python 简单图像处理（4） 旋转

旋转有一个绕什么转的问题。

我们先来看最简单的，绕第一个像素转，则旋转的情况会像这样：

令旋转前有

旋转a角度后有

以矩阵形式表示为

编写程序：

 

import cv
import math

def SRotate(image,angle):
size = (image.width,image.height)
iSRotate = cv.CreateImage(size,image.depth,image.nChannels)
for i in range(image.height):
for j in range(image.width):
anglePi = angle * math.pi / 180.0
x = int(math.cos(anglePi) * i + math.sin(anglePi) * j)
y = int( - math.sin(anglePi) * i + math.cos(anglePi) * j)
if x >- 1 and x < image.height and y >- 1 and y < image.width:
iSRotate[x,y] = image[i,j]
return iSRotate

image = cv.LoadImage( ' lena.jpg ' , 1 )
iSRotate = SRotate(image, 12 )
cv.ShowImage( ' image ' ,image)
cv.ShowImage( ' iSRotate ' ,iSRotate)
cv.WaitKey(0)

 

 

当图片较大时，计算会很慢。主要是判断和计算太多了

这里只讨论图像处理，程序的优化暂时放一边

运行结果如下：

 

我们能看到，旋转后的图像有很多“蜂窝煤”。主要是点转换后要取整。导致原图中有些点映射到同一个点，而生成的图中有些点在原图中没有点映射到它。所以出现了很多“蜂窝煤”。果然理论还只是理论啊

 

下面我们来看看更通常一点的做法：以图像的中心为圆心进行旋转。

这里涉及到一个坐标系的转换问题。看下图：

在矩阵中我们的坐标系通常是AB和AC方向的，而传统的笛卡尔直角坐标系是DE和DF方向的。

令图像表示为M×N的矩阵，对于点A而言，两坐标系中的坐标分别是(0，0)和(-N/2,M/2)

矩阵中点(x',y')转换为笛卡尔坐标系(x,y)的转换关系为：

逆变换为

于是我们得到图像以中心旋转的思路

1. 将矩阵坐标上点（原谅我这样称呼它）转换为笛卡尔坐标系
2. 将该点旋转a度。旋转公式前面已经给出了
3. 将旋转后的点再转换为矩阵坐标

于是得到最后结果

python中numpy有矩阵运算能力，但这里我们直接进行数值计算就可以了。用方程表示如下：

 

我们编写程序为：

import cv
import math

def XRotate(image,angle):
size = (image.width,image.height)
iXRotate = cv.CreateImage(size,image.depth,image.nChannels)
h = image.height
w = image.width
anglePi = angle * math.pi / 180.0
cosA = math.cos(anglePi)
sinA = math.sin(anglePi)
for i in range(h):
for j in range(w):
x = int(cosA * i - sinA * j - 0.5 * w * cosA + 0.5 * h * sinA + 0.5 * w)
y = int(sinA * i + cosA * j - 0.5 * w * sinA - 0.5 * h * cosA + 0.5 * h)
if x >- 1 and x < image.height and y >- 1 and y < image.width:
iXRotate[x,y] = image[i,j]
return iXRotate

image = cv.LoadImage( ' lena.jpg ' , 1 )
iXRotate12 = XRotate(image, 12 )
iXRotate112 = XRotate(image, 112 )
cv.ShowImage( ' image ' ,image)
cv.ShowImage( ' iXRotate12 ' ,iXRotate12)
cv.ShowImage( ' iXRotate112 ' ,iXRotate112)
cv.WaitKey(0)

 

好吧，看看运行效果：

 

恩，果不其然，还是有“蜂窝煤”

 

等等，怎么图片显示不完全呀。

恩，图片旋转后其实真个图片应该变大，而我们还是按原大小考虑的

那我们要是要查看完整图片呢。

我们先得算出变换后图片的大小

还是看看下图：

好吧。其实很简单。原图是里面灰色部分。旋转后，新图片有效部分（红色部分）的顶点落在新图片四条边上

取旋转后四点坐标中绝对值最大的x、y即可，事实上我们只需要计算两个点就可以了。

相应的，我们的计算公式也要做一些改动

N'和M'对应于新图的宽和长

编写程序：

import cv
import math

def LRotate(image,angle):
h = image.height
w = image.width
anglePi = angle * math.pi / 180.0
cosA = math.cos(anglePi)
sinA = math.sin(anglePi)
X1 = math.ceil(abs( 0.5 * h * cosA + 0.5 * w * sinA))
X2 = math.ceil(abs( 0.5 * h * cosA - 0.5 * w * sinA))
Y1 = math.ceil(abs( - 0.5 * h * sinA + 0.5 * w * cosA))
Y2 = math.ceil(abs( - 0.5 * h * sinA - 0.5 * w * cosA))
H = int( 2 * max(Y1,Y2))
W = int( 2 * max(X1,X2))
size = (W + 1 ,H + 1 )
iLRotate = cv.CreateImage(size,image.depth,image.nChannels)

for i in range(h):
for j in range(w):
x = int(cosA * i - sinA * j - 0.5 * w * cosA + 0.5 * h * sinA + 0.5 * W)
y = int(sinA * i + cosA * j - 0.5 * w * sinA - 0.5 * h * cosA + 0.5 * H)
# if x>-1 and x<image.height and y>-1 and y<image.width:
iLRotate[x,y] = image[i,j]
return iLRotate

image = cv.LoadImage( ' lena.jpg ' , 1 )
iLRotate30 = LRotate(image, 30 )
iLRotate90 = LRotate(image, 90 )
cv.ShowImage( ' image ' ,image)
cv.ShowImage( ' iLRotate30 ' ,iLRotate30)
cv.ShowImage( ' iLRotate90 ' ,iLRotate90)
cv.WaitKey(0)

事实上Python的计算准确度很低，我不得不用size(W+1,H+1)把长宽的像素都加了1，不然，某些情况下会越界

运行结果如下：

 

好吧，我都不想再吐槽“蜂窝煤”的事了

但旋转90度后为什么后有一条黑线

是计算导致的？还是我的程序的问题？

算了，不想多想了。

图像旋转，完结

转载于:https://www.cnblogs.com/xianglan/archive/2010/12/26/1917247.html