|
图像旋转 
旋转前 
旋转后 
矩阵表示 
def rotate(img, angle):
H, W, C = img.shape
anglePi = angle * math.pi / 180.0
cosA = math.cos(anglePi)
sinA = math.sin(anglePi)
out = np.zeros((H, W, C), dtype=np.uint8) # 必须是8 不然显示不出图像
for y in range(H):
for x in range(W):
x0 = int(x * cosA + y * sinA)
y0 = int(y * cosA - x * sinA)
if 0 < x0 < W and 0 < y0 < H: # 计算结果是这一范围内的x0，y0才是原始图像的坐标。
out[y0, x0] = img[y, x]
return out
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”。 以图像的中心进行旋转
在矩阵中的坐标系通常是AB和AC方向的，而数学坐标系坐标系是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 
最后结果 1.首先将图像坐标系转换为数学坐标系。 2.使用旋转公式对坐标进行旋转。 3.将旋转后的数学坐标系转换为图像坐标系。 
def rotate(img, angle):
H, W, C = img.shape
anglePi = angle * math.pi / 180.0
cosA = math.cos(anglePi)
sinA = math.sin(anglePi)
out = np.zeros((H, W, C), dtype=np.uint8) # 必须是8 不然显示不出图像
for y in range(H):
for x in range(W):
x0 = int(cosA * x - sinA * y - 0.5 * W * cosA + 0.5 * H * sinA + 0.5 * W)
y0 = int(sinA * x + cosA * y - 0.5 * W * sinA - 0.5 * H * cosA + 0.5 * H)
if 0 < x0 < W and 0 < y0 < H: # 计算结果是这一范围内的x0，y0才是原始图像的坐标。
out[y0, x0] = img[y, x]
return out
完整显示图片图片旋转后图片可能变大 
N’和M’对应于新图的宽和高 
新图像的宽和高计算公式 
def rotate(img, angle):
H, W, C = img.shape
anglePi = angle * math.pi / 180.0
cosA = math.cos(anglePi)
sinA = math.sin(anglePi)
# 三角函数计算出来的结果会有小数，所以做了向上取整的操作。
# size = (W + 1, H + 1)
new_height = math.ceil(H * cosA + W * sinA)
new_width = math.ceil(W * cosA + H * sinA)
out = np.zeros((new_height+1, new_width+1, C), dtype=np.uint8) # 必须是8 不然显示不出图像
for y in range(H):
for x in range(W):
x0 = int(cosA * x - sinA * y - 0.5 * W * cosA + 0.5 * H * sinA + 0.5 * new_width)
y0 = int(sinA * x + cosA * y - 0.5 * W * sinA - 0.5 * H * cosA + 0.5 * new_height)
# if 0 < x0 |