学习OpenCV3——图像旋转算法实现

图像旋转是非常常见的图像变换，通常应用于图像矫正，在OpenCV可以使用密集仿射变换函数cv::warpAffine()实现图像旋转。为了理解图像旋转的原理，本文实现了一个图像旋转算法。

图像旋转是指将图像绕某个中心点旋转一定角度后，得到一幅新的图像。图像旋转的示意图如图1所示。其中，四边形ABCD表示需要旋转的图像区域，它经过旋转角度后得到的图像区域为四边形 A'B'C'D'。点p(x,y)为图像内任意一点，它经过旋转角度后对应的点为p'(x',y')。

图1 图像旋转示意图

图像是如何进行旋转的？通常这个过程有三个步骤。

第一步，把图像内的坐标点绕旋转中心点旋转到对应的坐标上。由于图像是通过二维数组进行保存的，所以图像的坐标点一定要落在坐标系的第一象限内，并且要保证它们是整数坐标点。通常情况下，进行旋转后得到的坐标点不是整数点也不一定在第一象限内，因此需要对旋转后得到的点进行平移和取整，使得它们都是落在第一象限内的整数点。

图像内任意一点p(x,y)绕某个旋转点(X,Y)逆时针旋转角度后得到点p'(x',y')的计算公式如下：

点旋转的C++实现代码如下。（OpenCV3.45+VS2019）

//将点point2绕点point1逆时针旋转angle度后得到新的点newPoint
void rotatePoint(cv::Point& point1, cv::Point& point2, cv::Point& newPoint, double angle)
{int dx, dy;double dx1, dy1;dy1 = -((double)point2.x - point1.x) * sin(angle) + ((double)point2.y - point1.y) * cos(angle);dx1 = ((double)point2.x - point1.x) * cos(angle) + ((double)point2.y - point1.y) * sin(angle);if (dx1 - (int)dx1 > 0.5)    //做一个四舍五入取整dx = (int)dx1 + 1;else{if (dx1 - (int)dx1 < -0.5)dx = (int)dx1 - 1;elsedx = (int)(dx1);}if (dy1 - (int)dy1 > 0.5)   //做一个四舍五入取整dy = (int)dy1 + 1;else{if (dy1 - (int)dy1 < -0.5)dy = (int)dy1 - 1;elsedy = (int)(dy1);}newPoint.x = point1.x + dx;newPoint.y = point1.y + dy;
}

用来平移坐标点的代码如下。

void translationPoint(cv::Point& point, int x, int y) //平移运算
{point.x = point.x + x;point.y = point.y + y;
}

注：平移量x与y的大小，可以根据旋转后图像的四个顶点A'、B'、C'、D'获得。

第二步，把图像对应的坐标像素大小赋给旋转后的坐标。即，图像内任意点p(x,y)对应的像素值为I(x,y)，那它旋转后得到的点p'(x',y')的像素值I(x',y')=I(x,y)。

如下图2所示。当我们需要旋转的图像区域在图片内时（这区域也可以是整张图片），如何确定旋转区域ABCD是很重要的，只有这样才能判断整张图片内的哪些点是四边形ABCD区域内的。

图2 图片中要旋转的区域

我们以图片的左上顶点为原点建立如图2所示的坐标系，其中四边形ABCD的四个顶点是已知的，分别为A(x0,y0)、B(x1,y1)、C(x2,y2)、D(x3,y3)。这时根据两点式可得到四条边的直线方程如下：

根据线性规划的知识，可以通过直线方程来表示四边形ABCD的区域。

注：因为四边形ABCD内的任意点p在直线AB上方，所以直线AB方程大于等于0；点p在直线BC左侧，所以直线BC方程小于等于0。同理可得，直线CD方程小于等于0、直线AD方程大于等于0。

