簡(jiǎn)介面向OpenCV初學(xué)者與圖像處理入門者這份C實(shí)現(xiàn)資源圍繞圖像旋轉(zhuǎn)展開清晰演示了仿射變換的基本原理與兩種典型旋轉(zhuǎn)路徑通過cv2.getRotationMatrix2D構(gòu)造旋轉(zhuǎn)矩陣再經(jīng)cv2.warpAffine完成任意角度變形同時(shí)給出cv2.rotate按90度、180度快速旋轉(zhuǎn)的簡(jiǎn)便方法。源碼中特別關(guān)注旋轉(zhuǎn)中心選取、角度正負(fù)約定、縮放因子以及BORDER_CONSTANT等邊緣填充策略幫助讀者解決旋轉(zhuǎn)后出現(xiàn)空白區(qū)域的實(shí)際問題。壓縮包共14個(gè)文件大小1.32MB包含C源文件、可直接運(yùn)行的exe、用于調(diào)試的pdb/ilk/obj符號(hào)文件、工程配置dsp/dsw以及示例圖片Penguins.jpg適合在VC6環(huán)境下邊運(yùn)行邊分析。目前已有406人學(xué)習(xí)下載。對(duì)照源碼與可執(zhí)行程序可直觀理解旋轉(zhuǎn)矩陣參數(shù)對(duì)輸出圖像的影響并能據(jù)此擴(kuò)展到批量圖像旋轉(zhuǎn)、方向校正等預(yù)處理場(chǎng)景為后續(xù)圖像分析與計(jì)算機(jī)視覺任務(wù)打下扎實(shí)基礎(chǔ)。1. OpenCV 圖像旋轉(zhuǎn)能跑通和能用是兩回事OpenCV 圖像旋轉(zhuǎn)十行代碼就能轉(zhuǎn)起來但真正落到項(xiàng)目里十個(gè)有八個(gè)踩坑——轉(zhuǎn)完圖像被裁剪、四個(gè)角出現(xiàn)黑邊、邊緣鋸齒明顯、旋轉(zhuǎn)方向還和預(yù)期相反。我最開始做證件照方向校正時(shí)就被這組“裁剪黑邊”的組合拳打懵過。這篇筆記從一個(gè)可復(fù)現(xiàn)的最小工程出發(fā)把cv2.getRotationMatrix2D和cv2.warpAffine從矩陣原理講到參數(shù)邊界再給出三種旋轉(zhuǎn)方案、五條避坑記錄以及識(shí)別場(chǎng)景下的自動(dòng)校正技巧。適合剛接觸 OpenCV 圖像處理的開發(fā)者也適合正在做物體識(shí)別、方向矯正的老手對(duì)照參數(shù)。目標(biāo)就一個(gè)拿到代碼改兩個(gè)參數(shù)就能用別再讓旋轉(zhuǎn)這個(gè)小功能拖住整個(gè)項(xiàng)目的后腿。2. 旋轉(zhuǎn)矩陣與 API 參數(shù)為什么正角度轉(zhuǎn)出來是反的2.1 圖像坐標(biāo)系里的數(shù)學(xué)旋轉(zhuǎn)矩陣到底在做什么圖像旋轉(zhuǎn)的本質(zhì)不是“轉(zhuǎn)圖片”而是“對(duì)每個(gè)像素做坐標(biāo)映射”。原圖里的像素點(diǎn)(x, y)繞某個(gè)中心點(diǎn)旋轉(zhuǎn) θ 度后新坐標(biāo)(x, y)由二維旋轉(zhuǎn)矩陣決定。數(shù)學(xué)上的標(biāo)準(zhǔn)形式是x x * cos(θ) - y * sin(θ) y x * sin(θ) y * cos(θ)這是笛卡爾坐標(biāo)系里的公式。但 OpenCV 的圖像坐標(biāo)系不是笛卡爾坐標(biāo)系——坐標(biāo)原點(diǎn)在左上角y 軸朝下。y 軸方向翻轉(zhuǎn)導(dǎo)致getRotationMatrix2D返回矩陣?yán)锏牡诙蟹?hào)和教科書不一樣。很多人在這一步開始“暈方向”代碼里寫正角度肉眼看到的效果卻像是順時(shí)針轉(zhuǎn)其實(shí)不是算法錯(cuò)了而是你套錯(cuò)了坐標(biāo)系。寫代碼驗(yàn)證一下把矩陣打出來看import cv2 center (100, 100) angle 45 scale 1.0 M cv2.getRotationMatrix2D(center, angle, scale) print(M)這段代碼用getRotationMatrix2D生成一個(gè) 2×3 的仿射變換矩陣。