图像增广——图片旋转任意角度（python实现）

1.背景

因为数据集很少，项目还需要进行图像的识别，因此利用图像增广技术产生相似但是又不同的样本，扩大数据集的规模，从而降低模型对某些属性的依赖，从而提高模型的泛化能力。常见的图像增广技术有：翻转和剪切，变换颜色等。接下来介绍的这种是图像的旋转

2.实现方法

import cv2
from math import *
import osdef remote(img, degree):height, width = img.shape[:2]radians = float(degree / 180 * pi)heightNew = int(width * fabs(sin((radians))) + height * fabs(cos((radians))))widthNew = int(height * fabs(sin((radians))) + width * fabs(cos((radians))))# 得到二维矩阵的旋转的仿射矩阵matRotation = cv2.getRotationMatrix2D((width / 2, height / 2), degree, 1)# 中心位置的实际平移matRotation[0, 2] += (widthNew - width) / 2matRotation[1, 2] += (heightNew - height) / 2imgRotation = cv2.warpAffine(img, matRotation, (widthNew, heightNew), borderValue=(255, 255, 255))return imgRotationif __name__ == "__main__":# 图片路径image_path = r"C:/Users/zhang/Desktop/pic03/"# 角度列表agree_list = [-30, -60, -90, -120, -150, -180, -210, -240, -270, -300, -330]for dirpath, dirnames, filenames in os.walk(image_path):for filename in filenames:img = cv2.imread(os.path.join(image_path, filename))for agree in agree_list:imgRotation = remote(img, agree)cv2.imwrite(image_path + filename.split('.')[0] + "-" + str(agree) + ".jpg", imgRotation)

3.实现原理

基于最近邻取值的正向映射法
以顺时针旋转为例来堆到旋转变换公式。如下图所示。

旋转前：

x0=rcosb；y0=rsinb

旋转a角度后：

x1=rcos(b-a)=rcosbcosa+rsinbsina=x0cosa+y0sina

y1=rsin(b-a)=rsinbcosa-rcosbsina=-x0sina+y0cosa

正向映射即根据原图的坐标推导出旋转图像对应点坐标，然后直接将原图坐标灰度值赋给x1,y1

2.基于最近邻取值的反向映射法

旋转前：

x1=rcosc；y1=rsinc

旋转a角度后：

x0=rcos(c+a)=rcosccosa-rsincsina=x1cosa-y1sina

y0=rsin(c+a)=rsinccosa+rcoscsina=-x1sina+y1cosa

反向映射即已知旋转后图像坐标，通过公式推导出原始图像上对应坐标，将该坐标对应灰度值赋给旋转后坐标。因为计算得到的y0， x0非整数，最近邻方法即将与（Xo,Yo）距离最近的像素的灰度值作为（Xo,Yo）的灰度值赋给（X1，Y1）点。
3.基于双线性插值的反向映射法
在计算（Xo,Yo）的灰度值时，采用如下方法计算：

4.实现方法的理解

其实步骤2代码采用的方法其实是最近邻取值的正向映射法，在计算出旋转变换矩阵M后，计算一下可以正常包含旋转后图像的外接矩形框的长和宽，然后计算外接矩形框的中心和原矩形框中心的距离，最后将旋转后的图像中心移到新的外接矩形框的中心。

参考
1：https://zhuanlan.zhihu.com/p/109099445
2：https://blog.csdn.net/liyuan02/article/details/6750828
3：https://blog.csdn.net/lkj345/article/details/50555870