实现代码块如下：

std::vector<cv::Point> newPoints;cv::Point newP;for (int i = 0; i < 4; ++i){if (points[i] != point)  //判断输入的4个顶点是否与旋转点point相同{rotatePoint(point, points[i], newP, angle);  //顶点points[i]与旋转点point不同，则进行旋转计算newPoints.push_back(newP);}else{newPoints.push_back(points[i]);}}//获取经旋转后，新图像的大小，其中w表示图像宽长，h表示图像高长。int w = 0, h = 0;int suw[4] = { newPoints[1].x - newPoints[0].x,newPoints[1].x - newPoints[3].x,newPoints[2].x - newPoints[0].x,newPoints[2].x - newPoints[3].x };int suh[4] = { newPoints[2].y - newPoints[0].y ,newPoints[2].y - newPoints[1].y,newPoints[3].y - newPoints[0].y,newPoints[3].y - newPoints[1].y };w = absMax4(suw);h = absMax4(suh);//获取需要旋转的四边形区域的外接矩形表示区域范围（x_min,y_min)、(x_max,y_max)int y_max, y_min, x_max, x_min;int points_x[4] = { points[0].x,points[1].x,points[2].x,points[3].x };int points_y[4] = { points[0].y,points[1].y,points[2].y,points[3].y };y_max = Max4(points_y);y_min = Min4(points_y);x_max = Max4(points_x);x_min = Min4(points_x);//计算向x轴的平移量dx,向y轴的平移量dyint dx, dy;int a[4] = { newPoints[0].x,newPoints[1].x,newPoints[2].x,newPoints[3].x };int b[4] = { newPoints[0].y,newPoints[1].y,newPoints[2].y,newPoints[3].y };dx = Min4(a);dy = Min4(b);//初始化输出矩阵if(inputMat.type() == CV_8UC1)cv::Mat(h, w, CV_8UC1, cv::Scalar::all(255)).copyTo(outputMat);if(inputMat.type() == CV_8UC3)cv::Mat(h, w, CV_8UC3, cv::Scalar(255, 255, 255)).copyTo(outputMat);//实现I(x',y')=I(x,y)double z1, z2, z3, z4;for (int i = y_min; i < y_max; ++i){for (int j = x_min; j < x_max; ++j){//四边形顶点A为points[0],顶点B为points[1],顶点C为points[2],顶点D为points[3].z1 = i - (double)points[0].y -(j - (double)points[0].x) * ((double)points[0].y - points[1].y) / ((double)points[0].x - points[1].x);z2 = j - (double)points[1].x -(i - (double)points[1].y) * ((double)points[1].x - points[2].x) / ((double)points[1].y - points[2].y);z3 = i - (double)points[2].y -(j - (double)points[2].x) * ((double)points[2].y - points[3].y) / ((double)points[2].x - points[3].x);z4 = j - (double)points[0].x -(i - (double)points[0].y) * ((double)points[0].x - points[3].x) / ((double)points[0].y - points[3].y);if (z1 >= 0 && z2 <= 0 && z3 <= 0 && z4 >= 0){cv::Point point0(j, i);rotatePoint(point, point0, point0, angle);  //将点point0绕点point旋转angle度得到新的点point0translationPoint(point0, -dx, -dy);     //平移if (point0.x >= 0 && point0.x < w && point0.y >= 0 && point0.y < h){if (inputMat.type() == CV_8UC1){uchar* str = inputMat.ptr<uchar>(i);outputMat.at<uchar>(point0.y, point0.x) = str[j];}if (inputMat.type() == CV_8UC3){cv::Vec3b* str = inputMat.ptr<cv::Vec3b>(i);outputMat.at<cv::Vec3b>(point0.y, point0.x) = str[j];}}}}}

第三步，对旋转后的图像进行插值。由于在第一步中对旋转后的点进行了取整，这难免会使得新图像存在间隙，所以需要对这些间隙进行填充。在OpenCV中常用的插值方法有以下5种：

图3 常见的插值方法

在本文中采用的插值方法与最近邻插值类似，即把最近四个方向（上下左右）的平均值作为插值。

//灰度图(CV_8UC1)的插值代码
for (int i = 1; i < outputMat.rows - 1; ++i){for (int j = 1; j < outputMat.cols - 1; ++j){if (outputMat.at<uchar>(i, j) == 255){int sum = 0;uchar* str1 = outputMat.ptr<uchar>(i - 1);sum = str1[j - 1] + str1[j] + str1[j + 1];uchar* str2 = outputMat.ptr<uchar>(i);sum = sum + str2[j - 1] + str2[j + 1];uchar* str3 = outputMat.ptr<uchar>(i + 1);sum = sum + str3[j - 1] + str3[j] + str3[j + 1];sum = sum / 8;outputMat.at<uchar>(i, j) = (uchar)sum;}}}
///彩色图(CV_8UC3)的插值代码
for (int i = 1; i < outputMat.rows - 1; ++i){for (int j = 1; j < outputMat.cols - 1; ++j){if (outputMat.at<cv::Vec3b>(i, j) == cv::Vec3b(255, 255, 255)){int sum[3] = { 0,0,0 };uchar r, g, b;for (int k = 0; k < 3; k++){cv::Vec3b* str1 = outputMat.ptr<cv::Vec3b>(i - 1);sum[k] = str1[j - 1][k] + str1[j][k] + str1[j + 1][k];cv::Vec3b* str2 = outputMat.ptr<cv::Vec3b>(i);sum[k] = sum[k] + str2[j - 1][k] + str2[j + 1][k];cv::Vec3b* str3 = outputMat.ptr<cv::Vec3b>(i + 1);sum[k] = sum[k] + str3[j - 1][k] + str3[j][k] + str3[j + 1][k];sum[k] = sum[k] / 8;}r = (uchar)sum[0];g = (uchar)sum[1];b = (uchar)sum[2];outputMat.at<cv::Vec3b>(i, j) = cv::Vec3b(r, g, b);}}}

