opencv 图像旋转

理论

http://www.cnblogs.com/wangguchangqing/p/4045150.html

翻开任意一本图像处理的书，都会讲到图像的几何变换，这里面包括：仿射变换（affine transformation）、投影变换（projecttive transformation）。前者针对的是平面上的物体位姿变化，如水平/垂直方向位移、旋转、缩小/放大，常见的应用有ORC字符识别。后者针对的是三维空间中的位置变化，受限于物体依然是平面的，也称为二维投影变换，常见的应用有车牌识别。

图像变换：以上所有变换均可以通过矩阵描述，将输入图像与变换矩阵进行矩阵乘法得到变换后的图像坐标。显然，这种方式非常适合编程实现。

opencv仿射变换函数说明

opencv提供了，从变换矩阵计算，到图像变换，每个流程的一揽子解决方案。

以opencv 3.0为例，参考几何变换模块说明：

1、getAffineTransform

Mat getAffineTransform(InputArray src, InputArray dst)

该函数需要已知变换前与变换后的坐标，返回相应的变换矩阵，至于是何种变换无需事先知道。适用于目标检测场合，通过检测得到的特征点进行图像匹配。

2、getRotationMatrix2D

Mat getRotationMatrix2D(Point2f center, double angle, double scale)

已知旋转中心坐标（坐标原点为图像左上端点）、旋转角度（单位为度°，顺时针为负，逆时针为正）、放缩比例，返回旋转/放缩矩阵。与getAffineTransform相比，无需知道变换后坐标，适用于一般情况下的图像变换。

3、warpAffine

void warpAffine(InputArray src, OutputArray dst, InputArray M, Size dsize, int flags=INTER_LINEAR, int borderMode=BORDER_CONSTANT, const Scalar& borderValue=Scalar())

根据etAffineTransform或getRotationMatrix2D得到的变换矩阵，计算变换后的图像。

src为输入图像

dst为变换后图像，类型与src一致。

M为变换矩阵，需要通过其它函数获得，当然也可以手动输入。

dsize为输出图像的大小

flags，插值算法，详细如下：

enum InterpolationFlags{





    /** nearest neighbor interpolation */





    INTER_NEAREST        = 0,  //最近邻插值





    /** bilinear interpolation */





    INTER_LINEAR         = 1, //双线性插值





    /** bicubic interpolation */





    INTER_CUBIC          = 2, //双三次插值





    /** resampling using pixel area relation. It may be a preferred method for image decimation, as





    it gives moire'-free results. But when the image is zoomed, it is similar to the INTER_NEAREST





    method. */





    INTER_AREA           = 3, //区域插值，使用象素关系重采样。当图像缩小时候，该方法可以避免波纹出现。当图像放大时，类似于 <span style="font-family: Arial, Helvetica, sans-serif;">INTER_NEAREST</span>方法





    /** Lanczos interpolation over 8x8 neighborhood */





    INTER_LANCZOS4       = 4, //Lanczos插值（超过8×8像素邻域的Lanczos插值）





    /** mask for interpolation codes */





    INTER_MAX            = 7,





    /** flag, fills all of the destination image pixels. If some of them correspond to outliers in the





    source image, they are set to zero */





    WARP_FILL_OUTLIERS   = 8, //填充所有输出图像的象素





    /** flag, inverse transformation











    For example, polar transforms:





    - flag is __not__ set: \f$dst( \phi , \rho ) = src(x,y)\f$





    - flag is set: \f$dst(x,y) = src( \phi , \rho )\f$





    */





    WARP_INVERSE_MAP     = 16  //逆变换





};

borderMode，边界处理方式

enum BorderTypes {





    BORDER_CONSTANT    = 0, //!< `iiiiii|abcdefgh|iiiiiii`  with some specified `i`





    BORDER_REPLICATE   = 1, //!< `aaaaaa|abcdefgh|hhhhhhh`





    BORDER_REFLECT     = 2, //!< `fedcba|abcdefgh|hgfedcb`





    BORDER_WRAP        = 3, //!< `cdefgh|abcdefgh|abcdefg`





    BORDER_REFLECT_101 = 4, //!< `gfedcb|abcdefgh|gfedcba`





    BORDER_TRANSPARENT = 5, //!< `uvwxyz|absdefgh|ijklmno`





 





    BORDER_REFLECT101  = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101





    BORDER_DEFAULT     = BORDER_REFLECT_101, //!< same as BORDER_REFLECT_101





    BORDER_ISOLATED    = 16 //!< do not look outside of ROI





};

opencv实现图像旋转（其它仿射变换的流程与此一致）

    Mat src;





	Mat dst(src.size(),src.type());





...





	cv::Point2f center(x0,y0);





	double ang = -30;





	cv::Mat rotMat = cv::getRotationMatrix2D(center,ang,1);





	cv::warpAffine(src,dst,rotMat,src.size());

顺时针旋转30度

更多请参考：

http://blog.csdn.net/xiaowei_cqu/article/details/7616044

http://blog.csdn.net/godenlove007/article/details/9364971