如何计算容纳完整旋转图像所需的输出零矩阵尺寸？

要解决旋转后图像被截断的问题，核心是通过数学计算确定能容纳完整旋转图像的最小外接矩形尺寸，再基于这个尺寸创建输出矩阵，同时调整坐标映射逻辑确保图像居中显示。

一、外接框尺寸的数学推导 #

假设原图像高度为h、宽度为w，旋转角度为θ（转换为弧度制）：

1. 旋转变换依赖三角函数，取cosθ和sinθ的绝对值（正负旋转角度对外接框尺寸无影响）。
2. 旋转后外接框的宽度和高度公式：

   new_w = w * |cosθ| + h * |sinθ|
   new_h = h * |cosθ| + w * |sinθ|
   

   该公式本质是计算原图像四个顶点旋转后，在x轴和y轴上的最大跨度，确保所有旋转后的像素都能被容纳。最后将计算结果取整，得到整数尺寸的图像矩阵。

二、修改后的旋转函数代码 #

以下是完整的rotate_image函数实现，包含新尺寸计算和坐标映射逻辑：

import numpy as np

def rotate_image(image, angle_deg):
    h, w = image.shape[:2]
    # 将角度从度转换为弧度
    angle_rad = np.radians(angle_deg)
    cos_theta = np.abs(np.cos(angle_rad))
    sin_theta = np.abs(np.sin(angle_rad))
    
    # 计算能容纳完整旋转图像的新尺寸，取整确保为整数像素
    new_w = int(np.round(w * cos_theta + h * sin_theta))
    new_h = int(np.round(h * cos_theta + w * sin_theta))
    
    # 创建对应尺寸的输出矩阵
    rotated = np.zeros((new_h, new_w, 3), dtype=np.uint8)
    
    # 计算原图像和新图像的中心坐标
    orig_center = (w // 2, h // 2)
    new_center = (new_w // 2, new_h // 2)
    
    # 反向映射：遍历新图像的每个像素，找到原图像中对应的位置
    for y_new in range(new_h):
        for x_new in range(new_w):
            # 将新图像坐标转换为以新中心为原点的相对坐标
            x_rel = x_new - new_center[0]
            y_rel = y_new - new_center[1]
            
            # 逆旋转得到原图像中以原中心为原点的相对坐标
            x_orig_rel = x_rel * cos_theta + y_rel * sin_theta
            y_orig_rel = -x_rel * sin_theta + y_rel * cos_theta
            
            # 转换为原图像的实际像素坐标并取整
            x_orig = int(np.round(x_orig_rel + orig_center[0]))
            y_orig = int(np.round(y_orig_rel + orig_center[1]))
            
            # 检查坐标是否在原图像范围内，有效则赋值
            if 0 <= x_orig < w and 0 <= y_orig < h:
                rotated[y_new, x_new] = image[y_orig, x_orig]
    
    return rotated

三、关键细节说明 #

• 反向映射的优势：遍历新图像像素找原图像对应位置，相比正向映射（遍历原图像像素放到新位置），能避免出现像素空洞，确保所有有效像素都被准确映射。
• 中心对齐：通过将原图像和新图像的中心作为旋转基准，旋转后的图像会居中显示，不会偏移到输出矩阵的角落。
• 取整处理：使用np.round对坐标取整，减少因浮点运算导致的像素错位问题。

内容的提问来源于stack exchange，提问作者HiRelax