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
聆风吟º26 分钟前
CANN runtime 实战指南:异构计算场景中运行时组件的部署、调优与扩展技巧
人工智能·神经网络·cann·异构计算
寻星探路1 小时前
【深度长文】万字攻克网络原理:从 HTTP 报文解构到 HTTPS 终极加密逻辑
java·开发语言·网络·python·http·ai·https
Codebee2 小时前
能力中心 (Agent SkillCenter):开启AI技能管理新时代
人工智能
聆风吟º3 小时前
CANN runtime 全链路拆解:AI 异构计算运行时的任务管理与功能适配技术路径
人工智能·深度学习·神经网络·cann
uesowys3 小时前
Apache Spark算法开发指导-One-vs-Rest classifier
人工智能·算法·spark
AI_56783 小时前
AWS EC2新手入门:6步带你从零启动实例
大数据·数据库·人工智能·机器学习·aws
User_芊芊君子3 小时前
CANN大模型推理加速引擎ascend-transformer-boost深度解析:毫秒级响应的Transformer优化方案
人工智能·深度学习·transformer
ValhallaCoder3 小时前
hot100-二叉树I
数据结构·python·算法·二叉树
智驱力人工智能4 小时前
小区高空抛物AI实时预警方案 筑牢社区头顶安全的实践 高空抛物检测 高空抛物监控安装教程 高空抛物误报率优化方案 高空抛物监控案例分享
人工智能·深度学习·opencv·算法·安全·yolo·边缘计算
qq_160144874 小时前
亲测!2026年零基础学AI的入门干货,新手照做就能上手
人工智能