### 实现基于双线性插值法的图像旋转 在 Python 中，可以通过 NumPy 和 PIL 库实现基于双线性插值法的图像旋转。以下是具体的实现方式： #### 主要逻辑说明 1. **输入参数**：接收一张图像以及指定的旋转角度。 2. **构建变换矩阵**：根据给定的角度创建旋转变换矩阵。 3. **逆映射计算**：为了避免空白像素问题，通常采用逆向映射的方式，即将目标图像中的每一个像素点映射回源图像的位置[^4]。 4. **双线性插值**：对于逆映射后的浮点坐标，利用双线性插值法获取对应的像素值[^1]。 #### 代码实现 以下是一个完整的 Python 脚本示例，用于实现基于双线性插值法的图像旋转功能： ```python import numpy as np from PIL import Image def bilinear_interpolate(image, x, y): """ 使用双线性插值法获取 (x,y) 坐标的像素值 :param image: 输入图像数组 :param x: 浮点型横坐标 :param y: 浮点型纵坐标 :return: 插值得到的像素值 """ height, width = image.shape[:2] # 获取四个临近整数坐标 x0 = int(np.floor(x)) x1 = min(x0 + 1, width - 1) y0 = int(np.floor(y)) y1 = min(y0 + 1, height - 1) # 计算权重 wa = (x1 - x) * (y1 - y) wb = (x1 - x) * (y - y0) wc = (x - x0) * (y1 - y) wd = (x - x0) * (y - y0) # 双线性插值 a = image[y0, x0] b = image[y1, x0] c = image[y0, x1] d = image[y1, x1] pixel_value = wa * a + wb * b + wc * c + wd * d return pixel_value.astype(np.uint8) def rotate_image_bilinear(input_image, angle): """ 对图像进行旋转并使用双线性插值填充像素值 :param input_image: 输入图像对象 :param angle: 旋转角度（顺时针） :return: 旋转后的图像 """ # 将PIL图像转换为NumPy数组 img_array = np.array(input_image.convert('RGB')) h, w = img_array.shape[:2] # 创建新的画布以适应旋转后的图像 diagonal = int(np.sqrt(h**2 + w**2)) # 新尺寸应至少等于原始图像对角线长度 new_img = np.zeros((diagonal, diagonal, 3), dtype=np.uint8) # 计算偏移量使新图像居中 offset_x = (diagonal - w) // 2 offset_y = (diagonal - h) // 2 # 构建旋转矩阵 theta = np.radians(angle) cos_theta = np.cos(theta) sin_theta = np.sin(theta) # 遍历新图像的每个像素 for i in range(diagonal): for j in range(diagonal): # 进行逆向映射 x_new = i - offset_x y_new = j - offset_y x_old = x_new * cos_theta + y_new * sin_theta y_old = -x_new * sin_theta + y_new * cos_theta # 判断是否落在原图范围内 if 0 <= x_old < w and 0 <= y_old < h: new_img[j, i] = bilinear_interpolate(img_array, x_old, y_old) return Image.fromarray(new_img) if __name__ == "__main__": # 打开测试图像 original_image = Image.open("test.jpg") # 设置旋转角度 rotation_angle = 45 # 调用旋转函数 rotated_image = rotate_image_bilinear(original_image, rotation_angle) # 显示结果 rotated_image.show() ``` --- #### 关键技术细节解析 1. **逆向映射原理**： - 正向映射可能导致某些像素未被覆盖，从而形成黑色区域。因此采用了逆向映射方法，确保目标图像中的每一像素都能找到对应于源图像的有效位置。 2. **边界条件处理**： - 在执行 `bilinear_interpolate` 函数前，需验证 `(x_old, y_old)` 是否位于有效区域内。超出边界的点直接赋零值或跳过处理。 3. **性能优化建议**： - 自己编写的双线性插值较 OpenCV 的内置方法效率低得多。如果追求更高性能，可考虑调用 OpenCV 提供的相关接口[^3]。 --- ###