简介这份 OpenCV 图像旋转示例包面向正在学习图像处理与计算机视觉的开发者侧重解决旋转矩阵参数理解与旋转效果快速验证的问题适合课程实验、自学入门及 OpenCV 基础 API 复习。压缩包共 14 个文件约 1.32MB内含 cpp 源码、jpg 示例图和 exe 可执行程序并附带 dsp、dsw 等 VC6 工程文件以及 pdb、ilk、obj、pch 等编译调试中间文件可直接打开工程对照源码与运行结果。已有 407 人学习下载可作为课堂演示或自主练习的参考。源码呈现 getRotationMatrix2D 与 warpAffine 的配合方式也涉及 rotate 的 90 度、180 度调用读者可据此比较不同旋转中心、角度和边缘填充策略下的输出差异并进一步改造成批量处理或自定义旋转点的练习。对于需要完成图像方向校正、数据增强或预处理流程的读者这一示例可作为改造起点帮助理解单张图像旋转如何扩展为批量文件处理。1. 歪掉的票据图怎么救OpenCV 图像旋转的入口与适用边界一张拍歪的票据图手工摆正要两分钟几百张就是灾难。这份围绕 OpenCV 图像旋转整理的示例包把单张旋转、画布扩展、批量目录处理拆成可运行脚本核心落在getRotationMatrix2D和warpAffine两个入口上。它不带你从零推导仿射变换而是把角度、中心点、缩放、插值、边界填充这些参数压进可抄的函数调用和命令行里。它解决的是 OpenCV 图像处理流水线里最常见的一段图歪了要摆正摆正后不能缺角批量跑完不能把原图覆盖。新手能按步骤跑通单张旋转熟手能对着参数表和避坑章节检查自己的实现。拿到资源后先跑单张确认角度方向、画布尺寸和边界颜色再改批量参数顺序别反。适合正在做扫描件校正、商品图预处理、数据集增强的从业者也适合被旋转后黑边和裁剪折腾过的人。资源本身不绑定框架Python 环境加 OpenCV 就能跑后面所有代码都可以直接塞进自己的脚本。2. 旋转矩阵与插值getRotationMatrix2D 的四个参数怎么定2.1 旋转在 OpenCV 里不是“转图片”而是坐标映射cv2.getRotationMatrix2D(center, angle, scale)返回一个 2×3 的仿射变换矩阵。它不做像素搬运而是告诉warpAffine输出图上的每个像素应该回原图哪个位置取样。矩阵长这样[ α β (1-α)·cx - β·cy ] [ -β α β·cx (1-α)·cy ]其中α scale·cos(angle)β scale·sin(angle)。center是旋转中心angle以度为单位scale是缩放系数。OpenCV 的约定是正角度逆时针想要顺时针就传负角度。图像坐标的 y 轴向下所以很多人第一次写angle15会发现方向和自己想反这不是矩阵算错是坐标系约定不同。选型上要先分两条路90、180、270 度这种直角旋转优先用cv2.rotate它只做行列重排没有插值、没有黑边、速度快任意角度才用warpAffine。我见过有人拿warpAffine做 90 度旋转然后抱怨边缘发虚这就是工具选错了。np.rot90也能做直角旋转但和 OpenCV 的通道顺序、后续处理链要统一别在一条流水线里混着用。另一个常见误用是拿getRotationMatrix2D算完矩阵就直接warpAffine到原图尺寸。原图尺寸不变时旋转后的四个角会跑到画布外面看起来就是“被裁了一截”。矩阵本身没问题问题在画布尺寸和中心平移没跟上这部分放到第 3 章拆。2.2 四个参数逐项拆center、angle、scale、插值先看一张单图旋转的最小代码。它不扩画布只把原图尺寸内的像素转出来适合先确认角度方向。import cv2 import numpy as np img cv2.imread(input.jpg, cv2.IMREAD_COLOR) if img is None: raise FileNotFoundError(input.jpg 读不到先检查路径和扩展名) h, w img.shape[:2] center (w / 2.0, h / 2.0) # 注意是 (x, y)不是 (行, 列) angle 15.0 # 正角度逆时针顺时针传负值 scale 1.0 # 1.0 保持尺寸0.5 缩小一半 M cv2.getRotationMatrix2D(center, angle, scale) rotated cv2.warpAffine( img, M, (w, h), # dsize 的顺序是 (宽, 高) flagscv2.INTER_LINEAR, # 普通彩色图默认线性插值 borderModecv2.BORDER_CONSTANT, borderValue(255, 255, 255), ) cv2.imwrite(rotated.jpg, rotated)这段代码的逻辑是先读图拿到h, w用图像中心构造旋转矩阵再把矩阵交给warpAffine做重采样。center用浮点数不要用w // 2整数除法会让旋转中心偏半个像素批量跑完叠在一起看就是一条细缝。dsize写成(w, h)不是(h, w)这个顺序翻车率极高。参数上angle的正负决定方向scale决定缩放。flags是插值方式borderMode是画布外怎么填。