• 问答
  • 技术
  • 实践
  • 资源
OpenCV 图像旋转的原理与技巧

3D视觉初学者

3D视觉初学者

01 引言

初学图像处理,很多人遇到的第一关就是图像旋转,图像旋转是图像几何变换中最具代表性的操作,包含了插值、背景处理、三角函数等相关知识,一个变换矩阵跟计算图像旋转之后的大小公式就让很多开发者最后直接调用函数了事,但是其实这个东西并没有这么难懂,可以说主要是之前别人写的公式太吓人,小编很久以前第一次接触的也是被吓晕了!所以决定从程序员可以接受的角度从新介绍一下图像旋转基本原理与OpenCV中图像旋转函数操作的基本技巧。

图像旋转基本原理

旋转涉及到两个问题,一个是图像旋转之后的大小会发生改变,会产生背景,通过背景填充方式都是填充黑色,此外旋转还是产生像素的位置迁移,新的位置像素需要通过插值计算获得,常见的插值方式有最近邻、线性插值、立方插值等。

首先看旋转之后的图像宽高变化,如下图所示:

image.png

image.png

这个是正常的平面坐标系中的旋转矩阵,可以简写为:

image.png

是一个2x3的矩阵,但是在图像中左上角是原点,要实现围绕图像的中心位置旋转,M就要重新计算,所以OpenCV中的图像旋转矩阵为:

image.png

其中scale是表示矩阵支持旋转+放缩,这里可以把Scale=1。第三列是图像旋转之后中心位置平移量。

函数支持

OpenCV中支持图像旋转的函数有两个,一个是直接支持旋转的函数,但是它支持的是90,180,270这样的特殊角度旋转。

void cv::rotate   (

其中rotateCode参数必须为:

ROTATE_180,

函数warpAffine支持任意角度的旋转,通过定义M矩阵实现

void cv::warpAffine(

但是M如何生成与获取,OpenCV中提供了一个函数根据输入的参数自动生成旋转矩阵M,该函数为:

Mat cv::getRotationMatrix2D(

代码演示

原图

image.png

使用自定义的M矩阵实现图像旋转

h, w, c = src.shape# 定义矩阵M = np.zeros((2, 3), dtype=np.float32)# 定义角度alpha = np.cos(np.pi / 4.0)beta = np.sin(np.pi / 4.0)print("alpha : ", alpha)# 初始化矩阵M[0, 0] = alphaM[1, 1] = alphaM[0, 1] = betaM[1, 0] = -betacx = w / 2cy = h / 2tx = (1-alpha)*cx - beta*cyty = beta*cx + (1-alpha)*cyM[0,2] = txM[1,2] = ty# 执行旋转dst = cv.warpAffine(src, M, (w, h))cv.imshow("rotate-center-demo", dst)

image.png

重新计算旋转之后的图像大小,实现无Crop版本的图像旋转

h, w, c = src.shapeM = np.zeros((2, 3), dtype=np.float32)alpha = np.cos(np.pi / 4.0)beta = np.sin(np.pi / 4.0)print("alpha : ", alpha)# 初始旋转矩阵M[0, 0] = alphaM[1, 1] = alphaM[0, 1] = betaM[1, 0] = -betacx = w / 2cy = h / 2tx = (1-alpha)*cx - beta*cyty = beta*cx + (1-alpha)*cyM[0,2] = txM[1,2] = ty# change with full sizebound_w = int(h * np.abs(beta) + w * np.abs(alpha))bound_h = int(h * np.abs(alpha) + w * np.abs(beta))# 添加中心位置迁移M[0, 2] += bound_w / 2 - cxM[1, 2] += bound_h / 2 - cydst = cv.warpAffine(src, M, (bound_w, bound_h))cv.imshow("rotate without cropping", dst)

image.png

背景随便变化+无Crop版本的图像旋转动态演示

degree = 1.0d1 = np.pi / 180.0while True:    alpha = np.cos(d1*degree)    beta = np.sin(d1*degree)    M[0, 0] = alpha    M[1, 1] = alpha    M[0, 1] = beta    M[1, 0] = -beta    cx = w / 2    cy = h / 2    tx = (1 - alpha) * cx - beta * cy    ty = beta * cx + (1 - alpha) * cy    M[0, 2] = tx    M[1, 2] = ty    # change with full size    bound_w = int(h * np.abs(beta) + w * np.abs(alpha))    bound_h = int(h * np.abs(alpha) + w * np.abs(beta))    M[0, 2] += bound_w / 2 - cx    M[1, 2] += bound_h / 2 - cy    red = np.random.randint(0, 255)    green = np.random.randint(0, 255)    blue = np.random.randint(0, 255)    dst = cv.warpAffine(src, M, (bound_w, bound_h), borderMode=cv.BORDER_CONSTANT, borderValue=(blue, green, red))    cv.imshow("rotate+background", dst)    c = cv.waitKey(1000)    if c == 27:        break    degree += 1    print("degree", degree)    if degree > 360:        degree = degree % 360

image.png

image.png

`

  • 1
  • 0
  • 1254
收藏
暂无评论
Find me
大咖

一个大的公司

  • 21,319

    关注
  • 275

    获赞
  • 54

    精选文章
近期动态
  • 哈工大深圳研究生院CV汪,请原谅我这一生放纵不羁爱CV~
文章专栏
  • Awsome-Github 资源列表