python opencv numpy旋轉圖片

python旋轉圖片

背景

在圖像處理中，有的時候會有對圖片進行角度旋轉的處理，尤其是在計算機視覺中對於圖像擴充，旋轉角度擴充圖片是一種常見的處理。這種旋轉圖片的應用場景也比較多，比如用戶上傳圖片是豎着的時候，不好進行處理，也需要對其進行旋轉，以便後續算法處理。常見的旋轉處理有兩種方式，一種是轉化爲numpy矩陣後，對numpy矩陣進行處理，另外一種是使用opencv自帶的函數進行各種變換處理，以實現旋轉角度的結果。

原始圖像：

opencv函數

旋轉中常用的函數有以下幾個函數

• cv2.transpose: 對圖像矩陣進行轉置處理

img = cv2.imread(origin_img_path)
img_transpose = cv2.transpose(img)
cv2.imshow('transpose', img_transpose)
cv2.waitKey(0)

• cv2.flip ： 對圖像矩陣進行翻轉處理，參數可以設置爲1，0，-1，分別對應着水平翻轉、垂直翻轉、水平垂直翻轉。

img = cv2.imread(origin_img_path)
img_flip = cv2.flip(img, 1)
cv2.imshow('flip', img_flip)
cv2.waitKey(0)

• cv2.getRotationMatrix2D: 構建旋轉矩陣M，後續旋轉時候只需要與旋轉矩陣進行乘積即可完成旋轉操作

旋轉矩陣M

img = cv2.imread(origin_img_path)
rows, cols = img.shape
# 這裏的第一個參數爲旋轉中心，第二個爲旋轉角度，第三個爲旋轉後的縮放因子
# 可以通過設置旋轉中心，縮放因子以及窗口大小來防止旋轉後超出邊界的問題
M = cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)

• cv2.warpAffine: 對圖像進行仿射變換，一般進行平移或者旋轉操作

img = cv2.imread(origin_img_path)
cv2.warpAffine(img, M,(lengh,lengh),borderValue=(255,255,255))  # M爲上面的旋轉矩陣

numpy函數

numpy實現旋轉一般是使用numpy.rot90對圖像進行90度倍數的旋轉操作

官方介紹:

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.

關鍵參數k表示旋轉90度的倍數，k的取值一般爲1、2、3，分別表示旋轉90度、180度、270度；k也可以取負數，-1、-2、-3。k取正數表示逆時針旋轉，取負數表示順時針旋轉。

旋轉90度

• 逆時針
  • 使用opencv函數的轉置操作+翻轉操作實現旋轉
  • 使用numpy.rot90實現

def rotateAntiClockWise90(img_file):  # 逆時針旋轉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) 逆時針旋轉90度
    img = cv2.imread(img_file)
    img90 = np.rot90(img, -1)
    cv2.imshow("rotate", img90)
    cv2.waitKey(0)
    return img90

• 順時針

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) 順時針旋轉90度
    img = cv2.imread(img_file)
    img90 = np.rot90(img, 1)
    cv2.imshow("rotate", img90)
    cv2.waitKey(0)
    return img90

旋轉180度、270度

使用numpy.rot90實現旋轉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)

旋轉任意角度，以任意色值填充背景

import cv2
from math import *
import numpy as np
 
# 旋轉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位置參數爲角度參數負值表示順時針旋轉; 1.0位置參數scale是調整尺寸比例（圖像縮放參數），建議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，此處爲白色，可自定義
    return cv2.warpAffine(image, M, (nW, nH),borderValue=(255,255,255))
    # borderValue 缺省，默認是黑色（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

參考

• cv2.getRotationMatrix2D博客介紹
• cv2.warpAffine 博客介紹
• numpy.rot90
• 旋轉任意角度