運(yùn)行后能看到類似這樣的輸出[[ 0.70710678 0.70710678 -41.42135624] [-0.70710678 0.70710678 141.42135624]]第一行是 cos(45°) 和 sin(45°)第二行是 -sin(45°) 和 cos(45°)第二行的符號(hào)和數(shù)學(xué)課本相反根源就是 y 軸朝下。第三列是平移量作用是讓圖像繞指定中心點(diǎn)旋轉(zhuǎn)后畫面不至于整體飛出去。angle單位是度正值是逆時(shí)針方向——這是 OpenCV 官方定義但結(jié)合 y 軸朝下的坐標(biāo)系你視覺上會(huì)覺得自己寫的是順時(shí)針這是最容易踩的認(rèn)知坑。2.2 getRotationMatrix2D 與 warpAffine六個(gè)參數(shù)逐個(gè)說清getRotationMatrix2D只負(fù)責(zé)生成變換矩陣真正執(zhí)行像素映射的是warpAffine。兩個(gè)函數(shù)搭檔使用理解六個(gè)核心參數(shù)旋轉(zhuǎn)這個(gè)功能就算入門了。getRotationMatrix2D(center, angle, scale)三個(gè)參數(shù)參數(shù)含義典型取值center旋轉(zhuǎn)中心坐標(biāo)(x, y)通常是圖像中心(w//2, h//2)(100, 100)angle旋轉(zhuǎn)角度正值表示逆時(shí)針45 / -30scale縮放系數(shù)旋轉(zhuǎn)同時(shí)可以放大縮小圖像1.0 不縮放warpAffine(src, M, dsize, flags, borderMode, borderValue)常用參數(shù)參數(shù)含義典型取值src輸入圖像BGR 或灰度圖從 imread 讀入的 numpy 數(shù)組M2×3 變換矩陣由 getRotationMatrix2D 生成上一步的輸出dsize輸出圖像尺寸(w, h)原圖寬高或者擴(kuò)邊后的新寬高flags插值方式默認(rèn) INTER_LINEARINTER_LINEAR / INTER_CUBICborderMode邊界填充模式默認(rèn) BORDER_CONSTANTBORDER_CONSTANT / BORDER_REPLICATEborderValueborderMode 為 CONSTANT 時(shí)的填充顏色(0,0,0) 黑 / (255,255,255) 白dsize是整個(gè)旋轉(zhuǎn)流程里最容易被忽略的參數(shù)。默認(rèn)思路是“輸出尺寸和原圖一樣大”但圖像旋轉(zhuǎn)后四個(gè)角已經(jīng)超出了原圖邊界輸出尺寸不變就意味著四個(gè)角被硬生生裁掉。這是旋轉(zhuǎn)后內(nèi)容丟失的根本原因。import cv2 img cv2.imread(demo.jpg) h, w img.shape[:2] center (w // 2, h // 2) M cv2.getRotationMatrix2D(center, 30, 1.0) rotated cv2.warpAffine(img, M, (w, h)) cv2.imwrite(rotated_cropped.jpg, rotated)這段代碼是“能用但不好用”的典型版本。旋轉(zhuǎn)中心取圖像中心角度 30 度輸出尺寸直接填原圖寬高。運(yùn)行后你會(huì)發(fā)現(xiàn)四個(gè)角沒了圖像內(nèi)容明顯殘缺。原因就在dsize(w, h)這個(gè)默認(rèn)邏輯上warpAffine不會(huì)幫你自動(dòng)擴(kuò)邊超出原圖范圍的區(qū)域直接丟棄。要么接受裁剪要么手動(dòng)計(jì)算新尺寸。3. 