参考链接： Python中的numpy.rot90
python旋转图片
背景
在图像处理中，有的时候会有对图片进行角度旋转的处理，尤其是在计算机视觉中对于图像扩充，旋转角度扩充图片是一种常见的处理。这种旋转图片的应用场景也比较多，比如用户上传图片是竖着的时候，不好进行处理，也需要对其进行旋转，以便后续算法处理。常见的旋转处理有两种方式，一种是转化为numpy矩阵后，对numpy矩阵进行处理，另外一种是使用opencv自带的函数进行各种变换处理，以实现旋转角度的结果。
原始图像：
opencv函数
旋转中常用的函数有以下几个函数
cv2.transpose: 对图像矩阵进行转置处理
img = cv2.imread(origin_img_path)
img_transpose = cv2.transpose(img)
cv2.imshow('transpose', img_transpose)
cv2.waitKey(0)
cv2.flip ： 对图像矩阵进行翻转处理，参数可以设置为1，0，-1，分别对应着水平翻转、垂直翻转、水平垂直翻转。
img = cv2.imread(origin_img_path)
img_flip = cv2.flip(img, 1)
cv2.imshow('flip', img_flip)
cv2.waitKey(0)
cv2.getRotationMatrix2D: 构建旋转矩阵M，后续旋转时候只需要与旋转矩阵进行乘积即可完成旋转操作
旋转矩阵M
img = cv2.imread(origin_img_path)
rows, cols = img.shape
# 这里的第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子
# 可以通过设置旋转中心，缩放因子以及窗口大小来防止旋转后超出边界的问题
M = cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)
cv2.warpAffine: 对图像进行仿射变换，一般进行平移或者旋转操作
img = cv2.imread(origin_img_path)
cv2.warpAffine(img, M,(lengh,lengh),borderValue=(255,255,255)) # M为上面的旋转矩阵
numpy函数
numpy实现旋转一般是使用numpy.rot90对图像进行90度倍数的旋转操作
官方介绍:
numpy.rot90(m, k=1, axes=(0, 1))[source]
Rotate an array by 90 degrees in the plane specified by axes. Rotation direction is from the first towards the second axis. k: Number of times the array is rotated by 90 degrees.
关键参数k表示旋转90度的倍数，k的取值一般为1、2、3，分别表示旋转90度、180度、270度；k也可以取负数，-1、-2、-3。k取正数表示逆时针旋转，取负数表示顺时针旋转。
旋转90度
逆时针
使用opencv函数的转置操作 翻转操作实现旋转使用numpy.rot90实现
def rotateAntiClockWise90(img_file): # 逆时针旋转90度
img = cv2.imread(img_file)
trans_img = cv2.transpose(img)
img90 = cv2.flip(trans_img, 0)
cv2.imshow("rotate", img90)
cv2.waitKey(0)
return img90
def totateAntiClockWise90ByNumpy(img_file): # np.rot90(img, -1) 逆时针旋转90度
img = cv2.imread(img_file)
img90 = np.rot90(img, -1)
cv2.imshow("rotate", img90)
cv2.waitKey(0)
return img90
顺时针
def rotateClockWise90(self, img_file):
img = cv2.imread(img_file)
trans_img = cv2.transpose( img )
img90 = cv2.flip(trans_img, 1)
cv2.imshow("rotate", img90)
cv2.waitKey(0)
return img90
def totateClockWise90ByNumpy(img_file): # np.rot90(img, 1) 顺时针旋转90度
img = cv2.imread(img_file)
img90 = np.rot90(img, 1)
cv2.imshow("rotate", img90)
cv2.waitKey(0)
return img90
旋转180度、270度
使用numpy.rot90实现旋转180度、270度
180度
img180 = np.rot90(img, 2)
cv2.imshow("rotate", img180)
cv2.waitKey(0)
270 度
img270 = np.rot90(img, 3)
cv2.imshow("rotate", img270)
cv2.waitKey(0)
旋转任意角度，以任意色值填充背景
import cv2
from math import *
import numpy as np
# 旋转angle角度，缺失背景白色（255, 255, 255）填充
def rotate_bound_white_bg(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)
# -angle位置参数为角度参数负值表示顺时针旋转; 1.0位置参数scale是调整尺寸比例（图像缩放参数），建议0.75
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
# borderValue 缺失背景填充色彩，此处为白色，可自定义
return cv2.warpAffine(image, M, (nW, nH),borderValue=(255,255,255))
# borderValue 缺省，默认是黑色（0, 0 , 0）
# return cv2.warpAffine(image, M, (nW, nH))
img = cv2.imread("dog.png")
imgRotation = rotate_bound_white_bg(img, 45)
cv2.imshow("img",img)
cv2.imshow("imgRotation",imgRotation)
cv2.waitKey(0)
45度 60度
参考
cv2.getRotationMatrix2D博客介绍cv2.warpAffine 博客介绍numpy.rot90旋转任意角度
