目标检测数据增强——旋转

在图像识别任务中，图像旋转是一种比较常用的数据增强方法。结合cv2的cv2.getRotationMatrix2D()和cv2.warpAffine()就可以实现图像的旋转。

对于像目标检测这类带标注框的图像识别任务，不仅要对图像旋转，还要知道标注框被旋转到哪里了，所以还要计算坐标点的变化。下面的函数实现了：

1. 给定角度，旋转图像。
2. 自动调整图像尺寸，保证原图像的内容不会被旋转到图像外。
3. 计算原图中坐标点points在旋转后的图像中的位置坐标。

import numpy as np
import cv2
from math import fabs, sin, radians, cos


def rotate_with_points(image, degree, points, fill=0):
    """逆时针旋转图像image角度degree，并计算原图中坐标点points在旋转后的图像中的位置坐标.
    Args:
        image: 图像数组
        degree: 旋转角度
        points (np.array): ([x, ...], [y, ...]), shape=(2, m)，原图上的坐标点
        fill: 旋转图像后，空白处填充的颜色，默认填0（黑色）
    Return:
        new_img: 旋转后的图像
        new_pts: 原图中坐标点points在旋转后的图像中的位置坐标
    """
    h, w = image.shape

    new_h = int(w * fabs(sin(radians(degree))) + h * fabs(cos(radians(degree))))
    new_w = int(h * fabs(sin(radians(degree))) + w * fabs(cos(radians(degree))))

    rtt_mat = cv2.getRotationMatrix2D((w / 2, h / 2), degree, 1)

    rtt_mat[0, 2] += (new_w - w) / 2
    rtt_mat[1, 2] += (new_h - h) / 2

    new_img = cv2.warpAffine(image, rtt_mat, (new_w, new_h), borderValue=fill)

    a = np.array([rtt_mat[0][: 2], rtt_mat[1][: 2]])
    b = np.array([[rtt_mat[0][2]], [rtt_mat[1][2]]])

    new_pts = np.round(np.dot(a, points.astype(np.float32)) + b).astype(np.int64)
    return new_img, new_pts