三種旋轉(zhuǎn)實(shí)現(xiàn)90 度快捷旋轉(zhuǎn)、任意角度裁剪版、擴(kuò)邊保全版3.1 cv2.rotate只做 90 度倍數(shù)的零成本方案如果你的需求只是把圖片順時(shí)針轉(zhuǎn) 90 度、轉(zhuǎn) 180 度、轉(zhuǎn) 270 度完全不需要碰矩陣運(yùn)算cv2.rotate一行搞定。這個(gè)函數(shù)是 OpenCV 內(nèi)置的速度快、無插值損失、不產(chǎn)生黑邊是三種方案里最省心的。import cv2 img cv2.imread(demo.jpg) rotated_90 cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE) rotated_180 cv2.rotate(img, cv2.ROTATE_180) rotated_270 cv2.rotate(img, cv2.ROTATE_90_COUNTERCLOCKWISE) cv2.imwrite(rotated_90.jpg, rotated_90) cv2.imwrite(rotated_180.jpg, rotated_180) cv2.imwrite(rotated_270.jpg, rotated_270)cv2.rotate的三個(gè)參數(shù)都是預(yù)定義常量不需要考慮旋轉(zhuǎn)中心、插值方式、邊界填充輸出尺寸會(huì)自動(dòng)交換寬高。90 度旋轉(zhuǎn)后圖像寬高互換如果你后續(xù)處理依賴固定尺寸比如喂給神經(jīng)網(wǎng)絡(luò)前要統(tǒng)一大小這一步就要注意。適合的場(chǎng)景手機(jī)照片方向矯正、掃描件角度修正這類只涉及直角旋轉(zhuǎn)的需求。3.2 任意角度 保持畫幅warpAffine 的標(biāo)準(zhǔn)寫法90 度旋轉(zhuǎn)之外的角度比如 30 度、45 度cv2.rotate就無能為力了必須回到getRotationMatrix2D和warpAffine的組合。上面第 2 章的代碼雖然能跑但裁剪問題嚴(yán)重。這一節(jié)先講“接受裁剪”的標(biāo)準(zhǔn)版本因?yàn)楹芏鄨?chǎng)景下裁剪是可接受的——比如后續(xù)只做物體識(shí)別圖中央的目標(biāo)區(qū)域完整即可。import cv2 import numpy as np img cv2.imread(demo.jpg) h, w img.shape[:2] angle 30 M cv2.getRotationMatrix2D((w // 2, h // 2), angle, 1.0) rotated cv2.warpAffine(img, M, (w, h), flagscv2.INTER_LINEAR, borderModecv2.BORDER_CONSTANT, borderValue(0, 0, 0)) cv2.imwrite(rotated_30_cropped.jpg, rotated)這里的borderValue(0, 0, 0)是 BGR 格式的黑色。旋轉(zhuǎn)后超出原圖范圍的區(qū)域會(huì)用這個(gè)顏色填充如果沒有黑邊需求可以改成(255, 255, 255)白色或者(114, 114, 114)灰色。很多做深度學(xué)習(xí)預(yù)處理的人習(xí)慣用灰色填充因?yàn)榧兒诨蚣儼滋畛涞綀D像里可能會(huì)被模型當(dāng)成極端特征學(xué)進(jìn)去。這個(gè)版本輸出的圖寬高保持不變但四個(gè)角的內(nèi)容確實(shí)丟了。如果旋轉(zhuǎn)角度小比如 10 度以內(nèi)裁剪損耗肉眼幾乎看不出來。如果角度大比如 45 度以上圖像邊緣損失嚴(yán)重這時(shí)候就要用擴(kuò)邊方案。3.3 旋轉(zhuǎn)后不裁圖擴(kuò)邊公式與矩陣修正不裁剪、保持完整圖像內(nèi)容需要兩步先計(jì)算旋轉(zhuǎn)后圖像的新尺寸再修正旋轉(zhuǎn)矩陣的平移量。新尺寸的計(jì)算公式是new_w |w * cosθ| |h * sinθ| new_h |w * sinθ| |h * cosθ|旋轉(zhuǎn)矩陣?yán)锏?cos 和 sin 可以直接從矩陣元素讀取M[0,0]是 cos(θ) * scaleM[0,1]是 sin(θ) * scale。