做图像处理的人迟早都会碰到这个需求：把一张图绕某个点转个角度，可能还要顺手缩放下。OpenCV 里warpAffine配合getRotationMatrix2D确实能旋转，但新手用下来基本都会发现两个恼人的问题——默认绕图像中心转，而且输出图像尺寸不变，转完边角全被切没了。这几年我用 C++ 和 OpenCV 做过不少图像增强和标注工具，在“绕任意中心、任意缩放尺度旋转”这个看似简单的需求上踩过不少坑，也整理出了一套稳定可用的写法，今天把它完整拆开讲清楚，代码可以直接抄。
1. 旋转的核心原理与坐标变换
1.1 仿射变换背后的数学
图像的旋转、缩放、平移，在几何上都属于仿射变换（Affine Transformation）。它可以用一个 2x3 矩阵表示，原理是线性变换加平移：
[ \begin{bmatrix} x' \ y' \end{bmatrix}
\begin{bmatrix} a_{11} & a_{12} & t_{13} \ a_{21} & a_{22} & t_{23} \end{bmatrix} \begin{bmatrix} x \ y \ 1 \end{bmatrix} ]
这个矩阵把原图像的每个坐标映射到新坐标。对纯旋转角度 (\theta) 来说，线性部分就是标准的旋转矩阵：
[ R = \begin{bmatrix} \cos\theta & -\sin\theta \ \sin\theta & \cos\theta \end{bmatrix} ]
但这里有个关键点：二维旋转矩阵默认绕坐标系原点旋转。而图像的像素坐标原点在左上角，中心点并不在原点上。所以如果直接左乘旋转矩阵，你会发现图像不是“原地转”，而是绕左上角甩出去了。想要绕任意中心点旋转，必须先把中心点平移到原点，做旋转，再平移回去。
这个“平移-旋转-平移”的复合过程，最终可以合并成一个 2x3 仿射矩阵。公式如下，其中 ((cx, cy)) 是旋转中心，(\theta) 是旋转角度，单位是弧度，OpenCV 里角度与弧度的换算关系是angle * CV_PI / 180.0：
[ M = \begin{bmatrix} \alpha & \beta & (1 - \alpha) \cdot cx - \beta \cdot cy \ -\beta & \alpha & \beta \cdot cx + (1 - \alpha) \cdot cy \end{bmatrix} ]
其中 (\alpha = \cos\theta)，(\beta = \sin\theta)。这个矩阵同时包含了绕任意中心旋转和因为中心位置带来的位移。
1.2 从旋转矩阵到OpenCV的API
OpenCV 里有一个非常方便的函数getRotationMatrix2D(center, angle, scale)，它做的就是上面这件事，直接返回一个 2x3 的Mat变换矩阵。参数分别是旋转中心坐标、旋转角度（度数，逆时针为正）、缩放比例。
cv::Mat M = cv::getRotationMatrix2D(cv::Point2f(cx, cy), angle, scale);拿到矩阵后，再用cv::warpAffine对图像做映射：
cv::Mat rotated; cv::warpAffine(src, rotated, M, cv::Size(new_width, new_height), cv::INTER_LINEAR, cv::BORDER_CONSTANT, cv::Scalar(0, 0, 0));说实话，很多人用这两个函数做旋转时容易产生几个误解：
- 第一个误解是认为
getRotationMatrix2D自动帮你处理输出尺寸，其实它只负责矩阵，输出图像的大小由warpAffine的第四个参数dsize决定。 - 第二个误解是认为旋转后图像会自动变大以容纳所有内容，但默认你如果不改
dsize，OpenCV 就按原图尺寸输出，四个角必然被裁剪。 - 第三个误解是“绕任意中心”只要改 center 参数就行，其实还需要同步调整输出图像的平移量，否则旋转中心对应的像素在目标图像中的位置会偏离预期。
所以要实现“绕任意中心、任意缩放尺度旋转”且不让内容丢失，核心工作有两件：一是正确构造包含缩放和平移的仿射矩阵，二是精确计算旋转后的目标画布尺寸以及矩阵中的位移项。
