如何生成归一化图像旋转矩阵并复用至不同图像？

你直接用归一化中心(0.4, 0.7)调用cv2.getRotationMatrix2D生成的矩阵是错误的——这个函数的center参数要求是像素坐标，而非归一化比例。此时OpenCV会把(0.4, 0.7)当成图像上的像素点位置，生成的是围绕这个极小像素点的旋转矩阵，并非你需要的“归一化变换矩阵”。

要实现“存储独立于图像尺寸的变换信息，再适配到具体图像”的需求，有两种可行方式：

方案一：存储变换参数（推荐） #

直接存储归一化的变换参数（中心比例、角度、缩放），而非矩阵。当拿到具体图像时，用参数生成适配尺寸的矩阵，这是最简洁且不易出错的方式。

示例代码：

import cv2

# 存储归一化的变换参数（独立于图像尺寸）
norm_center = (0.4, 0.7)
angle = 39
scale = 1.0

# 拿到具体图像时，生成适配的矩阵
image = cv2.imread(filepath)
h, w = image.shape[:2]
pixel_center = (norm_center[0] * w, norm_center[1] * h)
matrix = cv2.getRotationMatrix2D(pixel_center, angle, scale)

# 应用变换
image2 = cv2.warpAffine(image, matrix, dsize=(w, h))
cv2.imwrite("/home/ken/rotated_new.jpg", image2)

方案二：存储归一化矩阵并转换 #

如果你一定要存储矩阵，需要先基于**归一化坐标系（假设图像尺寸为1x1）**生成正确的变换矩阵，再通过坐标系转换得到适配实际图像的矩阵。

实现denormalize_matrix函数： #

import cv2
import numpy as np

def denormalize_matrix(norm_matrix, image_shape):
    h, w = image_shape[:2]
    # 将2x3的仿射矩阵扩展为3x3的齐次矩阵
    norm_homo = np.vstack([norm_matrix, [0, 0, 1]])
    
    # 构造坐标系转换的齐次矩阵：像素→归一化→变换→像素
    T_scale_in = np.array([[1/w, 0, 0], [0, 1/h, 0], [0, 0, 1]])
    T_scale_out = np.array([[w, 0, 0], [0, h, 0], [0, 0, 1]])
    
    # 计算最终的像素坐标系变换矩阵
    pixel_homo = T_scale_out @ norm_homo @ T_scale_in
    # 转回2x3的仿射矩阵
    return pixel_homo[:2, :]

# 生成并存储归一化矩阵（基于1x1图像）
norm_center = (0.4, 0.7)
angle = 39
norm_matrix = cv2.getRotationMatrix2D(norm_center, angle, 1.0)

# 拿到具体图像时转换矩阵
image = cv2.imread(filepath)
matrix = denormalize_matrix(norm_matrix, image.shape)

# 应用变换
image2 = cv2.warpAffine(image, matrix, dsize=(image.shape[1], image.shape[0]))
cv2.imwrite("/home/ken/rotated_new.jpg", image2)

注意： #

这种方式对于非正方形图像，旋转后的图像会出现拉伸（因为归一化坐标系是1x1正方形，实际图像是长方形，相当于先把图像缩放到正方形旋转再拉伸回去）。如果需要无拉伸的旋转效果（和直接用像素中心生成的矩阵一致），方案一更合适。

内容的提问来源于stack exchange，提问作者crowmagnumb