完整代碼import cv2 import numpy as np img cv2.imread(demo.jpg) h, w img.shape[:2] angle 45 scale 1.0 M cv2.getRotationMatrix2D((w // 2, h // 2), angle, scale) cos abs(M[0, 0]) sin abs(M[0, 1]) new_w int(h * sin w * cos) new_h int(h * cos w * sin) M[0, 2] (new_w - w) / 2 M[1, 2] (new_h - h) / 2 rotated cv2.warpAffine(img, M, (new_w, new_h), flagscv2.INTER_LINEAR, borderModecv2.BORDER_CONSTANT, borderValue(255, 255, 255)) cv2.imwrite(rotated_45_full.jpg, rotated)先說為什么要修正矩陣平移量。原矩陣的平移項(xiàng)M[0,2]和M[1,2]是按原圖像尺寸算的擴(kuò)邊之后旋轉(zhuǎn)中心在新畫布中的位置變了不修正的話圖會(huì)整體偏移畫面中心跑到左上。修正方法就是把旋轉(zhuǎn)中心偏移量(new_w - w) / 2和(new_h - h) / 2加回去。new_w和new_h的計(jì)算用的是絕對(duì)值這樣無論是順時(shí)針還是逆時(shí)針角度是正是負(fù)結(jié)果都一樣。這個(gè)公式只適用于旋轉(zhuǎn)角度在 0 到 360 度范圍內(nèi)的常規(guī)場(chǎng)景如果角度超過 360 或?yàn)樨?fù)數(shù)先對(duì) 360 取模再算angle angle % 360這個(gè)擴(kuò)邊版本是實(shí)際項(xiàng)目里最常用的。三種方案對(duì)比如下方案代碼量角度范圍畫面完整性速度cv2.rotate1 行90/180/270完整最快warpAffine 不擴(kuò)邊6 行任意角度四角被裁快warpAffine 擴(kuò)邊10 行任意角度完整保留稍慢4. 避坑記錄旋轉(zhuǎn)里最常見的五個(gè)翻車現(xiàn)場(chǎng)4.1 現(xiàn)象正 30 度轉(zhuǎn)出來像負(fù) 30 度新手第一次寫旋轉(zhuǎn)輸出結(jié)果和預(yù)期方向相反是出現(xiàn)頻率最高的問題。原因就是第 2 節(jié)說的坐標(biāo)系差異OpenCV 的 y 軸朝下正角度在數(shù)學(xué)上逆時(shí)針、在肉眼視覺里會(huì)看成順時(shí)針。解決不要糾結(jié)視覺方向先明確業(yè)務(wù)需求是“順時(shí)針還是逆時(shí)針”。需要順時(shí)針轉(zhuǎn) 30 度就把a(bǔ)ngle寫成-30。可以寫個(gè)小輔助函數(shù)統(tǒng)一表達(dá)def rotate(img, angle, directionclockwise): if direction clockwise: angle -angle return cv2.getRotationMatrix2D((img.shape[1] // 2, img.shape[0] // 2), angle, 1.0)這樣調(diào)用方只需要說“順時(shí)針轉(zhuǎn) 30 度”不用理解底層坐標(biāo)系。4.2 現(xiàn)象旋轉(zhuǎn)后四個(gè)角出現(xiàn)黑邊角度稍大圖像四角出現(xiàn)黑色三角區(qū)域。原因是borderMode默認(rèn)是BORDER_CONSTANTborderValue默認(rèn)是黑色(0,0,0)。黑邊在某些場(chǎng)景下不可接受比如白底文檔掃描件黑邊會(huì)嚴(yán)重影響 OCR 的文本區(qū)域檢測(cè)。