python opencv numpy旋转图片

参考链接： Python中的numpy.rot90

python旋转图片 

背景 

在图像处理中，有的时候会有对图片进行角度旋转的处理，尤其是在计算机视觉中对于图像扩充，旋转角度扩充图片是一种常见的处理。这种旋转图片的应用场景也比较多，比如用户上传图片是竖着的时候，不好进行处理，也需要对其进行旋转，以便后续算法处理。常见的旋转处理有两种方式，一种是转化为numpy矩阵后，对numpy矩阵进行处理，另外一种是使用opencv自带的函数进行各种变换处理，以实现旋转角度的结果。 

原始图像： 

opencv函数 

旋转中常用的函数有以下几个函数 

cv2.transpose: 对图像矩阵进行转置处理 

img = cv2.imread(origin_img_path)

img_transpose = cv2.transpose(img)

cv2.imshow('transpose', img_transpose)

cv2.waitKey(0)

cv2.flip ： 对图像矩阵进行翻转处理，参数可以设置为1，0，-1，分别对应着水平翻转、垂直翻转、水平垂直翻转。 

img = cv2.imread(origin_img_path)

img_flip = cv2.flip(img, 1)

cv2.imshow('flip', img_flip)

cv2.waitKey(0)

cv2.getRotationMatrix2D: 构建旋转矩阵M，后续旋转时候只需要与旋转矩阵进行乘积即可完成旋转操作 

旋转矩阵M 

img = cv2.imread(origin_img_path)

rows, cols = img.shape

# 这里的第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子

# 可以通过设置旋转中心，缩放因子以及窗口大小来防止旋转后超出边界的问题

M = cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)

cv2.warpAffine: 对图像进行仿射变换，一般进行平移或者旋转操作 

img = cv2.imread(origin_img_path)

cv2.warpAffine(img, M,(lengh,lengh),borderValue=(255,255,255))  # M为上面的旋转矩阵

numpy函数 

numpy实现旋转一般是使用numpy.rot90对图像进行90度倍数的旋转操作 

 官方介绍: 

 numpy.rot90(m, k=1, axes=(0, 1))[source] 

  Rotate an array by 90 degrees in the plane specified by axes.  Rotation direction is from the first towards the second axis.  k: Number of times the array is rotated by 90 degrees.  

关键参数k表示旋转90度的倍数，k的取值一般为1、2、3，分别表示旋转90度、180度、270度；k也可以取负数，-1、-2、-3。k取正数表示逆时针旋转，取负数表示顺时针旋转。 

旋转90度 

逆时针 

  使用opencv函数的转置操作+翻转操作实现旋转使用numpy.rot90实现  

def rotateAntiClockWise90(img_file):  # 逆时针旋转90度

    img = cv2.imread(img_file)

    trans_img = cv2.transpose(img)

    img90 = cv2.flip(trans_img, 0)

    cv2.imshow("rotate", img90)

    cv2.waitKey(0)

    return img90

def totateAntiClockWise90ByNumpy(img_file):  # np.rot90(img, -1) 逆时针旋转90度

    img = cv2.imread(img_file)

    img90 = np.rot90(img, -1)

    cv2.imshow("rotate", img90)

    cv2.waitKey(0)

    return img90

顺时针 

def rotateClockWise90(self, img_file):

    img = cv2.imread(img_file)

    trans_img = cv2.transpose( img )

    img90 = cv2.flip(trans_img, 1)

    cv2.imshow("rotate", img90)

    cv2.waitKey(0)

    return img90

def totateClockWise90ByNumpy(img_file):  # np.rot90(img, 1) 顺时针旋转90度

    img = cv2.imread(img_file)

    img90 = np.rot90(img, 1)

    cv2.imshow("rotate", img90)

    cv2.waitKey(0)

    return img90

旋转180度、270度 

使用numpy.rot90实现旋转180度、270度 

180度 

img180 = np.rot90(img, 2)

cv2.imshow("rotate", img180)

cv2.waitKey(0)

270 度 

img270 = np.rot90(img, 3)

cv2.imshow("rotate", img270)

cv2.waitKey(0)

旋转任意角度，以任意色值填充背景 

import cv2

from math import *

import numpy as np

# 旋转angle角度，缺失背景白色（255, 255, 255）填充

def rotate_bound_white_bg(image, angle):

    # grab the dimensions of the image and then determine the

    # center

    (h, w) = image.shape[:2]

    (cX, cY) = (w // 2, h // 2)

    # grab the rotation matrix (applying the negative of the

    # angle to rotate clockwise), then grab the sine and cosine

    # (i.e., the rotation components of the matrix)

    # -angle位置参数为角度参数负值表示顺时针旋转; 1.0位置参数scale是调整尺寸比例（图像缩放参数），建议0.75

    M = cv2.getRotationMatrix2D((cX, cY), -angle, 1.0)

    cos = np.abs(M[0, 0])

    sin = np.abs(M[0, 1])

    # compute the new bounding dimensions of the image

    nW = int((h * sin) + (w * cos))

    nH = int((h * cos) + (w * sin))

    # adjust the rotation matrix to take into account translation

    M[0, 2] += (nW / 2) - cX

    M[1, 2] += (nH / 2) - cY

    # perform the actual rotation and return the image

    # borderValue 缺失背景填充色彩，此处为白色，可自定义

    return cv2.warpAffine(image, M, (nW, nH),borderValue=(255,255,255))

    # borderValue 缺省，默认是黑色（0, 0 , 0）

    # return cv2.warpAffine(image, M, (nW, nH))

img = cv2.imread("dog.png")

imgRotation = rotate_bound_white_bg(img, 45)

cv2.imshow("img",img)

cv2.imshow("imgRotation",imgRotation)

cv2.waitKey(0)

 45度   60度  

参考 

cv2.getRotationMatrix2D博客介绍cv2.warpAffine 博客介绍numpy.rot90旋转任意角度