图像旋转30度后，边界框旋转矩阵计算结果异常求助

首先咱们先拆解下你代码里的核心问题：

• 你只取了边界框的x、y极值组成两个点，但旋转边界框需要用到四个顶点才能准确计算外接矩形；
• 旋转操作默认围绕坐标原点(0,0)进行，但图像旋转通常是围绕图像中心，所以需要先把坐标平移到以图像中心为原点的坐标系，旋转后再平移回去；
• 旋转完成后，你需要重新计算四个顶点的外接矩形，才能得到新的边界框[xmin, ymin, xmax, ymax]

接下来给你一步步的正确实现方案：

步骤1：明确必要参数 #

首先你需要知道图像的实际宽高（W, H），因为旋转中心是图像的中心(cx, cy) = (W/2, H/2)。下面示例中我假设图像宽400、高500，你可以替换成自己的实际尺寸。

步骤2：完整实现代码 #

import numpy as np

# 1. 定义基础参数
xmin, ymin, xmax, ymax = 101, 27, 270, 388
# 替换为你的图像实际宽高
img_width, img_height = 400, 500
rotate_angle = 30  # 旋转角度（逆时针为正，顺时针则设为-30）

# 2. 计算旋转中心
cx, cy = img_width / 2, img_height / 2

# 3. 提取边界框的四个顶点：左上、右上、右下、左下
points = np.array([
    [xmin, ymin],
    [xmax, ymin],
    [xmax, ymax],
    [xmin, ymax]
])

# 4. 执行旋转操作：平移到原点 → 旋转 → 平移回原坐标系
theta = np.radians(rotate_angle)
c, s = np.cos(theta), np.sin(theta)
# 标准旋转矩阵
rot_mat = np.array([[c, -s], [s, c]])

# 先将所有点平移到以图像中心为原点的坐标系
points_translated = points - np.array([cx, cy])
# 对平移后的点应用旋转（点是行向量，所以用旋转矩阵的转置做乘法）
points_rotated = np.dot(points_translated, rot_mat.T)
# 平移回原坐标系
points_rotated += np.array([cx, cy])

# 5. 计算旋转后的边界框：取所有顶点的x、y极值
new_xmin = np.min(points_rotated[:, 0])
new_ymin = np.min(points_rotated[:, 1])
new_xmax = np.max(points_rotated[:, 0])
new_ymax = np.max(points_rotated[:, 1])

print(f"旋转后的边界框：[{new_xmin:.2f}, {new_ymin:.2f}, {new_xmax:.2f}, {new_ymax:.2f}]")

关键细节说明 #

• 旋转矩阵的转置：因为我们的点是行向量格式（每个点是[x,y]），所以需要用点矩阵 × 旋转矩阵的转置来完成正确的坐标变换；如果点是列向量，则用旋转矩阵 × 点矩阵，两种方式结果一致；
• 旋转中心的灵活调整：如果你的需求是围绕边界框中心旋转，只需要把旋转中心换成((xmin+xmax)/2, (ymin+ymax)/2)即可；
• 图像y轴方向：图像的y轴通常向下，而数学坐标系y轴向上，但因为我们是围绕中心旋转，这个方向差异不会影响最终边界框的计算结果。

内容的提问来源于stack exchange，提问作者Darlyn