整个算法的完整代码如下：

#include<iostream>
#include<opencv2/opencv.hpp>//计算点point2绕点point1逆时针旋转angle度后得到新的点newPoint
void rotatePoint(cv::Point& point1, cv::Point& point2, cv::Point& newPoint, double angle)
{int dx, dy;double dx1, dy1;dy1 = -((double)point2.x - point1.x) * sin(angle) + ((double)point2.y - point1.y) * cos(angle);dx1 = ((double)point2.x - point1.x) * cos(angle) + ((double)point2.y - point1.y) * sin(angle);if (dx1 - (int)dx1 > 0.5)    //做一个四舍五入dx = (int)dx1 + 1;else{if (dx1 - (int)dx1 < -0.5)dx = (int)dx1 - 1;elsedx = (int)(dx1);}if (dy1 - (int)dy1 > 0.5)   //做一个四舍五入dy = (int)dy1 + 1;else{if (dy1 - (int)dy1 < -0.5)dy = (int)dy1 - 1;elsedy = (int)(dy1);}newPoint.x = point1.x + dx;newPoint.y = point1.y + dy;
}void translationPoint(cv::Point& point, int x, int y) //平移运算
{point.x = point.x + x;point.y = point.y + y;
}int Max4(int a[4])    //获取四个数中的最大值
{int max = a[0];for (int i = 1; i < 4; i++){if (max < a[i])max = a[i];}return max;
}int Min4(int a[4])    //获取四个数中的最小值
{int min = a[0];for (int i = 1; i < 4; i++){if (min > a[i])min = a[i];}return min;
}int absMax4(int a[4])
{int max = 0, m;for (int i = 0; i < 4; i++){if (a[i] < 0)m = -a[i];else m = a[i];if (max < m)max = m;}return max;
}void rotateImage(cv::Mat inputMat, cv::Mat& outputMat, std::vector<cv::Point> points, cv::Point point, double angle)
{std::vector<cv::Point> newPoints;cv::Point newP;for (int i = 0; i < 4; ++i){if (points[i] != point)  //判断输入的4个顶点是否与旋转点point相同{rotatePoint(point, points[i], newP, angle);  //顶点points[i]与旋转点point不同，则进行旋转计算newPoints.push_back(newP);}else{newPoints.push_back(points[i]);}}//获取经旋转后，新图像的大小，其中w表示图像宽长，h表示图像高长。int w = 0, h = 0;int suw[4] = { newPoints[1].x - newPoints[0].x,newPoints[1].x - newPoints[3].x,newPoints[2].x - newPoints[0].x,newPoints[2].x - newPoints[3].x };int suh[4] = { newPoints[2].y - newPoints[0].y ,newPoints[2].y - newPoints[1].y,newPoints[3].y - newPoints[0].y,newPoints[3].y - newPoints[1].y };w = absMax4(suw);h = absMax4(suh);//获取需要旋转的四边形区域的外接矩形表示区域范围（x_min,y_min)、(x_max,y_max)int y_max, y_min, x_max, x_min;int points_x[4] = { points[0].x,points[1].x,points[2].x,points[3].x };int points_y[4] = { points[0].y,points[1].y,points[2].y,points[3].y };y_max = Max4(points_y);y_min = Min4(points_y);x_max = Max4(points_x);x_min = Min4(points_x);//计算向x轴的平移量dx,向y轴的平移量dyint dx, dy;int a[4] = { newPoints[0].x,newPoints[1].x,newPoints[2].x,newPoints[3].x };int b[4] = { newPoints[0].y,newPoints[1].y,newPoints[2].y,newPoints[3].y };dx = Min4(a);dy = Min4(b);//初始化输出矩阵if(inputMat.type() == CV_8UC1)cv::Mat(h, w, CV_8UC1, cv::Scalar::all(255)).copyTo(outputMat);if(inputMat.type() == CV_8UC3)cv::Mat(h, w, CV_8UC3, cv::Scalar(255, 255, 255)).copyTo(outputMat);//实现I(x',y')=I(x,y)double z1, z2, z3, z4;for (int i = y_min; i < y_max; ++i){for (int j = x_min; j < x_max; ++j){//四边形顶点A为points[0],顶点B为points[1],顶点C为points[2],顶点D为points[3].