opencv中图像旋转—getRotationMatrix2D和warpAffine

API介绍

getRotationMatrix2D:生成旋转矩阵

cpp 复制代码
Mat getRotationMatrix2D(Point2f center, double angle, double scale);

center:旋转的中心点坐标。

angle:顺时针旋转的角度。

scale:图像缩放比例。

warpAffine:仿射变换

cpp 复制代码
void warpAffine(InputArray src, OutputArray dst, InputArray M, Size dsize, int flags = INTER_LINEAR, int borderMode = BORDER_CONSTANT, const Scalar& borderValue = Scalar());

src:原始图像。

dst:输出图像。

M:变换矩阵,这里是由getRotationMatrix2D生成的旋转矩阵。

dsize:输出图像的大小。

flags:插值方法,通常使用INTER_LINEAR。

borderMode:边界像素模式。

borderValue:边界填充值,用于边界外的像素。

示例1

cpp 复制代码
void QuickDemo::rotato_demo(Mat &image) {
	Mat dst, M;
	int  w = image.cols;
	int h = image.rows;
	M = getRotationMatrix2D(Point2f(w / 2, h / 2), 45, 1.0);//旋转矩阵,围绕图像中心旋转45°
	warpAffine(image, dst, M, image.size(),INTER_LINEAR,0,Scalar(0,0,255));
	
	imshow("旋转45度", dst);
	imwrite("C:/Users/Desktop/opencv-0/warpAffine45.png",dst);
}

示例2

cpp 复制代码
void QuickDemo::rotato_demo(Mat &image) {
	Mat dst, M;
	int  w = image.cols;
	int h = image.rows;
	M = getRotationMatrix2D(Point2f(w / 2, h / 2), 100, 1.0);//旋转矩阵,围绕图像中心旋转45°
	warpAffine(image, dst, M, image.size(),INTER_LINEAR,0,Scalar(0,0,255));
	
	imshow("旋转100度", dst);
	imwrite("C:/Users/Desktop/opencv-0/warpAffine45.png",dst);
}

怎么计算新图像的宽度高度

计算经过仿射变换或旋转后新图像的宽度和高度,尤其是在旋转图像时保持图像的完整性而不裁剪任何部分,需要一些几何计算。
假设原图像的宽度为W,高度为H,旋转角度为theta,旋转后图像的新宽度W'和新高度H'。
1、将角度转换为弧度 **:**

因为大多数数学函数使用弧度制,

cpp 复制代码
theta_r=pi*theta/180;

2、计算四个角点旋转后的位置:

先确定原图像的四个角点的坐标,然后根据旋转公式计算旋转后每个点的新坐标。旋转公式为:
其中,(x, y)是原始坐标,(x', y')是旋转后的坐标。
3、计算新宽度和高度:

旋转后四个角点的最大和最小x、y坐标值之间的差分别给出了新图像的宽度W'和高度H'。

示例3

cpp 复制代码
void QuickDemo::rotato_demo(Mat &image) {
	Mat dst, M;
	int  w = image.cols;
	int h = image.rows;
	M = getRotationMatrix2D(Point2f(w / 2, h / 2), 45, 1.0);//旋转矩阵,围绕图像中心旋转45°
	double sin = abs(M.at<double>(0, 1));
	double cos = abs(M.at<double>(0, 0));
	int nw = cos*w + sin*h;//新宽度
	int nh = sin*w + cos*h;//新高度
	M.at<double>(0, 2) = M.at<double>(0, 2) + (nw / 2 - w / 2);
	M.at<double>(1, 2) = M.at<double>(1, 2) + (nh / 2 - h / 2);

	//warpAffine(image, dst, M, image.size(),INTER_LINEAR,0,Scalar(0,0,255));
	warpAffine(image, dst, M, Size(nw,nh), INTER_LINEAR, 0, Scalar(0, 0, 255));
	imshow("旋转45度", dst);
	imwrite("C:/Users/Desktop/opencv-0/warpAffine2.png",dst);
}

示例4

cpp 复制代码
void QuickDemo::rotato_demo(Mat &image) {
	Mat dst, M;
	int  w = image.cols;
	int h = image.rows;
	M = getRotationMatrix2D(Point2f(w / 2, h / 2), 100, 1.0);//旋转矩阵,围绕图像中心旋转100°
	double sin = abs(M.at<double>(0, 1));
	double cos = abs(M.at<double>(0, 0));
	int nw = cos*w + sin*h;//新宽度
	int nh = sin*w + cos*h;//新高度
	M.at<double>(0, 2) = M.at<double>(0, 2) + (nw / 2 - w / 2);
	M.at<double>(1, 2) = M.at<double>(1, 2) + (nh / 2 - h / 2);

	//warpAffine(image, dst, M, image.size(),INTER_LINEAR,0,Scalar(0,0,255));
	warpAffine(image, dst, M, Size(nw,nh), INTER_LINEAR, 0, Scalar(0, 0, 255));
	imshow("旋转100度", dst);
	imwrite("C:/Users/Desktop/opencv-0/warpAffine2.png",dst);
}
相关推荐
Moshow郑锴4 小时前
人工智能中的(特征选择)数据过滤方法和包裹方法
人工智能
TY-20255 小时前
【CV 目标检测】Fast RCNN模型①——与R-CNN区别
人工智能·目标检测·目标跟踪·cnn
CareyWYR6 小时前
苹果芯片Mac使用Docker部署MinerU api服务
人工智能
失散136 小时前
自然语言处理——02 文本预处理(下)
人工智能·自然语言处理
mit6.8246 小时前
[1Prompt1Story] 滑动窗口机制 | 图像生成管线 | VAE变分自编码器 | UNet去噪神经网络
人工智能·python
sinat_286945196 小时前
AI应用安全 - Prompt注入攻击
人工智能·安全·prompt
迈火8 小时前
ComfyUI-3D-Pack:3D创作的AI神器
人工智能·gpt·3d·ai·stable diffusion·aigc·midjourney
Moshow郑锴8 小时前
机器学习的特征工程(特征构造、特征选择、特征转换和特征提取)详解
人工智能·机器学习
CareyWYR9 小时前
每周AI论文速递(250811-250815)
人工智能
AI精钢9 小时前
H20芯片与中国的科技自立:一场隐形的博弈
人工智能·科技·stm32·单片机·物联网