快捷導(dǎo)航

python opencv旋轉(zhuǎn)圖片的使用方法

更新時(shí)間：2021年06月04日 10:22:55 作者：uncle_ll

在圖像處理中，有的時(shí)候會有對圖片進(jìn)行角度旋轉(zhuǎn)的處理，尤其是在計(jì)算機(jī)視覺中對于圖像擴(kuò)充，旋轉(zhuǎn)角度擴(kuò)充圖片是一種常見的處理。本文就詳細(xì)的介紹一下，感興趣的可以了解一下

背景

在圖像處理中，有的時(shí)候會有對圖片進(jìn)行角度旋轉(zhuǎn)的處理，尤其是在計(jì)算機(jī)視覺中對于圖像擴(kuò)充，旋轉(zhuǎn)角度擴(kuò)充圖片是一種常見的處理。這種旋轉(zhuǎn)圖片的應(yīng)用場景也比較多，比如用戶上傳圖片是豎著的時(shí)候，不好進(jìn)行處理，也需要對其進(jìn)行旋轉(zhuǎn)，以便后續(xù)算法處理。常見的旋轉(zhuǎn)處理有兩種方式，一種是轉(zhuǎn)化為numpy矩陣后，對numpy矩陣進(jìn)行處理，另外一種是使用opencv自帶的函數(shù)進(jìn)行各種變換處理，以實(shí)現(xiàn)旋轉(zhuǎn)角度的結(jié)果。

原始圖像：

$[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來直接上傳(img-Fo40V1TN-1592548330569)(C:\Users\DELL-3020\AppData\Roaming\Typora\typora-user-images\image-20200618180728108.jpg)]$

opencv函數(shù)

旋轉(zhuǎn)中常用的函數(shù)有以下幾個(gè)函數(shù)

cv2.transpose: 對圖像矩陣進(jìn)行轉(zhuǎn)置處理

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

在這里插入圖片描述

cv2.flip ：對圖像矩陣進(jìn)行翻轉(zhuǎn)處理，參數(shù)可以設(shè)置為1，0，-1，分別對應(yīng)著水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、水平垂直翻轉(zhuǎn)。

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

在這里插入圖片描述

cv2.getRotationMatrix2D: 構(gòu)建旋轉(zhuǎn)矩陣M，后續(xù)旋轉(zhuǎn)時(shí)候只需要與旋轉(zhuǎn)矩陣進(jìn)行乘積即可完成旋轉(zhuǎn)操作

旋轉(zhuǎn)矩陣M

img = cv2.imread(origin_img_path)
rows, cols = img.shape
# 這里的第一個(gè)參數(shù)為旋轉(zhuǎn)中心，第二個(gè)為旋轉(zhuǎn)角度，第三個(gè)為旋轉(zhuǎn)后的縮放因子
# 可以通過設(shè)置旋轉(zhuǎn)中心，縮放因子以及窗口大小來防止旋轉(zhuǎn)后超出邊界的問題
M = cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)

cv2.warpAffine: 對圖像進(jìn)行仿射變換，一般進(jìn)行平移或者旋轉(zhuǎn)操作

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

numpy函數(shù)

numpy實(shí)現(xiàn)旋轉(zhuǎn)一般是使用numpy.rot90對圖像進(jìn)行90度倍數(shù)的旋轉(zhuǎn)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(guān)鍵參數(shù)k表示旋轉(zhuǎn)90度的倍數(shù)，k的取值一般為1、2、3，分別表示旋轉(zhuǎn)90度、180度、270度；k也可以取負(fù)數(shù)，-1、-2、-3。k取正數(shù)表示逆時(shí)針旋轉(zhuǎn)，取負(fù)數(shù)表示順時(shí)針旋轉(zhuǎn)。

旋轉(zhuǎn)90度

逆時(shí)針

使用opencv函數(shù)的轉(zhuǎn)置操作+翻轉(zhuǎn)操作實(shí)現(xiàn)旋轉(zhuǎn)
使用numpy.rot90實(shí)現(xiàn)

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

在這里插入圖片描述

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

在這里插入圖片描述

旋轉(zhuǎn)180度、270度

使用numpy.rot90實(shí)現(xiàn)旋轉(zhuǎn)180度、270度

180度

img180 = np.rot90(img, 2)
cv2.imshow("rotate", img180)
cv2.waitKey(0)

在這里插入圖片描述

270 度

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

在這里插入圖片描述

旋轉(zhuǎn)任意角度，以任意色值填充背景

import cv2
from math import *
import numpy as np
 
# 旋轉(zhuǎn)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(shù)為角度參數(shù)負(fù)值表示順時(shí)針旋轉(zhuǎn); 1.0位置參數(shù)scale是調(diào)整尺寸比例（圖像縮放參數(shù)），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，此處為白色，可自定義
    return cv2.warpAffine(image, M, (nW, nH),borderValue=(255,255,255))
    # borderValue 缺省，默認(rèn)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

在這里插入圖片描述