//直线ABz1 = i - (double)points[0].y -(j - (double)points[0].x) * ((double)points[0].y - points[1].y) / ((double)points[0].x - points[1].x);//直线BCz2 = j - (double)points[1].x -(i - (double)points[1].y) * ((double)points[1].x - points[2].x) / ((double)points[1].y - points[2].y);//直线CDz3 = i - (double)points[2].y -(j - (double)points[2].x) * ((double)points[2].y - points[3].y) / ((double)points[2].x - points[3].x);//直线ADz4 = j - (double)points[0].x -(i - (double)points[0].y) * ((double)points[0].x - points[3].x) / ((double)points[0].y - points[3].y);if (z1 >= 0 && z2 <= 0 && z3 <= 0 && z4 >= 0){cv::Point point0(j, i);rotatePoint(point, point0, point0, angle);  //将点point0绕点point旋转angle度得到新的点point0translationPoint(point0, -dx, -dy);if (point0.x >= 0 && point0.x < w && point0.y >= 0 && point0.y < h){if (inputMat.type() == CV_8UC1){uchar* str = inputMat.ptr<uchar>(i);outputMat.at<uchar>(point0.y, point0.x) = str[j];}if (inputMat.type() == CV_8UC3){cv::Vec3b* str = inputMat.ptr<cv::Vec3b>(i);outputMat.at<cv::Vec3b>(point0.y, point0.x) = str[j];}}}}}if (inputMat.type() == CV_8UC1){   //插值for (int i = 1; i < outputMat.rows - 1; ++i){for (int j = 1; j < outputMat.cols - 1; ++j){if (outputMat.at<uchar>(i, j) == 255){int sum = 0;uchar* str1 = outputMat.ptr<uchar>(i - 1);sum = str1[j - 1] + str1[j] + str1[j + 1];uchar* str2 = outputMat.ptr<uchar>(i);sum = sum + str2[j - 1] + str2[j + 1];uchar* str3 = outputMat.ptr<uchar>(i + 1);sum = sum + str3[j - 1] + str3[j] + str3[j + 1];sum = sum / 8;outputMat.at<uchar>(i, j) = (uchar)sum;}}}}if (inputMat.type() == CV_8UC3){   //插值for (int i = 1; i < outputMat.rows - 1; ++i){for (int j = 1; j < outputMat.cols - 1; ++j){if (outputMat.at<cv::Vec3b>(i, j) == cv::Vec3b(255, 255, 255)){int sum[3] = { 0,0,0 };uchar r, g, b;for (int k = 0; k < 3; k++){cv::Vec3b* str1 = outputMat.ptr<cv::Vec3b>(i - 1);sum[k] = str1[j - 1][k] + str1[j][k] + str1[j + 1][k];cv::Vec3b* str2 = outputMat.ptr<cv::Vec3b>(i);sum[k] = sum[k] + str2[j - 1][k] + str2[j + 1][k];cv::Vec3b* str3 = outputMat.ptr<cv::Vec3b>(i + 1);sum[k] = sum[k] + str3[j - 1][k] + str3[j][k] + str3[j + 1][k];sum[k] = sum[k] / 8;}r = (uchar)sum[0];g = (uchar)sum[1];b = (uchar)sum[2];outputMat.at<cv::Vec3b>(i, j) = cv::Vec3b(r, g, b);}}}}
}
int main()
{cv::Mat srcImage = cv::imread("F:/图像处理/图片一/thee2.jpg");//cv::Mat srcImage = cv::imread("F:/图像处理/图片一/thee2.jpg", 0);if (srcImage.empty()){printf("图片读取失败！\n");return -1;}//需要旋转的图像区域四个顶点std::vector<cv::Point> points;  points.push_back(cv::Point(0, 0));points.push_back(cv::Point(srcImage.cols, 0));points.push_back(cv::Point(srcImage.cols, srcImage.rows));points.push_back(cv::Point(0, srcImage.rows));cv::Mat outputImage;rotateImage(srcImage, outputImage, points, cv::Point(40, 70), 0.4);cv::imshow("原图", srcImage);cv::imshow("旋转得到的图像", outputImage);cv::waitKey(0);return 0;
}

