提问人：Cary H 提问时间：8/4/2020 最后编辑：Cary H 更新时间：6/17/2021 访问量：958
如何消除 OpenCV WarpAffine 旋转中的黑色像素行
How to eliminate row of black pixels from OpenCV WarpAffine rotation
问：
我使用 cv2.warpAffine（） 将 3 张图像旋转 180 度，然后用 cv2.hconcat（） 水平连接它们。这是在图像之间添加一个 1 像素宽的黑色列，但 img.shape 中的图像宽度是正确的。如果我不旋转它们，图像看起来不错，没有黑色列。所有 3 张图像均为 1920 宽 x 1200 高。
如何消除黑柱？它类似于 - warpAffine
这不会发生在 Scipy 身上。注释掉的代码 （ndimage.rotate（）） 是我用 Scipy 解决它的方式 - 从这里开始。Scipy 代码较慢，我有数千张图像。
编辑
一分钟后，我现在使用 numpy 将矩阵旋转 90 度两次。来自 numpy.rot90（） 这似乎更快。它也在下面的注释代码中。对于非 90 度角，我将坚持使用 opencv 的 warpAffine。
import cv2
import numpy as np
from scipy import ndimage
def rotate_image(mat, angle):
""" Rotates an image (angle in degrees) and expands image to avoid cropping
"""
height, width = mat.shape[:2] # image shape has 3 dimensions
image_center = (width/2, height/2) # getRotationMatrix2D needs coordinates in reverse order (width, height) compared to shape
rotation_mat = cv2.getRotationMatrix2D(image_center, angle, 1.0000)
# rotation calculates the cos and sin, taking absolutes of those.
abs_cos = abs(rotation_mat[0,0])
abs_sin = abs(rotation_mat[0,1])
# find the new width and height bounds
bound_w = int(height * abs_sin + width * abs_cos)
bound_h = int(height * abs_cos + width * abs_sin)
# find the new width and height bounds
bound_w = int(height * abs_sin + width * abs_cos)
bound_h = int(height * abs_cos + width * abs_sin)
print(f'Bounds w = {bound_w} Bound H = {bound_h}')
# subtract old image center (bringing image back to original) and adding the new image center coordinates
rotation_mat[0, 2] += bound_w/2 - image_center[0]
rotation_mat[1, 2] += bound_h/2 - image_center[1]
# rotate image with the new bounds and translated rotation matrix
rotated_mat = cv2.warpAffine(mat, rotation_mat, (bound_w, bound_h))
return rotated_mat
left_img = cv2.imread(r"F:\Basler\1595525164.242553_l.tiff",0)
cent_img = cv2.imread(r"F:\Basler\1595525164.242553_c.tiff",0)
rigt_img = cv2.imread(r"F:\Basler\1595525164.242553_r.tiff",0)
print(f'Shape = {rigt_img.shape} is {len(rigt_img.shape)}')
angle = 180
left_rot = rotate_image(left_img, angle)
cent_rot = rotate_image(cent_img, angle)
rigt_rot = rotate_image(cent_img, angle)
'''
left_rot = ndimage.rotate(left_img, angle)
cent_rot = ndimage.rotate(cent_img, angle)
rigt_rot = ndimage.rotate(rigt_img, angle)
THIS SEEMS THE FASTEST
left_rot = np.rot90(left_img,2)
cent_rot = np.rot90(cent_img,2)
rigt_rot = np.rot90(rigt_img,2)
'''
#lane_img = np.concatenate((left_rot, cent_rot, rigt_rot), axis=1)
lane_img = cv2.hconcat([left_rot, cent_rot, rigt_rot])
print(f'Size = {lane_img.shape}')
cv2.imwrite(r'C:\Users\Cary\Desktop\Junk\lane1.tiff', lane_img)
答：
0赞
dpetrini
8/4/2020
#1
可以通过在旋转之前使用 copyMakeBorder 在图像的每一侧添加一条额外的线来删除该行：
after_mat = cv2.copyMakeBorder(
mat,
top=1,
bottom=1,
left=1,
right=1,
borderType=cv2.BORDER_REFLECT
)
# rotate image with the new bounds and translated rotation matrix
rotated_mat = cv2.warpAffine(after_mat, rotation_mat, (bound_w, bound_h))
我不知道额外行的原因（也许是由于旋转而引起的偏移？），但上面的代码可以抑制它，希望没有副作用。
评论
0赞
Cary H
6/19/2021
这可能有效，但我认为@aerobiomat有正确的旋转方式。
1赞
aerobiomat
6/17/2021
#2
对于 90 度的倍数旋转，使用 numpy.rot90（） 或 numpy.flip（） 总是更快、更安全。
然而，该函数在许多图像旋转配方中都存在一个常见的错误。rotate_image()
问题在于图像中心的计算。想象一下 3 列乘以 2 行的小图像。您的代码使用：
>>> rows = 2
>>> cols = 3
>>> cols/2, rows/2
(1.5, 1.0)
但是列是 （0， 1， 2），所以中心列必须是 1，行是 （0， 1），所以中心“行”必须是 0.5：
>>> (cols-1)/2, (rows-1)/2
(1.0, 0.5)
在以下图像上使用原始代码：
>>> rows, cols = 10, 15
>>> left_img = np.full((rows, cols), 200, dtype=np.uint8)
>>> cent_img = np.full((rows, cols), 150, dtype=np.uint8)
>>> rigt_img = np.full((rows, cols), 100, dtype=np.uint8)
您将获得：
这是您的代码，使用正确的中心计算进行了更新：
def rotate_image(mat, angle):
height, width = mat.shape[:2]
image_center = (width - 1) / 2, (height - 1) / 2 # <<<=========
rotation_mat = cv2.getRotationMatrix2D(image_center, angle, 1.0000)
abs_cos = abs(rotation_mat[0, 0])
abs_sin = abs(rotation_mat[0, 1])
bound_w = int(height * abs_sin + width * abs_cos)
bound_h = int(height * abs_cos + width * abs_sin)
new_center = (bound_w - 1) / 2, (bound_h - 1) / 2 # <<<=========
rotation_mat[0, 2] += new_center[0] - image_center[0]
rotation_mat[1, 2] += new_center[1] - image_center[1]
rotated_mat = cv2.warpAffine(mat, rotation_mat, (bound_w, bound_h))
return rotated_mat
应用于相同的图像，现在您将获得：
当角度不是 90 度的倍数时，这个问题在大图像中不太明显，但问题仍然存在。以下是旋转 45 度的原始代码示例：
使用适当的中心计算，相对的角实际上是对称的：
评论