如何对2D矩形进行旋转、平移与缩放？（Python实现）

以下是针对需求优化后的完整代码，结合numpy的矩阵运算实现高效且简洁的坐标变换：

import matplotlib.pyplot as plt
import numpy as np

# 原始矩形坐标点（最后一个点与第一个点重合，用于绘图闭合）
original_points = np.array([
    [2, 1],
    [8, 1],
    [8, 4],
    [2, 4],
    [2, 1]
])

# 1. 按比例缩放（缩放因子2）
scale_factor = 2
scaled_points = original_points * scale_factor

# 2. 平移（X方向+1，Y方向+10）
translation = np.array([1, 10])
translated_points = scaled_points + translation

# 3. 顺时针旋转指定角度（示例：绕矩形自身中心旋转30度）
def rotate_points(points, angle_deg):
    # 将角度转换为弧度
    angle_rad = np.radians(angle_deg)
    # 顺时针旋转矩阵
    rot_matrix = np.array([
        [np.cos(angle_rad), np.sin(angle_rad)],
        [-np.sin(angle_rad), np.cos(angle_rad)]
    ])
    # 提取核心坐标点（排除最后一个重复的闭合点）
    core_points = points[:-1]
    # 计算矩形中心坐标
    center = np.mean(core_points, axis=0)
    # 三步旋转操作：平移到原点→旋转→平移回原中心
    rotated_core = (core_points - center) @ rot_matrix + center
    # 拼接闭合点，保持图形完整性
    rotated_points = np.vstack([rotated_core, rotated_core[0]])
    return rotated_points

rotated_points = rotate_points(original_points, 30)

# 绘图展示所有变换效果
plt.figure(figsize=(10, 8))
plt.plot(original_points[:, 0], original_points[:, 1], label='原始矩形', linestyle='-', color='blue')
plt.plot(scaled_points[:, 0], scaled_points[:, 1], label='缩放后', linestyle='--', color='green')
plt.plot(translated_points[:, 0], translated_points[:, 1], label='平移后', linestyle='-.', color='orange')
plt.plot(rotated_points[:, 0], rotated_points[:, 1], label='顺时针旋转30度后', linestyle=':', color='red')

plt.xlabel('X坐标')
plt.ylabel('Y坐标')
plt.title('2D矩形坐标变换效果')
plt.legend()
plt.grid(True)
plt.axis('equal')  # 保持坐标轴比例一致，避免图形变形
plt.show()

关键优化与原理说明 #

1. 坐标存储优化 #

将分散的x、y列表合并为numpy二维数组，每个点对应数组的一行，x、y为两列。这种结构能利用numpy的广播机制，一次性对所有点执行变换，避免逐个修改元素的冗余操作。

2. 缩放的正确实现 #

原代码手动修改部分点坐标会导致矩形变形，正确做法是对所有点的x、y同时乘以缩放因子：

scaled_points = original_points * scale_factor

numpy会自动对数组内每个元素执行乘法，无需循环或逐个修改。

3. 平移的优雅实现 #

利用numpy广播特性，直接给所有点加上平移向量即可：

translated_points = scaled_points + translation

相比列表推导，这种写法更简洁高效，尤其适合大量坐标点的场景。

4. 顺时针旋转的核心逻辑 #

旋转的关键是旋转矩阵和旋转中心：

• 顺时针旋转α度的旋转矩阵为：

  [cosα   sinα]
  [-sinα  cosα]
  

• 若直接绕原点旋转，矩形会偏离原位置，通常选择绕自身中心旋转，步骤为：
  1. 将所有点平移到原点（减去矩形中心坐标）
  2. 用旋转矩阵执行旋转
  3. 将旋转后的点平移回原中心位置

封装的rotate_points函数自动处理上述流程，同时保留了矩形的闭合点，确保绘图时图形完整。

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