算法测试：

输入的图像(大小460X613)：

//旋转区域1，其中srcImage为输入图像
std::vector<cv::Point> points;points.push_back(cv::Point(0, 0));    //顶点Apoints.push_back(cv::Point(srcImage.cols, 0));  //顶点Bpoints.push_back(cv::Point(srcImage.cols, srcImage.rows));  //顶点Cpoints.push_back(cv::Point(0, srcImage.rows));
//旋转点为Point(40, 70)，旋转角度0.4

旋转得到的结果如下：

//旋转区域2，其中srcImage为输入图像
std::vector<cv::Point> points;points.push_back(cv::Point(70, 0));    //顶点Apoints.push_back(cv::Point(srcImage.cols-50, 0));points.push_back(cv::Point(srcImage.cols-100, srcImage.rows-100));points.push_back(cv::Point(0, srcImage.rows-50));
//旋转点为Point(30, 50)，旋转角度0.2

旋转得到的结果如下：

学习OpenCV3——图像旋转算法实现相关推荐

【Android RTMP】NV21 图像旋转处理 ( 图像旋转算法 | 后置摄像头顺时针旋转 90 度 | 前置摄像头顺时针旋转 90 度 )
文章目录安卓直播推流专栏博客总结一. 后置摄像头顺时针旋转 90 度二. 前置摄像头顺时针旋转 90 度三. NV21 格式图像旋转代码安卓直播推流专栏博客总结 Android RTMP 直 ...
快速图像旋转算法的c++实现
0 引言在数字图像处理技术中,图像旋转算法是最基本的操作之一.本文实现一种快速的图像旋转算法,并和原始方法以及opencv提供的旋转方案进行速度上的比较. 1 基本原理图像旋转有两种计算坐标的思路 ...
基于DSP的图像旋转算法数据调度策略
基于DSP的图像旋转算法数据调度策略 [日期:2008-8-14] 来源:电子技术应用作者:李筱琳,冯燕,何亦征 [字体:大中小] <script src="http://w ...
【深度学习】图像去模糊算法代码实践！
作者:陈信达,上海科技大学,Datawhale成员 1.起源:GAN 结构与原理在介绍DeblurGANv2之前,我们需要大概了解一下GAN,GAN最初的应用是图片生成,即根据训练集生成图片,如生成 ...
【图像修复】基于深度学习的图像修复算法的MATLAB仿真
1.软件版本 matlab2021a 2.本算法理论知识在许多领域,人们对图像质量的要求都很高,如医学图像领域.卫星遥感领域等.随着信息时代的快速发展,低分辨率图像已经难以满足特定场景的需要.因此, ...
【Android RTMP】NV21 图像旋转处理 ( 快速搭建 RTMP 服务器 Shell 脚本 | 创建 RTMP 服务器镜像 | 浏览器观看直播 | 前置 / 后置摄像头图像旋转效果展示 )
文章目录安卓直播推流专栏博客总结一. 编写快速搭建 RTMP 服务器 Shell 脚本二. RTMP 快速搭建方法三.创建阿里云 RTMP 服务器镜像四.浏览器查看直播内容五.前置 / 后 ...
【Android RTMP】NV21 图像旋转处理 ( 问题描述 | 图像顺时针旋转 90 度方案 | YUV 图像旋转细节 | 手机屏幕旋转方向 )
文章目录安卓直播推流专栏博客总结一. NV21 图像格式与 Camera图像传感器方向问题二. NV21 图像格式视频旋转 1. 图像旋转问题及解决方案 ( 顺时针旋转 90 度 ) 2. NV ...
帮推|基于深度学习的图像融合方法综述
基于深度学习的图像融合方法综述博主朋友关于图像融合的综述论文基于深度学习的图像融合方法综述已被<中国图象图形学报>正式接收! 极力推荐想要入门图像融合领域的小伙伴下载学习,此外希望在图像 ...
图形图像处理－之－任意角度的高质量的快速的图像旋转上篇纯软件的任意角度的快速旋转
(2009.03.09 可以到这里下载旋转算法的完整的可以编译的项目源代码: http://blog.csdn.net/housisong/archive/2009/03/09/3970925.a ...

学习OpenCV3——图像旋转算法实现

学习OpenCV3——图像旋转算法实现相关推荐

最新文章

热门文章