python旋转矩阵90°_NumPy矩阵的旋转

13. NumPy矩阵的旋转

在用Python的数字图像处理、CNN或者深度学习里，对图像的处理：形变(缩放)处理常将图像数据读取到NumPy的array数据里，然后对图像数据进行形变处理。NumPy提供了很多的对array数组的操作：tile、rot90等。本章除了了解rot90的基本使用外，自己也想写点程序实现旋转的功能。

13.1 rot90函数实现矩阵旋转

从NumPy的官方完整查到rot90函数语法格式如下：

rot90(m, k=1, axes=(0, 1)

m是要旋转的数组(矩阵)，k是旋转的次数，默认旋转1次，那是顺时针还是逆时针呢？正数表示逆时针，而k为负数时则是对数组进行顺时针方向的旋转。

import numpy as np

mat = np.array([[1,3,5],

[2,4,6],

[7,8,9]

])

print mat, "# orignal"

mat90 = np.rot90(mat, 1)

print mat90, "# rorate 90 anti-clockwise"

mat90 = np.rot90(mat, -1)

print mat90, "# rorate 90 clockwise"

mat180 = np.rot90(mat, 2)

print mat180, "# rorate 180 anti-clockwise"

mat270 = np.rot90(mat, 3)

print mat270, "# rorate 270 anti-clockwise"

执行结果：

[[1 3 5]

[2 4 6]

[7 8 9]] # orignal

[[5 6 9]

[3 4 8]

[1 2 7]] # rorate 90 anti-clockwise

[[7 2 1]

[8 4 3]

[9 6 5]] # rorate 90 clockwise

[[9 8 7]

[6 4 2]

[5 3 1]] # rorate 180 anti-clockwise

[[7 2 1]

[8 4 3]

[9 6 5]] # rorate 270 anti-clockwise

可见逆时针旋转$270^{\ \circ}$等价于顺时针旋转$90^{\ \circ}$。

13.2 Python实现方阵的旋转

下面自己编写旋转功能。根据矩阵理论，

$\bigotimes\ $对方阵$A_{n \times n}$左乘一个负对角线上均是1、其余都是0的方阵(记作：$E^{-1}$)实现方阵$A_{n \times n}$的行的互换。

$\bigotimes\ $对方阵$A_{n \times n}$右乘一个负对角线上均是1、其余都是0的方阵而实现对方阵$A_{n \times n}$的列的互换。

$\bigotimes\ $对方阵$A_{n \times n}$的转置$A_{n\times n}^{T}$左乘一个负对角线上均是1、其余都是0的方阵$A_{n \times n}$实现向左(逆时针)90$^{\ \circ}$旋转。

$\bigotimes\ $对方阵$A_{n \times n}$的转置$A_{n\times n}^{T}$右乘一个负对角线上均是1、其余都是0的方阵$A_{n \times n}$实现向右(顺时针)90$^{\ \circ}$旋转。

$\bigotimes\ $对方阵$A_{n \times n}$左右各乘一个负对角线上均是1、其余都是0的方阵而实现对方阵$A_{n \times n}$的180$^{\ \circ}$旋转。

显然要想自己实现对方阵的旋转&