opencv平移、旋转图片以及变换后图片像素对应关系

        图像的平移，旋转变换以及仿射与投影都需要先定义转换矩阵，然后使用cv2.warpAffine()根据变换矩阵完成转换。

imgRotation = cv2.warpAffine(img, mat,(widthNew,heightNew),borderValue=(255,255,255))

其中，参数的定义如下表：

img	需要变换的图像
mat	转换矩阵
(widthNew,heightNew)	转换后图像尺寸
borderValue=(255,255,255)	转换后空白区域填充色

 返回值imgRotation 就是转换后的图像。

        注：转换矩阵mat可以自己定义也可以直接使用opencv内置的函数得到想要的转换矩阵。一般直接使用opencv的内置函数比较方便。

一、图像平移变换

        平移变换就是像素坐标x,y的加减运算，假设有两个点坐标pt1=(x1,y1),pt2=(x2,y2)。平移转换矩阵可以定义为TranslationMatrix =[[1, 0, 100],[0, 1, 50]]。

        左乘转换矩阵可以得到平移变换后的坐标值，矩阵运算的过程如下，其他旋转转换矩阵运算类似。
 

二、图像旋转变换

        图像旋转变换需要先确定旋转中心，旋转角度。如果使用图像某一角作为旋转中心会出现某点落在同一位子，某些位子是空白的问题。为避免这个问题，通常使用图像的中心作为旋转中心。

        旋转矩阵可由cv2.getRotationMatrix2D()得到，主要degree是角度值，不是弧度值。

cv2.getRotationMatrix2D((width//2, height//2), degree, 1)

        下面给出给定图像和旋转角度求旋转后图像的例子：

def dumpRotateImage(img,degree):
 
    height, width = img.shape[:2]
    heightNew = int(width * fabs(sin(radians(degree))) + height * fabs(cos(radians(degree))))
    widthNew = int(height * fabs(sin(radians(degree))) + width * fabs(cos(radians(degree))))
    matRotation = cv2.getRotationMatrix2D((width//2, height//2), degree, 1)
    imgRotation = cv2.warpAffine(img, matRotation,(widthNew,heightNew),borderValue=(255,255,255))
 
    return imgRotation

其中，heightNew和widthNew是旋转后图像的新尺寸。matRotation是以图像为中心，角度为degree的旋转矩阵。然后使用cv2.warpAffine()以该旋转矩阵旋转图像，这里需要注意必须使用原图像为旋转中心，旋转后的图像是，可以看到有部分图像像素点落在了图像区域外。这是由于新图像以原图像的为中心旋转会导致部分像素点旋转后落在图像外。为避免这个问题可以在该旋转矩阵中加入平移操作，使得原图旋转后完全落在图像图像中。

代码：

def dumpRotateImage(img,degree):
 
    height, width = img.shape[:2]
    heightNew = int(width * fabs(sin(radians(degree))) + height * fabs(cos(radians(degree))))
    widthNew = int(height * fabs(sin(radians(degree))) + width * fabs(cos(radians(degree))))
    matRotation = cv2.getRotationMatrix2D((width//2, height//2), degree, 1)
 
　　#加入平移操作
    matRotation[0,2] += (widthNew - width)//2
    matRotation[1,2] += (heightNew - height)//2
 
    imgRotation = cv2.warpAffine(img, matRotation,(widthNew,heightNew),borderValue=(255,255,255))
 
    return imgRotation

三、图像旋转前后的坐标映射关系

（１）原图像某点坐标P -> 旋转后图像坐标Q

        假设某点坐标为P(x,y)，旋转矩阵为matRotation，旋转后图像坐Q可直接有P左乘matRotation得到。

Q = np.dot(MatRotation,np.array([[P[0]],[P[1]],[1]]))

（２）旋转后图像坐标Q -> 原图像某点坐标P

        可以使用cv2.invertAffineTransform得到变换矩阵的逆矩阵reverseMatRotation。假设旋转后图像某点坐标值为Q(x,y)，旋转矩阵逆矩阵为reverseMatRotation，在原图像中的坐标可有Q左乘reverseMatRotation得到。如下：

reverseMatRotation = cv2.invertAffineTransform(matRotation)
P = np.dot(reverseMatRotation,np.array([[Q[0]],[Q[1]],[1]]))

四、完整例子

代码：

import cv2
from math import *
import numpy as np
 
def dumpRotateImage(img,degree):
 
    height, width = img.shape[:2]
    heightNew = int(width * fabs(sin(radians(degree))) + height * fabs(cos(radians(degree))))
    widthNew = int(height * fabs(sin(radians(degree))) + width * fabs(cos(radians(degree))))
    matRotation = cv2.getRotationMatrix2D((width//2, height//2), degree, 1)
    #matRotation[0,2] += (widthNew - width)//2
    #matRotation[1,2] += (heightNew - height)//2
    imgRotation = cv2.warpAffine(img, matRotation,(widthNew,heightNew),borderValue=(255,255,255))
 
    matRotation2 = cv2.getRotationMatrix2D((widthNew//2, heightNew//2), degree, 1)
    imgRotation2 = cv2.warpAffine(img, matRotation2, (widthNew, heightNew), borderValue=(255, 255, 255))
    return imgRotation,imgRotation2, matRotation
 
 
def draw_box(img,box):
    cv2.line(img, (box[0], box[1]), (box[2], box[3]), (0, 255, 0), 3)
    cv2.line(img, (box[0], box[1]), (box[4], box[5]), (0, 255, 0), 3)
    cv2.line(img, (box[2], box[3]), (box[6], box[7]), (0, 255, 0), 3)
    cv2.line(img, (box[4], box[5]), (box[6], box[7]), (0, 255, 0), 3)
    return img
 
image = cv2.imread('/home/fangsh/Pictures/timg.jpeg')
imgRotation, imgRotation2, matRotation = dumpRotateImage(image, 45)
box = [200,250,250,200,230,280,280,230]
 
reverseMatRotation = cv2.invertAffineTransform(matRotation)
pt1 = np.dot(reverseMatRotation,np.array([[box[0]],[box[1]],[1]]))
pt2 = np.dot(reverseMatRotation,np.array([[box[2]],[box[3]],[1]]))
pt3 = np.dot(reverseMatRotation,np.array([[box[4]],[box[5]],[1]]))
pt4 = np.dot(reverseMatRotation,np.array([[box[6]],[box[7]],[1]]))
 
print(pt1, pt2, pt3, pt4)
box2 = [pt1[0],pt1[1],pt2[0],pt2[1],pt3[0],pt3[1],pt4[0],pt4[1]]
 
cv2.imwrite('/home/fangsh/drawBox.png',draw_box(imgRotation,box))
cv2.imwrite('/home/fangsh/raw.png',draw_box(image,box2))
#cv2.waitKey(0)