cubic', dst3)
cv.waitKey(0)
cv.destroyAllWindows()

1.2 效果比较：

使用不同的插值方法，得到的结果如下图所示：


从图中可以看出，使用不同的插值方法得到的结果有所不同。使用INTER_NEAREST方法得到的结果最为粗糙，而使用INTER_CUBIC方法得到的结果最为平滑。

对于第二个问题，我可以回答：

2.1 代码示例：

import cv2 as cv
import numpy as np

img = cv.imread('image.jpg')
rows, cols = img.shape[:2]

# 水平错切
M = np.float32([[1, 0.5, 0], [0, 1, 0], [0, 0, 1]])
dst1 = cv.warpPerspective(img, M, (cols, rows))

# 垂直错切
M = np.float32([[1, 0, 0], [0.5, 1, 0], [0, 0, 1]])
dst2 = cv.warpPerspective(img, M, (cols, rows))

# 显示结果
cv.imshow('original', img)
cv.imshow('horizontal shear', dst1)
cv.imshow('vertical shear', dst2)
cv.waitKey(0)
cv.destroyAllWindows()

2.2 效果展示：

使用水平和垂直错切操作，得到的结果如下图所示：


从图中可以看出，经过水平和垂直错切操作后，图像的形状发生了变化。