处理图片数据的时候遇到要旋转图片的需求，记录一下解决方案。
- 利用PIL和torchvision.transforms.functional
from PIL import Image
import torchvision.transforms.functional as TFimage = Image.fromarray(np.uint8(point_set))
image = TF.rotate(image, 45)
pts = np.asarray(image)
输入图片矩阵，将其转换格式，旋转，再将格式转化为矩阵即可得到旋转后的图片矩阵。
- 手写一个
我现在有一个10*10的斜线图片矩阵：
[[1. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 1. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 1. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 1. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 1. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 1. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 1. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 1. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]]
【日常小技巧|任意角度旋转图片（python)】如果用方法1来解决的话，当我逆时针旋转45度，得到的结果为：
[[0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0]
[0 1 0 0 0 1 0 0 1 0]
[0 1 0 0 0 1 0 0 1 0]
[0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0]
[0 0 0 0 0 0 0 0 0 0]]
可以发现，由于旋转后的线应该位于4.5行（从0开始算），方法1间断地给4、5行赋值，当图片比较大的时候，这就能呈现出一个模糊的线的效果，然而当矩阵比较小的时候，就会变成间断的点。而在我的需求中，我对位置的精确度没有非常的敏感，但我希望每个被赋值的点都能尽可能的被投射到新的矩阵里，所以只能根据自己的需求手写一个：
def rotate_pic(pic, an):
''' pic: 2d array '''
pt0 = [(pic.shape[0]-1)/2, (pic.shape[1]-1)/2]
pic_rotate = np.zeros((pic.shape[0], pic.shape[1]))
for x in range(pic.shape[0]):
for y in range(pic.shape[1]):
if pic[x][y]>0:
srx = round((x - pt0[0]) * math.cos(an) - (y - pt0[1]) * math.sin(an) + pt0[0])
sry = round((x - pt0[0]) * math.sin(an) + (y - pt0[1]) * math.cos(an) + pt0[1])
if 0<=srx这个旋转函数提供的是逆时针旋转，如果想顺时针的话，可以更改一下srx,sry的计算：
srx = (x - pt0[0])*math.cos(an) + (y - pt0[1])*math.sin(an)+pt0[0]sry = (y - pt0[1])*math.cos(an) - (x - pt0[0])*math.sin(an)+pt0[1]
最后得到的结果为：
[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[1. 1. 1. 0. 1. 1. 0. 1. 1. 1.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
可以发现，由于使用了四舍五入，线上移了0.5行，但点尽可能多的被保留了下来，符合我的要求。
推荐阅读
- 日常小技巧|已知点坐标，求夹角大小（0-360度）（python）
- 日常小技巧|关于sort函数中的cmp参数的笔记（C++）
- Python|用Python去除扫描型PDF中的水印
- Python数据可视化|Python数据可视化之随机漫步
- 自学python|数据可视化_模拟随机漫步
- python|numpy刷题——02
- 钉钉自动打卡
- Python|APP开发用什么框架最好（这5大框架，开发者必备神器）
- 人工智能+大数据|特征工程（特征预处理(无量纲化处理)）