解決把borderValue改成(255, 255, 255)白色或者根據(jù)圖像背景色動(dòng)態(tài)取色。更徹底的是用BORDER_REPLICATE它會(huì)復(fù)制邊緣像素向外延伸黑邊變成邊緣內(nèi)容的延伸視覺上自然很多。注意BORDER_REPLICATE對(duì)邊緣紋理復(fù)雜的圖像會(huì)有拉伸感逐張檢查。4.3 現(xiàn)象旋轉(zhuǎn)后圖像內(nèi)容變小四個(gè)角丟失有人反饋“旋轉(zhuǎn)是轉(zhuǎn)了但圖里東西少了”。原因是dsize填了原圖寬高warpAffine不會(huì)自動(dòng)調(diào)整輸出尺寸超界部分被丟棄。這個(gè)設(shè)計(jì)邏輯本身沒毛病但容易讓使用者誤以為輸出尺寸會(huì)自動(dòng)適配。解決用第 3.3 節(jié)的擴(kuò)邊公式先算new_w和new_h再傳給dsize。我一般建議把擴(kuò)邊計(jì)算封裝成函數(shù)免得每次復(fù)制一遍公式def get_rotated_size(w, h, angle): angle angle % 360 cos abs(np.cos(np.radians(angle))) sin abs(np.sin(np.radians(angle))) return int(h * sin w * cos), int(h * cos w * sin)4.4 現(xiàn)象旋轉(zhuǎn)后邊緣鋸齒明顯線條發(fā)虛角度不是 90 的倍數(shù)時(shí)像素位置需要插值計(jì)算插值算法選不好邊緣就會(huì)拉鋸。默認(rèn)INTER_LINEAR是雙線性插值處理普通照片夠用但對(duì)文字、線條圖、二維碼這類高對(duì)比圖像鋸齒會(huì)非常明顯。解決圖像內(nèi)容以線條為主時(shí)改用INTER_CUBIC雙三次插值。放大旋轉(zhuǎn)場(chǎng)景建議搭配INTER_LANCZOS4效果最好但速度最慢。壓縮旋轉(zhuǎn)則優(yōu)先INTER_AREA抗混疊效果好。4.5 現(xiàn)象運(yùn)行時(shí)報(bào) ModuleNotFoundError 或 Ubuntu 下缺失 libGL環(huán)境問題也是高頻坑。pip install opencv-python裝完后import cv2直接報(bào)No module named cv2通常是裝錯(cuò)包名正確命令是opencv-python。Ubuntu 上更常見的是報(bào)libGL.so.1: cannot open shared object file這是 OpenCV 運(yùn)行時(shí)依賴的圖形庫(kù)缺失。解決Ubuntu 執(zhí)行apt install libgl1 -y補(bǔ)上 libGL 依賴。服務(wù)器環(huán)境沒有顯示器盡量安裝opencv-python-headless這個(gè)版本不依賴圖形界面庫(kù)省去一堆麻煩。5. 把旋轉(zhuǎn)質(zhì)量做上去插值模式與背景填充的選型細(xì)節(jié)5.1 四種插值模式怎么選速度與紋理的取舍warpAffine的flags參數(shù)控制插值方式直接影響輸出畫質(zhì)和耗時(shí)。OpenCV 提供四種常用模式參數(shù)特點(diǎn)適用場(chǎng)景INTER_NEAREST最近鄰插值最快有鋸齒像素風(fēng)格圖、速度優(yōu)先INTER_LINEAR雙線性插值默認(rèn)質(zhì)量速度平衡普通照片、視頻幀INTER_CUBIC雙三次插值畫質(zhì)好慢 3-5 倍文字、線條、高對(duì)比圖像INTER_LANCZOS4Lanczos 插值質(zhì)量最高最慢大圖精細(xì)輸出、打印輸出實(shí)測(cè)經(jīng)驗(yàn)普通照片用INTER_LINEAR就夠了肉眼幾乎分辨不出和INTER_CUBIC的差別。處理二維碼、條形碼、截圖、工程圖紙這類硬邊緣圖像直接上INTER_CUBIC不然掃碼識(shí)別可能失敗。