计算机视觉 / 系统课时
旋转与翻转图像
旋转与翻转图像
图像方向处理常见于相机画面校正、数据增强和版面整理。本节用 OpenCV 完成 90° 等固定角度旋转、任意角度旋转以及水平和垂直翻转,并处理任意角度旋转时容易出现的边缘裁切问题。
学习目标
- 使用
cv2.rotate完成 90°、180° 等固定角度旋转 - 使用
cv2.getRotationMatrix2D与cv2.warpAffine完成任意角度旋转 - 正确使用
cv2.flip区分水平翻转和垂直翻转
选择固定旋转还是任意角度旋转
旋转 90°、180° 或 270° 时,优先使用 cv2.rotate。这种方式不需要计算仿射矩阵,也不会因为插值产生额外模糊。旋转 90° 后,图像的宽和高会自然交换。
任意角度旋转需要先用 cv2.getRotationMatrix2D 生成 仿射矩阵,再交给 cv2.warpAffine 重采样。矩阵由旋转中心、角度和缩放因子共同决定;正角度表示逆时针旋转。

完成旋转与翻转
下面的示例先生成一张测试图,因此不依赖外部图片文件。rotate_bound 在旋转前计算新画布尺寸,并修正仿射矩阵中的平移量,使旋转后的四个角尽量保留在输出图像中。
import cv2
import numpy as np
img = np.full((240, 320, 3), 255, dtype=np.uint8)
cv2.arrowedLine(img, (160, 190), (160, 60), (0, 0, 255), 6, tipLength=0.15)
cv2.putText(img, 'TOP', (135, 35), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 0), 2)
# 扩展输出画布,避免任意角度旋转后四角被裁掉。
def rotate_bound(image, angle):
h, w = image.shape[:2]
center = (w / 2.0, h / 2.0)
matrix = cv2.getRotationMatrix2D(center, angle, 1.0)
cos_v = abs(matrix[0, 0])
sin_v = abs(matrix[0, 1])
new_w = int(h * sin_v + w * cos_v)
new_h = int(h * cos_v + w * sin_v)
matrix[0, 2] += new_w / 2.0 - center[0]
matrix[1, 2] += new_h / 2.0 - center[1]
return cv2.warpAffine(image, matrix, (new_w, new_h))
fixed_90 = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)
arbitrary_33 = rotate_bound(img, 33)
flip_h = cv2.flip(img, 1)
flip_v = cv2.flip(img, 0)
cv2.imwrite('rotate_90.png', fixed_90)
cv2.imwrite('rotate_33.png', arbitrary_33)
cv2.imwrite('flip_horizontal.png', flip_h)
cv2.imwrite('flip_vertical.png', flip_v)
print('fixed_90:', fixed_90.shape)
print('arbitrary_33:', arbitrary_33.shape)
print('flip_h:', flip_h.shape)
print('flip_v:', flip_v.shape)预期输出
fixed_90: (320, 240, 3)
arbitrary_33: (375, 399, 3)
flip_h: (240, 320, 3)
flip_v: (240, 320, 3)当前目录还会生成 rotate_90.png、rotate_33.png、flip_horizontal.png 和 flip_vertical.png。任意角度图像尺寸取决于原始宽高和旋转角度;修改示例参数后,实际尺寸会相应变化。
区分翻转方向
cv2.flip 的第二个参数决定镜像轴。flipCode=1 表示左右翻转,像照镜子一样交换图像左右两侧;flipCode=0 表示上下翻转;flipCode=-1 会同时翻转两个方向,相当于绕图像中心旋转 180° 后的像素排列。
固定角度旋转和翻转都是离散像素重排,通常不会引入插值模糊。任意角度旋转则需要重新采样像素,默认使用线性插值;如果处理的是分割掩码、类别标签图等离散数据,应在 warpAffine 中显式选择 cv2.INTER_NEAREST,避免产生不存在的中间类别值。
避免旋转后的内容被裁切
直接把原图尺寸 (width, height) 传给 warpAffine 时,旋转后的内容仍被限制在原画布内,四角很容易落到边界之外。需要完整保留内容时,应像示例一样根据旋转后的包围盒扩大画布,并同步调整矩阵中的平移量。
如果业务明确要求输出尺寸固定,例如神经网络输入必须保持 320×240,则不应扩展画布,而应接受裁切、先缩放主体,或者在旋转后再执行裁剪与填充。选择哪一种方式取决于最终尺寸约束,而不是单纯追求“旋转后看起来完整”。