用python进行OpenCV进行图像旋转

1 旋转

1.1 旋转基本操作

旋转的概念正如我们平常听见的一样：将图片选装x度。我们先通过多少度来旋转图片，然后我们将写一个旋转函数。

import numpy as np #1
import argparse #2
import imutils #3
import cv2 #4

ap = argparse.ArgumentParser() #5
ap.add_argument("-i", "--image", required = True,
    help = "Path to the image") #6
args = vars(ap.parse_args()) #7

image = cv2.imread(args["image"]) #8
cv2.imshow("Original", image) #9

(h, w) = image.shape[:2] #10
center = (w // 2, h // 2) #11

M = cv2.getRotationMatrix2D(center, 45, 1.0) #12
rotated = cv2.warpAffine(image, M, (w, h)) #13
cv2.imshow("Rotated by 45 Degrees", rotated) #14

M = cv2.getRotationMatrix2D(center, -90, 1.0) #15
rotated = cv2.warpAffine(image, M, (w, h)) #16
cv2.imshow("Rotated by -90 Degrees", rotated) #17

rotated = imutils.rotate(image, 180) #18
cv2.imshow("Rotated by 180 Degrees", rotated) #19
cv2.waitKey(0) #20

•  

 

#10-11： 
在第10行中我们得到了图像的宽和高，然后我们通过”//”将它们除以2取整来得到旋转的中心。当然我们也可以不以中心为旋转中心，这里为了方便。

#12： 
正如我们定义一个矩阵来移动图像一样，我们还需要定义一个矩阵来旋转图像，然而不同的是我们不是通过NumPy来构造矩阵的，而是通过：

cv2.getRotationMatrix2D()

• 1

第一个参数：表示向以哪一点进行旋转？这里就是图像的中心 
第二个参数：表示我们希望旋转的角度。这里为正45度，表示逆时针旋转45度 
第三个参数：表示图像旋转后的大小，这里设为1表示大小与原图大小一致

#13-14： 
通过cv2.warpAffine()方法，我们便可进行旋转图像的操作，第一个参数为原图，第二个参数为旋转矩阵，第三个参数为图像（宽，高）的元组，然后将旋转后的图像显示出来

#15-17： 
采用同样的方法将图像逆时针旋转90度，然后展示出来

#18-20： 
在第18行我们使用了：imutils这个自己写的库，然后调用了rotate()方法。第一个参数是需要操作的图像，第二个参数是要旋转的度数。

1.2 自写的函数库

在imutils.py中我们自定义rotate函数

def rotate(image, angle, center=None, scale=1.0): #1
    (h, w) = image.shape[:2] #2
    if center is None: #3
        center = (w // 2, h // 2) #4

    M = cv2.getRotationMatrix2D(center, angle, scale) #5

    rotated = cv2.warpAffine(image, M, (w, h)) #6
    return rotated #7

•  

#1-4: 
我们的旋转方法又四个参数，第一个是图像，第二个是我们所希望旋转的角度，我们还提供了两个可选择的变量：中心点和规模。中心点是我们希望我们的图像围绕哪一点旋转？如果，没有给它赋值，我们会默认将图像的中心点赋值给它。规模大小我们默认为1.0，表示没有任何大小的变化。

#5-7： 
通过构造我们的旋转矩阵，然后我们将旋转后的结果返回。

2 效果展示

效果不好 更新了一个新的代码 整个图片旋转 不会固定原大小

 

 

import cv2
import numpy as np


def rotate_bound(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)
    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
    return cv2.warpAffine(image, M, (nW, nH))

image=cv2.imread('./img/fin.png')
angle=90
imag=rotate_bound(image,angle)
cv2.imshow('ww',imag)
cv2.waitKey()