圖像是 4000×3000 以上的大圖建議先縮放再旋轉(zhuǎn)否則耗時(shí)成倍增長(zhǎng)。5.2 背景顏色與透明通道borderValue 的十六進(jìn)制陷阱旋轉(zhuǎn)后填充什么顏色看著是小問題實(shí)際處理透明 PNG 時(shí)容易翻車。borderValue只接受 BGR 或灰度值如果你直接傳十六進(jìn)制0xFFFFFFOpenCV 會(huì)把它當(dāng)成一個(gè)整數(shù)然后三通道各自取低位出來的顏色完全不是預(yù)期。# 錯(cuò)誤寫法會(huì)得到奇怪的顏色 borderValue(0xFFFFFF) # 正確寫法BGR 順序 borderValue(255, 255, 255)如果圖像帶透明通道得先拆通道旋轉(zhuǎn)再合并。直接對(duì)四通道圖旋轉(zhuǎn)透明通道會(huì)被borderValue填成純色透明區(qū)域變實(shí)心塊。處理帶 alpha 通道的圖import cv2 import numpy as np img cv2.imread(logo.png, cv2.IMREAD_UNCHANGED) if img.shape[2] 4: bgr img[:, :, :3] alpha img[:, :, 3] h, w bgr.shape[:2] M cv2.getRotationMatrix2D((w // 2, h // 2), 30, 1.0) rot_bgr cv2.warpAffine(bgr, M, (w, h), borderValue(0, 0, 0)) rot_alpha cv2.warpAffine(alpha, M, (w, h), borderValue0) rotated cv2.merge([rot_bgr, rot_alpha]) else: h, w img.shape[:2] M cv2.getRotationMatrix2D((w // 2, h // 2), 30, 1.0) rotated cv2.warpAffine(img, M, (w, h), borderValue(0, 0, 0))RGB 通道和 alpha 通道分開旋轉(zhuǎn)alpha 通道的borderValue填 0旋轉(zhuǎn)后四角保持完全透明輸出 PNG 后不留背景色塊。透明圖像做旋轉(zhuǎn)這是繞不過去的步驟。5.3 大圖旋轉(zhuǎn)的耗時(shí)基準(zhǔn)scale 參數(shù)與預(yù)處理大圖旋轉(zhuǎn)最有效的優(yōu)化手段是降低參與計(jì)算的有效像素量。常見做法是先縮小再旋轉(zhuǎn)旋轉(zhuǎn)完再放大。對(duì) 8000×6000 的大圖直接旋轉(zhuǎn)單次要幾百毫秒先縮到 1600 像素長(zhǎng)邊耗時(shí)降到幾十毫秒畫質(zhì)損失靠后續(xù)放大時(shí)的插值模式彌補(bǔ)。這個(gè)技巧用在批量處理時(shí)收益更明顯。批量旋轉(zhuǎn)上千張圖每張省 0.2 秒總量就省幾分鐘。getRotationMatrix2D里的scale參數(shù)可以直接擔(dān)任縮放角色旋轉(zhuǎn)加縮放一次完成M cv2.getRotationMatrix2D(center, angle, scale0.5)不過要注意scale縮小后再放大信息已經(jīng)丟失了如果最終要保留原始清晰度別在正式流程里用這個(gè)方案只適合預(yù)覽或快速標(biāo)注場(chǎng)景。6. 進(jìn)階場(chǎng)景識(shí)別前自動(dòng)旋轉(zhuǎn)校正與批量處理6.1 用 minAreaRect 計(jì)算物體傾斜角自動(dòng)校正方向旋轉(zhuǎn)經(jīng)常作為物體識(shí)別、OCR 的預(yù)處理步驟。工作流一般是檢測(cè)到目標(biāo)區(qū)域 → 計(jì)算傾斜角度 → 旋轉(zhuǎn)校正 → 再送識(shí)別。角度怎么自動(dòng)獲取而不是手工指定最常見做法是用minAreaRect拿到目標(biāo)輪廓的最小外接矩形矩形自帶角度信息。