python opencv旋转图片的使用方法

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。本文就详细的介绍一下，感兴趣的可以了解一下

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：

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Fo40V1TN-1592548330569)(C:\Users\DELL-3020\AppData\Roaming\Typora\typora-user-images\image-20200618180728108.jpg-600)]$

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)

在这里插入图片描述

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)

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

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)

在这里插入图片描述

270 度

 img270 = np.rot90(img, 3) cv2.imshow("rotate", img270) cv2.waitKey(0)

在这里插入图片描述

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-600") imgRotation = rotate_bound_white_bg(img, 45) cv2.imshow("img",img) cv2.imshow("imgRotation",imgRotation) cv2.waitKey(0)

45度

在这里插入图片描述