如何使用OpenCV旋转和平移图像且不丢失屏幕外数据

我尝试用OpenCV执行连续图像变换，希望在保持图像原始尺寸的前提下，同时完成旋转和平移操作。目前使用warpAffine函数结合旋转矩阵与平移矩阵实现，但每次变换后图像边角数据会丢失，无法带入下一次变换中。

效果对比 #

• 原始图像：
• 旋转后图像：
• 错误结果（旋转+平移后边角被裁剪）：
• 期望结果（旋转+平移后保留全部边角，尺寸不变）：

我想要得到平移后的位置效果，但不裁剪边角。明白是第一次仿射变换丢失了数据，但不清楚如何在保持原始尺寸（以中心为基准）的同时保留这些数据。我是计算机视觉新手，线性代数基础薄弱，现有代码均来自在线教程，恳请易懂的解决方案。

现有代码 #

import numpy as np
import cv2

def rotate_image(image, angle):
    w, h = (image.shape[1], image.shape[0])
    cx, cy = (w//2,h//2)

    M = cv2.getRotationMatrix2D((cx,cy), -1*angle, 1.0)
    rotated = cv2.warpAffine(image, M, (w,h))
    return rotated

def translate_image(image, d_x, d_y):
    M = np.float32([
        [1,0,d_x],
        [0,1,d_y]
    ])
    
    return cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))

path = "dog.jpg"
image = cv2.imread(path)
angle = 30.0
d_x = 200
d_y = 300
rotated = rotate_image(image, angle)
translated = translate_image(rotated, d_x, d_y)

核心思路是不分开执行旋转和平移，而是将两个变换矩阵合并为一个，直接对原始图像做一次仿射变换，避免中间步骤丢失图像数据。同时调整变换矩阵的偏移量，让旋转后的图像中心对齐原始图像中心，再叠加平移量，最终在原始尺寸内保留全部内容。

完整实现代码 #

import numpy as np
import cv2

def rotate_and_translate(image, angle, d_x, d_y):
    h, w = image.shape[:2]
    cx, cy = w // 2, h // 2

    # 1. 生成基础旋转矩阵（仅旋转，无偏移）
    rotation_matrix = cv2.getRotationMatrix2D((cx, cy), -angle, 1.0)
    
    # 2. 计算旋转后图像的边界，确定补偿偏移量
    # 原始图像四个角的坐标
    corners = np.array([
        [0, 0],
        [w, 0],
        [w, h],
        [0, h]
    ], dtype=np.float32)
    # 得到旋转后的角坐标
    rotated_corners = cv2.transform(np.array([corners]), rotation_matrix)[0]
    
    # 计算旋转后图像的最小/最大边界值
    min_x, max_x = np.min(rotated_corners[:, 0]), np.max(rotated_corners[:, 0])
    min_y, max_y = np.min(rotated_corners[:, 1]), np.max(rotated_corners[:, 1])
    
    # 计算让旋转后图像中心对齐原始中心的偏移量
    offset_x = cx - (min_x + max_x) / 2
    offset_y = cy - (min_y + max_y) / 2
    
    # 3. 合并旋转补偿偏移与用户指定的平移量，修改旋转矩阵
    rotation_matrix[0, 2] += offset_x + d_x
    rotation_matrix[1, 2] += offset_y + d_y
    
    # 4. 执行仿射变换，空白区域填充白色
    transformed = cv2.warpAffine(image, rotation_matrix, (w, h), 
                                borderMode=cv2.BORDER_CONSTANT, 
                                borderValue=(255,255,255))
    return transformed

# 测试使用
path = "dog.jpg"
image = cv2.imread(path)
angle = 30.0
d_x = 200
d_y = 300
result = rotate_and_translate(image, angle, d_x, d_y)

# 保存或显示结果
cv2.imwrite("result.jpg", result)
cv2.imshow("Result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键逻辑解释 #

1. 合并变换矩阵：直接将旋转、旋转补偿偏移、用户平移量整合到一个矩阵中，仅执行一次warpAffine，避免中间步骤的裁剪。
2. 旋转补偿偏移：通过计算旋转后图像的边界，算出让旋转内容在原始尺寸内居中的偏移量，确保旋转后的内容不会被裁剪。
3. 边界填充：用borderMode参数指定空白区域的填充颜色（示例为白色），保证原始图像的所有内容都能保留在输出中。

原始代码裁剪原因说明 #

你之前的代码先执行旋转时，warpAffine使用原始尺寸，旋转后超出尺寸的边角直接被裁剪；再平移时，丢失的边角数据已经无法恢复。而合并矩阵后直接操作原始图像，所有像素都参与变换，就能完整保留图像内容。

内容的提问来源于stack exchange，提问作者harke