数字图像处理--图像旋转变换的推导

前面我们提到了图像的缩放变换，可以用矩阵乘法的形式来表达变换后的像素位置映射关系。

那么，对于旋转变换呢？我们可以同样将其想象成二维平面上矢量的旋转。如下图所示，矢量$[x_1,y_1]$逆时针旋转$\theta$度到了$[x_2,y_2]$。

设定矢量的长度为s，根据坐标系定义，我们可以得到：
$$\begin{array}{r}x2=s•cos\beta \\ y2=s•sin\beta \end{array}$$

根据上面的图形，有：
$$\beta =\alpha +\theta$$

因此:
$$\begin{gathered} x2=s•cos(\alpha +\theta ) \\ y2=s•sin(\alpha +\theta ) \end{gathered}$$

根据初中所学的三角函数公式：
$$\begin{gathered} sin(\alpha +\theta )=sin\alpha •cos\theta +cos\alpha •sin\theta \\ cos(\alpha +\theta )=cos\alpha •cos\theta -sin\alpha •sin\theta \end{gathered}$$

于是：
$$\begin{gathered} x2=s•cos\alpha •cos\theta -s•sin\alpha •sin\theta \\ y2=s•sin\alpha •cos\theta +s•cos\alpha •sin\theta \end{gathered}$$

由于：
$$\begin{gathered} x1=s•cos\alpha \\ y1=s•sin\alpha \end{gathered}$$

因此：
$$\begin{gathered} x2=x1•cos\theta -y1•sin\theta \\ y2=x1•sin\theta +y1•cos\theta \end{gathered}$$

于是，上式写成矩阵乘法的形式如下：
$$\begin{array}{r}\left[\begin{array}{c}x2\\ y2\end{array}\right]=\left[\begin{array}{cc}cos\theta & -sin\theta \\ sin\theta & cos\theta \end{array}\right]\left[\begin{array}{c}x1\\ y1\end{array}\right]\end{array}$$

我们来看看一个图像逆时针旋转180度的情况。

import cv2

import numpy as np
import math

lenna = cv2.imread("lenna256.png", 0)
row, col = lenna.shape

lenna_rotation = np.zeros_like(lenna)

A = np.mat([[math.cos(math.pi), -math.sin(math.pi)], [math.sin(math.pi), math.cos(math.pi)]])

for r in range(row):
    for l in range(col):
        v = np.dot(A.I, np.array([r, l]).T)

        lenna_rotation[r, l] = lenna[int(v[0, 0]), int(v[0, 1])]

cv2.imshow("lenna", lenna)
cv2.imshow("rotation", lenna_rotation)
cv2.waitKey()

上面的图像宽度和高度是一样的，而且旋转角度是180度，比较特殊。在一般情况下，我们需要注意的是2点：一是旋转图像一般要将旋转中心设置在图像的中心点位置；二是图像旋转后，可能越过了原来的图像边界范围。这些都比较麻烦，好在opencv已经做好了这一切。

lenna = cv2.imread("lenna256.png", 0)
row, col = lenna.shape
M = cv2.getRotationMatrix2D((col // 2, row // 2), 70, 0.5)
dst = cv2.warpAffine(lenna, M, (col, row))
cv2.imshow("rotation", dst)
cv2.waitKey()

转载自：https://blog.csdn.net/saltriver/article/details/79680189