常用插值对比如下插值标志适用场景代价与注意INTER_NEAREST标签图、掩膜、索引图快但不产生新颜色彩色图边缘锯齿明显INTER_LINEAR普通彩色图默认速度和质量的平衡点批量任务首选INTER_CUBIC放大后要保留细节慢一些边缘更锐但可能产生轻微振铃INTER_AREA缩小图像缩小场景更稳放大时不如线性INTER_LANCZOS4高质量离线输出最慢适合单张精修不适合大批量边界模式也要按场景选边界模式行为适合BORDER_CONSTANT填固定颜色白底票据、透明 PNG、需要明确黑边/白边BORDER_REPLICATE拉伸边缘像素纹理图、不想出现纯色边框BORDER_REFLECT镜像边缘图像增强、避免硬边BORDER_WRAP平铺特殊纹理普通照片别用提示旋转中心用浮点坐标dsize的顺序是(宽, 高)这两个点写错后面调参全是玄学。2.3 单张图的完整可运行骨架把读图、旋转、写盘串起来时读图标志位要先定。cv2.IMREAD_COLOR会丢掉 alpha 通道cv2.IMREAD_GRAYSCALE直接读灰度cv2.IMREAD_UNCHANGED保留原通道数。做 Logo 旋转必须用IMREAD_UNCHANGED否则透明背景会变成黑色。中文路径在部分环境下会让cv2.imread返回None我一般用np.fromfile加cv2.imdecode兜底import cv2 import numpy as np def imread_unicode(path, flagscv2.IMREAD_COLOR): data np.fromfile(path, dtypenp.uint8) if data.size 0: return None return cv2.imdecode(data, flags) def imwrite_unicode(path, img): ext path.rsplit(., 1)[-1].lower() ok, buf cv2.imencode(f.{ext}, img) if not ok: raise ValueError(f编码失败{path}) buf.tofile(path)np.fromfile把文件读成字节数组cv2.imdecode再解码绕开路径编码问题写盘时先imencode再tofile逻辑对称。参数上flags保持和普通imread一致ext从目标文件名取别把 PNG 写成 JPG 扩展名否则编码器和扩展名对不上。单张跑通后检查三件事输出图的角度方向是否符合预期四个角有没有被裁边界颜色是不是想要的。确认完再进批量不要一上来就遍历目录。3. 画布与黑边旋转后为什么总被裁掉一截3.1 旋转后图像尺寸的几何推导原图宽w、高h绕中心旋转θ后外接矩形的宽高会变。计算公式是new_w w·|cosθ| h·|sinθ| new_h w·|sinθ| h·|cosθ|取绝对值是因为角度落在不同象限时cos、sin有正负外接矩形只关心长度。最后向上取整避免浮点误差导致最后一列或最后一行被切掉。import math def rotated_size(w, h, angle): rad math.radians(angle) cos_a abs(math.cos(rad)) sin_a abs(math.sin(rad)) new_w int(math.ceil(w * cos_a h * sin_a)) new_h int(math.ceil(w * sin_a h * cos_a)) return new_w, new_h这段函数只算尺寸不改图像。angle传角度值内部转弧度math.ceil保证画布足够大。参数上不要用round四舍五入可能少一个像素旋转 45 度时角上会缺一条细边。角度先归一化到[-180, 180]或[0, 360)都可以abs(cos)、abs(sin)对周期不敏感但日志里统一角度范围更方便排查。知道新尺寸只是第一步。很多人算完new_w, new_h直接把dsize改成新尺寸结果图跑到画布左上角去了。原因是getRotationMatrix2D仍然绕原图中心转新画布变大后原图中心不在新画布中心必须补一个平移。3.2 扩边后再平移把旋转中心从原图中心换到新画布中心正确做法是先按原图中心构造旋转矩阵再把矩阵的平移项补到新画布中心。import cv2 def rotate_expand(img, angle, border_value(0, 0, 0)): h, w img.shape[:2] new_w, new_h rotated_size(w, h, angle) center (w / 2.0, h / 2.0) M cv2.getRotationMatrix2D(center, angle, 1.0) # 把旋转后的原图中心平移到新画布中心 M[0, 2] new_w / 2.0 - center[0] M[1, 2] new_h / 2.0 - center[1] return cv2.warpAffine( img, M, (new_w, new_h), flagscv2.INTER_LINEAR, borderModecv2.BORDER_CONSTANT, borderValueborder_value, )M是float64的 2×3 矩阵M[0, 2]和M[1, 2]分别是 x、y 方向的平移量。new_w / 2.0 - center[0]的意思是新画布中心 x 减去原图中心 x把旋转后的中心推回画布中间。M[1, 2]同理。border_value按背景定白底票据填(255,255,255)黑底图填(0,0,0)。