OpenCV Mat旋转得到错误的结果

Question

我想将图像旋转90度。 我的代码如下：

int main(int argc, const char * argv[]) {
    Mat img = imread("/Users/chuanliu/Desktop/src4/p00.JPG");

    resize(img, img, Size(1024, 683));
    imwrite("/Users/chuanliu/Desktop/resize.jpg", img);
    Mat dst;
    Mat rot_mat = getRotationMatrix2D(Point(img.cols / 2.0, img.rows / 2.0), 90, 1);
    warpAffine(img, dst, rot_mat, Size(img.rows, img.cols));

    imwrite("/Users/chuanliu/Desktop/roatation.jpg", dst);

    return 0;
}

但是结果如下：
轮换之前：

旋转后：

旋转中心似乎有误。 但是我不认为我设定了错误的中心。 有没有人可以告诉我什么地方出了问题？

Answer 1

中心是根据源图像的尺寸Point(img.cols / 2.0, img.rows / 2.0)但您不仅要旋转图像，还要在调用warpAffine时交换输出大小的宽度和高度：

Size(img.rows, img.cols)

因此，看起来您可能需要根据输出图像坐标指定中心； 例如。 Point(rows/2, cols/2) 。

更新：

不，那不是解决方案。 实际上，有一种非常简单有效的方法可以将图像旋转90度：使用cv::transpose()函数：

int main()
{
    cv::Mat img = cv::imread("5syfi.jpg");
    cv::Mat img_rotated;

    cv::transpose(img, img_rotated);  

    cv::imwrite("out.jpg", img_rotated);

    return 0;
}

结合使用cv::transpose() （旋转）和cv::flip() （垂直和水平镜像），您可以非常快速地执行90、180和270度的旋转。

使用warpAffine()更加灵活，但计算起来也更加昂贵（即速度较慢）。 因此，如果您只需要旋转90度，请使用cv::transpose 。 如果需要旋转任意角度，请使用warpAffine/warpPerspective函数。 @Micka的答案提供了一个很好的示例。

Answer 2

改编我的答案来自：

OpenCV 2.4.3-在裁切后的图像上使用反向单应性的warpPerspective

您可以使用以下代码：

int main(int argc, const char * argv[]) {
cv::Mat img = cv::imread("../inputData/rotationInput.jpg");

cv::imshow("input", img);

cv::Mat dst;
cv::Mat rot_mat = cv::getRotationMatrix2D(cv::Point(img.cols / 2.0, img.rows / 2.0), 90, 1);
//cv::warpAffine(img, dst, rot_mat, cv::Size(img.rows, img.cols));

// since I didnt write the code for affine transformations yet, we have to embed the affine rotation matrix in a perspective transformation
cv::Mat perspRotation = cv::Mat::eye(3,3, CV_64FC1);
for(int j=0; j<rot_mat.rows; ++j)
    for(int i=0; i<rot_mat.cols; ++i)
    {
        perspRotation.at<double>(j,i) = rot_mat.at<double>(j,i);
    }

// image boundary corners:
std::vector<cv::Point> imageCorners;
imageCorners.push_back(cv::Point(0,0));
imageCorners.push_back(cv::Point(img.cols,0));
imageCorners.push_back(cv::Point(img.cols,img.rows));
imageCorners.push_back(cv::Point(0,img.rows));

// look at where the image will be placed after transformation:
cv::Rect warpedImageRegion = computeWarpedContourRegion(imageCorners, perspRotation);

// adjust the transformation so that the top-left corner of the transformed image will be placed at (0,0) coordinate
cv::Mat adjustedTransformation = adjustHomography(warpedImageRegion, perspRotation);

// finally warp the image
cv::warpPerspective(img, dst, adjustedTransformation, warpedImageRegion.size());



//mwrite("/Users/chuanliu/Desktop/roatation.jpg", dst);
cv::imwrite("../outputData/rotationOutput.png", dst);
cv::imshow("out", dst);
cv::waitKey(0);

return 0;
}

使用以下辅助功能：

cv::Rect computeWarpedContourRegion(const std::vector<cv::Point> & points, const cv::Mat & homography)
{
    std::vector<cv::Point2f> transformed_points(points.size());

    for(unsigned int i=0; i<points.size(); ++i)
    {
        // warp the points
        transformed_points[i].x = points[i].x * homography.at<double>(0,0) + points[i].y * homography.at<double>(0,1) + homography.at<double>(0,2) ;
        transformed_points[i].y = points[i].x * homography.at<double>(1,0) + points[i].y * homography.at<double>(1,1) + homography.at<double>(1,2) ;
    }

    // dehomogenization necessary?
    if(homography.rows == 3)
    {
        float homog_comp;
        for(unsigned int i=0; i<transformed_points.size(); ++i)
        {
            homog_comp = points[i].x * homography.at<double>(2,0) + points[i].y * homography.at<double>(2,1) + homography.at<double>(2,2) ;
            transformed_points[i].x /= homog_comp;
            transformed_points[i].y /= homog_comp;
        }
    }

    // now find the bounding box for these points:
    cv::Rect boundingBox = cv::boundingRect(transformed_points);
    return boundingBox;
}


cv::Mat adjustHomography(const cv::Rect & transformedRegion, const cv::Mat & homography)
{
    if(homography.rows == 2) throw("homography adjustement for affine matrix not implemented yet");

    // unit matrix
    cv::Mat correctionHomography = cv::Mat::eye(3,3,CV_64F);
    // correction translation
    correctionHomography.at<double>(0,2) = -transformedRegion.x;
    correctionHomography.at<double>(1,2) = -transformedRegion.y;


    return correctionHomography * homography;
}

并产生90°的输出：

这个输出33°

顺便说一句，如果您只想旋转90°/ 180°，可能会比图像变形更有效，更准确（关于插值）！！