OpenCV:python图像旋转,cv2.getRotationMatrix2D 和 cv2.warpAffine 函数

前言

仅供个人学习用,如果对各位朋友有参考价值,给个赞或者收藏吧 ^_^

一. cv2.getRotationMatrix2D(center, angle, scale)

1.1 参数说明

|----------------|--------------------------------------------------------------------------------------------|
| parameters | center:旋转中心坐标,是一个元组参数(col, row) angle:旋转角度,旋转方向,负号为逆时针,正号为顺时针 scale:旋转后图像相比原来的缩放比例,1为等比例缩放 |
| returns | 返回一个2*3的旋转(变换)矩阵,因为变换矩阵第三行形式固定,所以忽略。 |

returns:返回下面的2*3行列式,注:α=cosθ,β=sinθ

还是不太懂的话参考:cv2.getRotationMatrix2D的旋转矩阵的正确形式-CSDN博客

二、cv2.warpAffine(src, M, dsize, dst, flags, borderMode, borderValue)

2.1 参数说明

|----------------|-------------------------------------------------------------------------------------------------------------------------------------------------------------|
| parameters | 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(线性插值)。 borderMode:边界像素模式。 borderValue:边界填充值,用于边界外的像素。 |
| returns | 返回旋转后的图像 |

2.2 flags 值说明

三、举例

3.1 demo

python 复制代码
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

img = cv.imread('E:/Desktop/jianli/lenna.png')
img = cv.cvtColor(img, cv.COLOR_BGR2RGB)
(h, w) = img.shape[:2]
print('原图像的高和宽', h, w)
(cX, cY) = (w // 2, h // 2)
M = cv.getRotationMatrix2D((cX, cY), -45, 1.0)
print('旋转矩阵:\n', M)
rotate0 = cv.warpAffine(src=img, M=M, dsize=(h, w))
cos = np.abs(M[0, 0])
sin = np.abs(M[0, 1])
nH = int((h*cos) + (w*sin))
nW = int((h*sin) + (w*cos))
print('新图像的高和宽', nH, nW)
rotate1 = cv.warpAffine(img, M, (nW, nH))
# 调整旋转矩阵的中心以平移到中心显示全图
M[0, 2] += (nW/2) - cX
M[1, 2] += (nH/2) - cY
rotate2 = cv.warpAffine(img, M, (nW, nH))
print('中心点平移后的旋转矩阵:\n', M)
# 显示图像
plt.subplot(1, 3, 1), plt.imshow(rotate0, 'gray'), plt.title('rotate0')
plt.subplot(1, 3, 2), plt.imshow(rotate1, 'gray'), plt.title('rotate1')
plt.subplot(1, 3, 3), plt.imshow(rotate2, 'gray'), plt.title('rotate2')
plt.show()

3.1.1 新图像的高和宽计算

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。

看了以下图就能知道为啥子这么计算啦

nH = int((h*cos) + (w*sin))

nW = int((h*sin) + (w*cos))

3.2 output

相关推荐
Stara051134 分钟前
基于多头自注意力机制(MHSA)增强的YOLOv11主干网络—面向高精度目标检测的结构创新与性能优化
人工智能·python·深度学习·神经网络·目标检测·计算机视觉·yolov11
YuSun_WK38 分钟前
目标跟踪相关综述文章
人工智能·计算机视觉·目标跟踪
一切皆有可能!!41 分钟前
RAG数据处理:PDF/HTML
人工智能·语言模型
kyle~43 分钟前
深度学习---知识蒸馏(Knowledge Distillation, KD)
人工智能·深度学习
那雨倾城2 小时前
使用 OpenCV 将图像中标记特定颜色区域
人工智能·python·opencv·计算机视觉·视觉检测
whoarethenext2 小时前
c/c++的opencv的图像预处理讲解
人工智能·opencv·计算机视觉·预处理
一律清风2 小时前
【Opencv】canny边缘检测提取中心坐标
c++·opencv
金融小师妹3 小时前
应用BERT-GCN跨模态情绪分析:贸易缓和与金价波动的AI归因
大数据·人工智能·算法
武子康3 小时前
大语言模型 10 - 从0开始训练GPT 0.25B参数量 补充知识之模型架构 MoE、ReLU、FFN、MixFFN
大数据·人工智能·gpt·ai·语言模型·自然语言处理
广州智造3 小时前
OptiStruct实例:3D实体转子分析
数据库·人工智能·算法·机器学习·数学建模·3d·性能优化