验证平移有没有写对可以拿原图中心点乘一遍矩阵import numpy as np cx, cy w / 2.0, h / 2.0 pt np.array([cx, cy, 1.0]) mapped M pt print(mapped[0], mapped[1], new_w / 2.0, new_h / 2.0)mapped的前两个值应该接近新画布中心。差一两个像素是浮点取整的正常范围差几十像素就是平移项写反了。注意扩边旋转的dsize必须用new_w, new_h不能再用原图(w, h)否则矩阵平移白做。3.3 黑边填充与透明通道旋转后四角出现黑色不一定是代码 bug默认BORDER_CONSTANT的borderValue就是 0彩色图三通道都是 0看起来就是黑。要白底就显式传白色要透明就保留 alpha 并填(0,0,0,0)。Logo 这类带透明通道的 PNG读图用IMREAD_UNCHANGED然后决定是一起旋转还是拆通道旋转。简单场景可以直接对 BGRA 四通道做warpAffine边界填全透明import cv2 img cv2.imread(logo.png, cv2.IMREAD_UNCHANGED) if img is None: raise FileNotFoundError(logo.png 读不到) if img.shape[2] ! 4: raise ValueError(这张图不是四通道检查是否被转成了 JPG) h, w img.shape[:2] new_w, new_h rotated_size(w, h, 20) M cv2.getRotationMatrix2D((w / 2.0, h / 2.0), 20, 1.0) M[0, 2] new_w / 2.0 - w / 2.0 M[1, 2] new_h / 2.0 - h / 2.0 out cv2.warpAffine( img, M, (new_w, new_h), flagscv2.INTER_LINEAR, borderModecv2.BORDER_CONSTANT, borderValue(0, 0, 0, 0), ) cv2.imwrite(logo_rotated.png, out)这段代码把 alpha 当普通通道一起采样边界填透明。参数上borderValue必须是四元组少写一个 0 会报错或行为不一致。如果发现透明边缘发黑常见原因是读取时用了IMREAD_COLOR把 alpha 丢了或者写盘用了 JPG 不支持透明。做透明图时输出扩展名保持.png。对于纹理图BORDER_REPLICATE往往比纯色更自然因为它把边缘像素往外拉不会出现一圈硬边。票据校正这种需要明确背景色的场景还是用BORDER_CONSTANT加白色更稳。4. 批量旋转流水线目录遍历、EXIF 方向与性能取舍4.1 目录批处理骨架先干跑再落盘单张调通后批量脚本第一原则是“先干跑再落盘”。干跑只打印将要处理的文件和输出路径不写任何图确认输入输出目录没有重叠再真正执行。from pathlib import Path import argparse import cv2 IMG_EXTS {.jpg, .jpeg, .png, .bmp, .tif, .tiff} def iter_images(root): for p in Path(root).rglob(*): if p.is_file() and p.suffix.lower() in IMG_EXTS: yield p def build_output_path(src, input_root, output_root): rel src.relative_to(input_root) return output_root / rel def main(): parser argparse.ArgumentParser() parser.add_argument(--input, requiredTrue) parser.add_argument(--output, requiredTrue) parser.add_argument(--angle, typefloat, default0.0) parser.add_argument(--expand, actionstore_true) parser.add_argument(--dry-run, actionstore_true) parser.add_argument(--overwrite, actionstore_true) args parser.parse_args() input_root Path(args.input).resolve() output_root Path(args.output).resolve() if input_root output_root: raise SystemExit(输入输出目录不能相同避免覆盖原图) for src in iter_images(input_root): dst build_output_path(src, input_root, output_root) if dst.exists() and not args.overwrite: print(f跳过已存在{dst}) continue print(f{src} - {dst}) if args.dry_run: continue img cv2.imread(str(src), cv2.IMREAD_COLOR) if img is None: print(f读图失败跳过{src}) continue if args.expand: out rotate_expand(img, args.angle, border_value(255, 255, 255)) else: h, w img.shape[:2] M cv2.getRotationMatrix2D((w / 2.0, h / 2.0), args.angle, 1.0) out cv2.warpAffine(img, M, (w, h), flagscv2.INTER_LINEAR) dst.parent.mkdir(parentsTrue, exist_okTrue) cv2.imwrite(str(dst), out) if __name__ __main__: main()这段脚本用pathlib遍历目录保留相对路径结构输出到独立目录。