图像随机旋转及坐标进行旋转原理及Python实现

在做人脸或物体检测的任务中，往往需要对训练集进行随机旋转，做数据增强，增加模型的鲁棒性。

在进行图像随机旋转的同时，相应的label值坐标也要进行相应的旋转。

如人脸关键点检测中人脸对应的关键点坐标，物体检测任务中的物体所在box坐标。

 

 

（1）.原理-------坐标旋转变换公式

原理参照博客：

https://blog.csdn.net/u012686154/article/details/88854386

最终变换公式如下：

坐标（x，y）顺时针旋转 β 度，则经过矩阵相乘，转换成新的坐标（x‘，y'）

 

 

（2）.实现-------python代码实现

import math
from PIL import Image

#box为0~1的值，为[ymin, xmin, ymax, xmax]
#landmarks为0~1的值，为[y0,x0,y1,x1,y2,x2......yn,xn]
def random_rotation(image, box, landmarks, max_angle=90):
    #为随机旋转的角度-90~90度
    angle = np.random.uniform(-max_angle,max_angle)
    theta = angle*(math.pi/180.0)
    
    #获取旋转的中心坐标
    #也即是图像的中心坐标
    image_height = image.shape[0]
    image_width = image.shape[1]
    scaler = np.stack([image_height, image_width], axis=0)
    center = np.reshape(0.5*scaler, [1, 2])

    #求旋转矩阵
    rotation = np.stack([np.cos(theta), np.sin(theta),-np.sin(theta), np.cos(theta)], axis=0)
    rotation_matrix = np.reshape(rotation, [2, 2])

    #旋转方框
    ymin, xmin, ymax, xmax = box
    h, w = ymax - ymin, xmax - xmin
    box = np.stack([ymin, xmin, ymin, xmax,ymax, xmax, ymax, xmin], axis=0)
    box = np.matmul(np.reshape(box, [4, 2])*scaler - center, rotation_matrix) + center
    box = box/scaler
    y ,x  = box[:,0],box[:,1]
    ymin, ymax = np.min(y), np.max(y)
    xmin, xmax = np.min(x), np.max(x)
    box = np.stack([ymin, xmin, ymax, xmax], axis=0)
    
    #旋转坐标
    landmarks = np.matmul(landmarks*scaler - center, rotation_matrix) + center
    landmarks = landmarks/scaler
    
    #旋转图像
    image = Image.fromarray(image)
    im_rotate = image.rotate(angle)
    im_rotate = np.array(im_rotate)
    return im_rotate, box, landmarks