《数字图像处理-OpenCV/Python》连载（41）图像的旋转

本文介绍: 几何变换分为等距变换、相似变换、仿射变换和投影变换，是指对图像的位置、大小、形状和投影进行变换，将图像从原始平面投影到新的视平面。OpenCV图像的几何变换，本质上是将一个多维数组通过映射关系转换为另一个多维数组。

图像以任意点(x,y)为旋转中心、以旋转角度顺时针旋转，可以先将原点平移到旋转中心(x,y)，再对原点进行旋转处理，最后反向平移回坐标原点。

OpenCV中的函数 cv.getRotationMatrix2D可以计算以任意点为中心的旋转变换矩阵。

函数原型

cv.getRotationMatrix2D(center, angle, scale) → M

函数cv.getRotationMatrix2D能根据旋转中心和旋转角度计算旋转变换矩阵M：

[

(

−

)

−

(

−

)

]

M = begin{bmatrix} alpha & beta &(1-alpha)x-beta y\ -beta &alpha &beta x +(1-alpha) y end{bmatrix}

$M = [α - β β α (1 - α) x - β y β x + (1 - α) y]$

参数说明

center：旋转中心坐标，格式为元组(x,y)。
angle：旋转角度，角度制，以逆时针方向旋转。
scale：缩放系数，是浮点型数据。
M：旋转变换矩阵，是形状为(2,3)、类型为np.float32的Numpy数组。

注意问题

（1）函数可以直接获取以任意点为中心的旋转变换矩阵，不需要额外进行平移变换。
（2）如果旋转图像的尺寸与原始图像的尺寸相同，则四角的像素会被切除（见图6-3(2)）。为了保留原始图像的内容，需要在旋转的同时对图像进行缩放，或将旋转图像的尺寸调整为：

W_{rot} = w cos theta+ h sin theta \ H_{rot} = h cos theta+ w sin theta

$W_{ro t} = w co s θ + h s in θ H_{ro t} = h co s θ + w s in θ$
式中，w、h分别为原始图像的宽度与高度；、分别为旋转图像的宽度与高度。

（3）缩放系数scale在旋转的同时能进行缩放，但水平、垂直方向必须使用相同的缩放比例。

函数cv.rotate用于直角旋转，旋转角度为90度、180度或270度。该方法通过矩阵转置实现，运行速度极快。

函数原型

cv.rotate(src, rotateCode[, dst]) → dst

参数说明

src：输入图像，是Numpy数组。
dst：输出图像，类型与src相同，图像尺寸由旋转角度确定。
rotateCode：旋转标志符。
- ROTATE_90_CLOCKWISE：顺时针旋转90度。
- ROTATE_180：顺时针旋转180度。
- ROTATE_90_COUNTERCLOCKWISE：顺时针旋转270度。

注意问题

旋转角度为180度时，输出图像的尺寸与输入图像的尺寸相同；旋转角度为90度或180度时，输出图像的高度和宽度分别等于输入图像的宽度和高度。

【例程0603】图像的旋转

本例程介绍以原点为旋转中心、以任意点为旋转中心旋转图像，以及图像的直角旋转。

# 【0603】图像的旋转
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

if __name__ == '__main__':
    img = cv.imread("../images/Fig0301.png")  # 读取彩色图像(BGR)
    height, width = img.shape[:2]  # 图像的高度和宽度

    # (1) 以原点为旋转中心
    x0, y0 = 0, 0  # 以左上角顶点 (0,0) 作为旋转中心
    theta, scale = 30, 1.0  # 逆时针旋转 30 度，缩放系数 1.0
    MAR0 = cv.getRotationMatrix2D((x0,y0), theta, scale)  # 旋转变换矩阵
    imgRot1 = cv.warpAffine(img, MAR0, (width, height))  

    # (2) 以任意点为旋转中心
    x0, y0 = width//2, height//2  # 以图像中心作为旋转中心
    angle = theta * np.pi/180  # 弧度->角度
    wRot = int(width * np.cos(angle) + height * np.sin(angle))  # 调整宽度
    hRot = int(height * np.cos(angle) + width * np.sin(angle))  # 调整高度
    scale = width/wRot  # 根据 wRot 调整缩放系数
    MAR1 = cv.getRotationMatrix2D((x0,y0), theta, 1.0)  # 逆时针旋转 30 度，缩放系数 1.0
    MAR2 = cv.getRotationMatrix2D((x0,y0), theta, scale)  # 逆时针旋转 30 度，缩放比例 scale
    imgRot2 = cv.warpAffine(img, MAR1, (height, width), borderValue=(255,255,255))  # 白色填充
    imgRot3 = cv.warpAffine(img, MAR2, (height, width))  # 调整缩放系数，以保留原始图像的内容
    print(img.shape, imgRot2.shape, imgRot3.shape, scale)

    # (3) 图像的直角旋转
    imgRot90 = cv.rotate(img, cv.ROTATE_90_CLOCKWISE)  # 顺时针旋转 90度
    imgRot180 = cv.rotate(img, cv.ROTATE_180)  # 顺时针旋转 180度
    imgRot270 = cv.rotate(img, cv.ROTATE_90_COUNTERCLOCKWISE)  # 顺时针旋转 270度

    plt.figure(figsize=(9, 6))
    plt.subplot(231), plt.title("1.Rotate around the origin"), plt.axis('off')
    plt.imshow(cv.cvtColor(imgRot1, cv.COLOR_BGR2RGB))
    plt.subplot(232), plt.title("2.Rotate around the center"), plt.axis('off')
    plt.imshow(cv.cvtColor(imgRot2, cv.COLOR_BGR2RGB))
    plt.subplot(233), plt.title("3.Rotate and resize"), plt.axis('off')
    plt.imshow(cv.cvtColor(imgRot3, cv.COLOR_BGR2RGB))
    plt.subplot(234), plt.title("4.Rotate 90 degrees"), plt.axis('off')
    plt.imshow(cv.cvtColor(imgRot90, cv.COLOR_BGR2RGB))
    plt.subplot(235), plt.title("5.Rotate 180 degrees"), plt.axis('off')
    plt.imshow(cv.cvtColor(imgRot180, cv.COLOR_BGR2RGB))
    plt.subplot(236), plt.title("6.Rotate 270 degrees"), plt.axis('off')
    plt.imshow(cv.cvtColor(imgRot270, cv.COLOR_BGR2RGB))
    plt.tight_layout()
    plt.show()

程序说明：
运行结果，图像的旋转如图6-3所示。
（1）图6-3(1)～(3)用函数cv.getRotationMatrix2D计算旋转变换矩阵后，通过函数cv.warpAffine计算旋转变换图像。图6-3(1)以图像原点，即左上角为中心旋转，图6-3(2)和图6-3(3)围绕图像中心点旋转变换。
（2）图像尺寸不变，中心旋转后四角像素被切除（见图6-3(2)）。在计算旋转变换矩阵时使用了缩放系数，使旋转图像保留了原始图像的内容（见图6-3(3)）。
（3）图6-3(4)～(6)所示都是直角旋转，使用函数cv.rotate通过矩阵转置实现。