图像旋转

转自https://blog.csdn.net/shanghaiqianlun/article/details/52537485

1.  基本概念

         

 

1.1 基本公式
从图中我们可以得到如下关系：

r = (X – X0)/cos(α) = (Y0-Y)/sin(α)

Xn   = r*cos(θ + α) + X0                    

         =r*cos(θ)*cos(α) – r*sin(θ)*sin(α) + X0

         =((X – X0)/cos(α)) * cos(θ)*cos(α) – ((Y0-Y)/sin(α)) * sin(θ)*sin(α) + X0

         = (X – X0) * cos(θ) + (Y – Y0) * sin(θ)+ X0

Yn   = -r*sin(θ + α) + Y0

         =-r*sin(θ) * cos(α) – r*cos(θ)*sin(α) + Y0

         = -(X-X0)sin(θ) + (Y-Y0)*cos(θ) + Y0

整理得到公式1：

Xn  = (X – X0) * cos(θ) + (Y – Y0) * sin(θ) + X0

Yn  = -(X-X0)*sin(θ) + (Y-Y0)*cos(θ) + Y0

反过来可得公式2：

X = (Xn – X0) * cos(θ) - (Yn – Y0) * sin(θ) + X0

Y  = (Xn-X0) * sin(θ) + (Yn-Y0) * cos(θ) + Y0

由此得到旋转前后像素的坐标关系。可通过公式1来计算任意一个旋转前的像素在旋转后的图像中的坐标位置；利用公式2计算任意一个旋转后的像素在旋转前的图像中的坐标位置。

其中：θ，逆时针方向旋转角度

         (X0,Y0)旋转中心

         (X,Y)为像素在旋转前的坐标

         (Xn,Yn)为旋转后该像素的坐标

按照基本公式来旋转，计算量巨大。

 

1.2 基于刚体旋转而得到的快速算法
为了提高旋转的运算速度，基于旋转图像是刚体运动的特点，可简化运算量。

我们考察图3，试图用A’, QL’,QR’来表示Q’。显然两个红三角形是全等的。

因此有公式4：

         Xn = XR’ + (XL’ – XA’)

         Yn = YR’ + (YL’ – YA’)

公式4说明，利用某一行和某一列的旋转坐标就可以计算所有像素的旋转后坐标，一般我们选AB图像的第一行，AC为图像的第一列。

例如，如果一个图像的大小是1080p（水平1920，垂直1080），图像的左上角为坐标原点，逆时针旋转θ角。

我们可以用公式四和公式一计算原始图像坐标（X,Y）的像素旋转后的新坐标（Xn,Yn）。

1)    按照公式一计算出：

       a)   原始图像第一行X, (0…1919), Y=0,对应的旋转后坐标XR’(即：Xn): H(X,0)= { H(0,0)…H(1919,0) }；YR’(即：Yn): V(X,0)= { V(0,0)…V(1919,0) }。

       b)   原始图像第一列X= 0，Y:（0…1079）对应的旋转后坐标XL’(即：Xn) : H(0,Y) = { H(0,0)…H(0,1079) }；YL’(即：Yn): V(0,Y) = { V(0,0)…V(0,1079) }。

       c)    XA’ = H(0,0)，YA’ = V(0,0)。

2)   按照公式4，原始图像的任意一点（X，Y），旋转后的坐标为:

       a)   Xn = H(X,0) + ( H(0,Y) – H(0,0))

       b)   Yn = V(X,0) + ( V(0,Y) – V(0,0))

我们可以用公式四和公式二计算旋转后图像任意一个像素（Xn,Yn）在原始图像中的坐标（X,Y）。

3)   按照公式二计算出：

      a)   旋转后图像第一行Xn, (0…1919), Yn=0,对应的在原始图像中的坐标XR’(即：X): H(Xn,0) = { H(0,0)…H(1919,0) }；YR’(即：Y): V(Xn,0)= { V(0,0)…V(1919,0) }。

      b)   旋转后图像第一列Xn= 0，Yn:（0…1079）对应在原始图像中的坐标XL’(即：X) : H(0,Yn) = { H(0,0)…H(0,1079) }；YL’(即：Y): V(0,Yn)= { V(0,0)…V(0,1079) }。

      c)   XA’ = H(0,0)，YA’ = V(0,0)。

4)   按照公式4，旋转后图像任意一点（Xn，Yn），在原始图像中的坐标为:

     a)   X = H(Xn,0) + ( H(0,Yn) – H(0,0))

     b)   Y = V(Xn,0) + ( V(0,Yn) –V(0,0) )

显然，我们只需计算第一行和第一列的对应关系就可以。通过简单的计算来获得任意像素的对应关系。从而提高的运算效率。

 

1.3    三步法
如果旋转中心为坐标原点，及X0=Y0=0，则公式二简化为：

Xn = X * cos(θ) - Y *sin(θ)

Yn= X * sin(θ) + Y*cos(θ)

写成矩阵形式，即公式五：

                                         

注意一个三角函数公式:   tan(θ)= (1 - cos(θ))/sin(θ) = sin(θ)/(1+cos(θ))。将这个代入上式即可验证这个关系。

由公式五，我们可以把一次旋转看作通过三次错切变换来完成。也即三步法。

                     

                         

                                        fig4: rotating 90deg, 30deg

 

1.4 一些特殊角度的旋转

                     

 

2.  关于算法的实现问题

                          

                                                                       图4

2.1 近邻法与双线性插值法
将一个图像顺时针旋转一个角度，如图4所示。红色为显示屏幕点阵。黑色为原始图像经过顺时针旋转一个角度的图像。其对应关系由公式1和2给出。

显然公式1和2的计算结果是分数坐标，这在图4中也可以看出，如旋转后的像素（红1），在原始图像中不是一个整数坐标，而是一个分数坐标，那么（红1）像素值如何得到呢？

近邻法：取距离最近的原始图像中的像素值，及黑1像素值。

双线性法：由相邻的4个像素（黑0，1，5，6）插值而来。计算方法如图5：

                           

                                                                           图5

 

第一步在x方向上插值，得f(x,0)和f(x,1):

         f(x,0) = (1-x)*f(0,0) + x*f(1,0)

         f(x,1) = (1-x)*f(0,1) + x*f(1,1)

第二步在y方向上插值，得到结果f(x,y):

         f(x,y) = (1-y)*f(x,0) + y*f(x,1)