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 argpar #2
import imutils #3
import cv2 #4
ap = argpar.ArgumentParr() #5
ap.add_argument("-i", "--image", required = True,
help = "Path to the image") #6
args = vars(ap.par_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
how to dealM = RotationMatrix2D(center, 45, 1.0) #12
rotated = cv2.warpAffine(image, M, (w, h)) #13
cv2.imshow("Rotated by 45 Degrees", rotated) #14
M = RotationMatrix2D(center, -90, 1.0) #15
rotated = cv2.warpAffine(image, M, (w, h)) #16
cv2.imshow("Rotated by -90 Degrees", rotated) #17
citationrotated = ate(image, 180) #18
ubiquitous
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：
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度自主招生网上报名
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，然后展⽰出来艾美奖2012
#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21st century
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
如何练习英语听力M = RotationMatrix2D(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
maroon
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 clockwi), then grab the sine and cosine # (i.e., the rotation components of the matrix)
M = RotationMatrix2D((cX, cY), -angle, 1.0)
cos = np.abs(M[0, 0])
park是什么意思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
永不变心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()
