在不改變圖像尺寸的狀況下對圖像旋轉,Python中一般使用PIL庫中的transpose或OpenCV中的getRotationMatrix2D與warpAffine方法。實現代碼以下所示:
方法一:
使用PIL庫中的transpose實現(Image內置3種旋轉角度:90、180、270)web
import os from PIL import Image img = Image.open('img/1.jpg') img = img.transpose(Image.ROTATE_90) # 將圖片旋轉90度 #img = img.transpose(Image.ROTATE_180) # 將圖片旋轉180度 #img = img.transpose(Image.ROTATE_270) # 將圖片旋轉270度 img.show("img/rotateImg.png") #img.save("img/rotateImg.png")
方法二:
使用OpenCV中的getRotationMatrix2D與warpAffine方法svg
# -*- coding:utf-8 -*- from math import * import cv2 import numpy as np def rotate_bound1(image, angle): ''' . 旋轉圖片 . @param image opencv讀取後的圖像 . @param angle (逆)旋轉角度 ''' # img = cv2.imread("img/1.jpg") (h, w) = image.shape[:2] # 返回(高,寬,色彩通道數),此處取前兩個值返回 # 抓取旋轉矩陣(應用角度的負值順時針旋轉)。參數1爲旋轉中心點;參數2爲旋轉角度,正的值表示逆時針旋轉;參數3爲各向同性的比例因子 M = cv2.getRotationMatrix2D((w / 2, h / 2), -angle, 1.0) # 計算圖像的新邊界維數 newW = int((h * np.abs(M[0, 1])) + (w * np.abs(M[0, 0]))) newH = int((h * np.abs(M[0, 0])) + (w * np.abs(M[0, 1]))) # 調整旋轉矩陣以考慮平移 M[0, 2] += (newW - w) / 2 M[1, 2] += (newH - h) / 2 # 執行實際的旋轉並返回圖像 return cv2.warpAffine(image, M, (newW, newH)) # borderValue 缺省,默認是黑色 def rotate_bound2(image, angle): #https://www.jb51.net/article/144471.htm ''' . 旋轉圖片 . @param image opencv讀取後的圖像 . @param angle (逆)旋轉角度 ''' h, w = image.shape[:2] # 返回(高,寬,色彩通道數),此處取前兩個值返回 newW = int(h * fabs(sin(radians(angle))) + w * fabs(cos(radians(angle)))) newH = int(w * fabs(sin(radians(angle))) + h * fabs(cos(radians(angle)))) M = cv2.getRotationMatrix2D((w / 2, h / 2), angle, 1) M[0, 2] += (newW - w) / 2 M[1, 2] += (newH - h) / 2 return cv2.warpAffine(image, M, (newW, newH), borderValue=(255, 255, 255)) image = cv2.imread('./img/1.jpg') img = rotate_bound1(image, 90) img2 = rotate_bound2(image, 90) cv2.imshow('ww1', img) cv2.imshow('ww2', img2) cv2.waitKey()
上述兩個方法中的newW和newH的計算結果相同;
rotate_bound1方法中的angle前面加了負號表示順時針旋轉,不加負號則爲逆時針。
圖片旋轉前:
圖片旋轉後:
.net