import cv2 import numpy as np img cv2.imread(object.jpg) gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) _, thresh cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV cv2.THRESH_OTSU) contours, _ cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) rect cv2.minAreaRect(contours[0]) angle rect[2] if angle -45: angle 90 h, w img.shape[:2] M cv2.getRotationMatrix2D((w // 2, h // 2), angle, 1.0) corrected cv2.warpAffine(img, M, (w, h), borderValue(255, 255, 255)) cv2.imwrite(corrected.jpg, corrected)minAreaRect返回的角度范圍是 -90 到 0負(fù)數(shù)表示順時(shí)針傾斜。判斷條件angle -45是為了校正矩形“躺平”的方向把長(zhǎng)邊轉(zhuǎn)成水平。這個(gè)校正邏輯在文檔掃描、車牌識(shí)別、工業(yè)零件定位場(chǎng)景里很常用。注意contours[0]取的是最大輪廓如果畫面里有多個(gè)目標(biāo)需要按面積排序再取第一個(gè)contours sorted(contours, keycv2.contourArea, reverseTrue) rect cv2.minAreaRect(contours[0])6.2 批量處理時(shí)統(tǒng)一擴(kuò)邊與保存避免尺寸不一致最后一個(gè)實(shí)操技巧。批量旋轉(zhuǎn)一批圖片時(shí)最簡(jiǎn)單的方式是用cv2.imwrite挨個(gè)保存但輸出文件名要注意編碼問題尤其是中文路徑。穩(wěn)妥做法是用glob遍歷文件配合os.path.splitext生成輸出路徑import cv2 import glob import os for path in glob.glob(images/*.jpg): img cv2.imread(path) h, w img.shape[:2] M cv2.getRotationMatrix2D((w // 2, h // 2), -15, 1.0) cos, sin abs(M[0, 0]), abs(M[0, 1]) new_w, new_h int(h * sin w * cos), int(h * cos w * sin) M[0, 2] (new_w - w) / 2 M[1, 2] (new_h - h) / 2 rotated cv2.warpAffine(img, M, (new_w, new_h), borderValue(255, 255, 255)) base os.path.splitext(os.path.basename(path))[0] cv2.imwrite(foutput/{base}_rotated.jpg, rotated)這段代碼里的擴(kuò)邊邏輯是從第 3 節(jié)封裝過來的。批量處理時(shí)我習(xí)慣把旋轉(zhuǎn)封裝成一個(gè)通用函數(shù)參數(shù)只留img和angle內(nèi)部統(tǒng)一走“讀圖 → 算尺寸 → 修正矩陣 → warpAffine → 返回結(jié)果”這條固定路徑。從那以后凡是經(jīng)手的圖像旋轉(zhuǎn)任務(wù)我都會(huì)強(qiáng)制走一遍“確認(rèn)角度方向 → 決定是否擴(kuò)邊 → 選插值模式 → 檢查背景填充”這四個(gè)步驟血淚教訓(xùn)換來的流程每次都能少翻一次車。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取