--dry-run只打印不写盘--overwrite控制是否覆盖已存在文件--expand决定是否扩画布。参数上--angle是全局角度真实项目里也可以改成从 CSV 读每张图的角度但第一版先用全局角度把流程跑通。input_root output_root这个检查别省。批量任务里把输出目录设成输入目录再勾选覆盖原图就没了这种翻车没有后悔药。正确做法是输出到output/确认结果后再决定要不要替换原目录。4.2 EXIF 方向先修正再旋转手机拍的照片经常带 EXIF Orientation 标记图像查看器会按标记自动转正但cv2.imread不读 EXIF拿到的是传感器原始方向。直接旋转会出现“明明在相册里是正的跑完脚本变成横的”。处理顺序应该是先按 EXIF 转正再做业务旋转。from PIL import Image, ImageOps import numpy as np import cv2 def imread_exif(path, flagscv2.IMREAD_COLOR): with Image.open(path) as im: im ImageOps.exif_transpose(im) arr np.array(im) if flags cv2.IMREAD_COLOR: if arr.ndim 2: arr cv2.cvtColor(arr, cv2.COLOR_GRAY2BGR) else: arr cv2.cvtColor(arr, cv2.COLOR_RGB2BGR) return arrImageOps.exif_transpose会根据 EXIF 方向把图转正并去掉方向标记。PIL 读进来是 RGBOpenCV 习惯 BGR所以彩色图要cvtColor。灰度图没有通道转换转成三通道是为了后面统一warpAffine的输出形状。参数上flags只区分彩色和原样如果原图是四通道 PNGPIL 会保留 RGBA转 BGR 前要单独处理 alpha别直接COLOR_RGB2BGR把四通道当三通道。这一步会多一次解码批量跑大图时能感觉到。取舍是照片来源杂、方向乱必须加纯扫描仪输出、方向统一可以跳过。我的习惯是先抽 20 张看 EXIF再决定要不要在流水线里常驻。4.3 大批量性能复用矩阵、少拷贝、并行边界批量旋转的瓶颈通常不在矩阵计算而在解码、重采样和编码。能优化的点有几个同一角度复用矩阵warpAffine传入预分配的dst减少内存分配多进程而不是多线程JPEG 质量别拉满。import cv2 import numpy as np def rotate_many(paths, angle, out_dir): cv2.setNumThreads(1) # 进程池里避免每个进程再开内部线程 for p in paths: img cv2.imread(str(p), cv2.IMREAD_COLOR) if img is None: continue h, w img.shape[:2] M cv2.getRotationMatrix2D((w / 2.0, h / 2.0), angle, 1.0) dst np.empty_like(img) cv2.warpAffine(img, M, (w, h), dstdst, flagscv2.INTER_LINEAR) out out_dir / p.name cv2.imwrite(str(out), dst, [cv2.IMWRITE_JPEG_QUALITY, 92])cv2.setNumThreads(1)是为了避免外层进程池和内层 OpenCV 线程池互相抢核出现“核越多越慢”的反效果。dstnp.empty_like(img)把输出缓冲区先分配好warpAffine直接写进去少一次临时对象。IMWRITE_JPEG_QUALITY只对 JPEG 生效92 左右在体积和画质之间比较稳批量预览图可以降到 85。多进程用ProcessPoolExecutor每个进程处理一批文件别把每张图都提交一次任务任务调度开销会吃掉收益。参数上进程数从min(8, os.cpu_count())起步再根据内存调旋转大图时内存比 CPU 更容易先到瓶颈。5. 避坑与排查黑边、裁剪、坐标偏移和性能翻车5.1 黑边不是 bug是边界模式现象旋转后四个角是黑的或者白底图边缘出现一圈黑框。原因warpAffine默认borderModecv2.BORDER_CONSTANTborderValue默认 0彩色图三通道全 0 就是黑色。解决显式传borderValue(255,255,255)做白底或者用BORDER_REPLICATE让边缘像素往外延伸。透明 PNG 传(0,0,0,0)并确认读图用了IMREAD_UNCHANGED。out cv2.warpAffine( img, M, (new_w, new_h), flagscv2.INTER_LINEAR, borderModecv2.BORDER_CONSTANT, borderValue(255, 255, 255), )参数上borderValue的元组长度要和图像通道数一致三通道图传四元组在某些版本会报错。白底票据用白色黑底图用黑色不要一套参数跑所有场景。5.2 图片被裁dsize 与中心平移没同步现象旋转后四个角被切掉图看起来“放大”了。原因dsize还是原图(w, h)或者算了新尺寸但没改矩阵平移项。解决先用rotated_size算外接矩形再把M[0,2]、M[1,2]补到新画布中心。检查方法是把原图中心点乘矩阵看落点是不是新画布中心。new_w, new_h rotated_size(w, h, angle) M cv2.getRotationMatrix2D((w / 2.0, h / 2.0), angle, 1.0) M[0, 2] new_w / 2.0 - w / 2.0 M[1, 2] new_h / 2.0 - h / 2.0注意M必须是浮点矩阵getRotationMatrix2D返回的就是float64不要手动转成int。平移量差半个像素批量叠图时会出现细缝。5.3 坐标偏移宽高顺序和整数取整现象旋转中心偏了图往左上或右下跑。原因dsize写成(h, w)或者center用了w // 2。OpenCV 的dsize是(宽, 高)center是(x, y)和 NumPy 的shape顺序相反。解决读图后先写h, w img.shape[:2]构造中心用(w / 2.0, h / 2.0)dsize用(w, h)。h, w img.shape[:2] center (w / 2.0, h / 2.0) # x, y dsize (w, h) # width, height血泪经验是只要出现“偏几像素”先把center、dsize、矩阵平移三个值打印出来别靠眼睛猜。5.4 角度方向反了正负号与坐标系现象想顺时针转 15 度结果逆时针。原因OpenCV 正角度按约定是逆时针图像 y 轴向下和日常“顺时针为正”的直觉相反。解决顺时针传负角度或者把角度取反后再传。批量脚本里建议在参数名上写清楚--angle-ccw避免调用方理解不一致。提示角度方向别靠记忆拿一张带箭头的测试图跑一次比看文档快。5.5 透明通道和批量覆盖两个容易忽略的坑现象一PNG 旋转后透明背景变黑。原因IMREAD_COLOR丢掉 alpha或者输出写成 JPG。解决读图用IMREAD_UNCHANGED边界填四通道透明输出保持.png。现象二批量任务跑完原图没了。原因输入输出同目录且开了覆盖。解决输出到独立目录先--dry-run看路径再执行脚本里加输入输出目录相同的检查。python rotate_batch.py --input ./raw --output ./out --angle -15 --expand --dry-run先干跑确认raw到out的映射没问题再去掉--dry-run。批量任务里“慢一点确认”比“跑完再恢复”便宜得多。6. 用角点和掩膜验收把旋转角度误差压到可接受范围旋转脚本写完别只看一张图“感觉对了”。我通常做一个最小验收在原图四个角附近画标记点旋转后把标记点也乘同一个矩阵看它们是否落在输出图的对应位置再用一个全白掩膜旋转统计有效像素区域确认画布没有被裁。import cv2 import numpy as np def check_rotation(img, angle, border_value(255, 255, 255)): h, w img.shape[:2] new_w, new_h rotated_size(w, h, angle) M cv2.getRotationMatrix2D((w / 2.0, h / 2.0), angle, 1.0) M[0, 2] new_w / 2.0 - w / 2.0 M[1, 2] new_h / 2.0 - h / 2.0 out cv2.warpAffine(img, M, (new_w, new_h), flagscv2.INTER_LINEAR, borderModecv2.BORDER_CONSTANT, borderValueborder_value) mask np.full((h, w), 255, dtypenp.uint8) mask_out cv2.warpAffine(mask, M, (new_w, new_h), flagscv2.INTER_NEAREST, borderModecv2.BORDER_CONSTANT, borderValue0) ratio float(np.count_nonzero(mask_out)) / (new_w * new_h) return out, mask_out, ratiomask_out里白色区域就是原图覆盖到的像素ratio是有效面积占比。旋转 45 度时这个比例会明显小于 1属于正常如果接近 1 但角上仍有裁切说明new_w、new_h算小了。参数上掩膜旋转用INTER_NEAREST避免插值把 0 和 255 混成灰边统计不准。我早些年做票据校正图省事只改了dsize没补平移结果一批图全部偏到左上角人工返工了一下午。从那以后每次改旋转参数我都强制走一遍“中心点乘矩阵 掩膜占比”的检查再进批量。希望帮到你。本文还有配套的精品资源点击获取