2. 设计一个通用旋转函数的完整思路
2.1 先理清需求：绕任意中心、任意缩放、输出怎么处理
在动手写代码前，我建议先把需求掰开揉碎。所谓“绕任意中心”，意思是旋转轴心可以是图像内的某个点（比如目标框的中心），也可以是图像外的点（比如整幅图绕某个屏幕坐标旋转）。所谓“任意缩放尺度”，就是在旋转的同时乘以一个 scale 因子，比如放大 1.5 倍或缩小到 0.8。
但还有一个更需要提前确认的问题：旋转后输出图像的尺寸怎么办？常见需求有三类：
- 输出尺寸保持原图大小：优点是代码写起来最简单，缺点是旋转后边角被裁掉，适用于旋转角度很小时可以接受边缘损失。
- 输出尺寸刚好容纳旋转后的完整图像：这是最通用的做法，也就是“外接矩形”尺寸，不会丢内容。
- 输出尺寸固定为某个自定义大小：比如做视频或批量数据处理时，所有帧必须保持某固定分辨率，这时就需要配合平移量把旋转结果放到画布合适位置。
本文主要实现第二种，也是绝大多数场景下最实用的方案：旋转后完整显示全部图像。在此基础上，给函数一个expand_output参数，允许你选择是否扩展画布；如果选择不扩展，则保持原图尺寸，方便对比两种不同行为。
2.2 构造变换矩阵：getRotationMatrix2D与手工构造
明确了需求后，我们就可以确定变换矩阵的形式了。getRotationMatrix2D能生成绕任意中心旋转并缩放的矩阵，但它生成的矩阵中，位移项默认假设输出图像坐标系和输入图像坐标系一致。也就是说，当旋转中心不在图像中心时，旋转后旋转中心在输出图中的位置，会直接由输入图像坐标映射过来。
如果你的新画布尺寸变了，或者在旋转后想让旋转中心正好落在新画布的中心，那就不能直接使用getRotationMatrix2D返回的矩阵，而应在它的基础上修改位移项。
修改的方法很简单：对矩阵做一次“坐标偏移叠加”。把旋转中心从 ( (cx, cy) ) 映射到输出图像中期望的位置 ( (target_x, target_y) )，则矩阵位移部分需要加上：
[ \Delta x = target_x - ( \alpha \cdot cx - \beta \cdot cy + t_x ) ] [ \Delta y = target_y - ( \beta \cdot cx + \alpha \cdot cy + t_y ) ]
我后来写代码时会更倾向于手工构造矩阵，逻辑上更清晰，也方便统一处理缩放和平移。
2.3 关键一步：计算旋转后画布的尺寸与偏移
“旋转后画布尺寸”的计算，本质上是在求原图四角经过旋转映射后的新坐标外接矩形。我们先把原图的四个角点 ((0,0))、((w,0))、((0,h))、((w,h)) 分别用旋转矩阵变换，得到四个新点，然后取横坐标最小值和最大值、纵坐标最小值和最大值，确定外接矩形的宽度和高度。
直接给出便于实现的简化计算方式。设原图宽高为 (w, h)，旋转中心为 ((cx, cy))，缩放比例为 (s)，旋转角度的正弦和余弦分别为 (sin\theta, cos\theta)（注意 OpenCV 中正角度是逆时针）。可以用以下方式计算旋转后外接矩形尺寸：
double alpha = scale * cos(angle * CV_PI / 180.0); double beta = scale * sin(angle * CV_PI / 180.0); // 计算原图四个角点相对旋转中心的坐标旋转后的位置 double corners[4][2] = { { -cx, -cy }, { w - cx, -cy }, { -cx, h - cy }, { w - cx, h - cy } }; double min_x = DBL_MAX, min_y = DBL_MAX, max_x = -DBL_MAX, max_y = -DBL_MAX; for (int i = 0; i < 4; i++) { double x = corners[i][0]; double y = corners[i][1]; double new_x = alpha * x - beta * y; double new_y = beta * x + alpha * y; min_x = std::min(min_x, new_x); max_x = std::max(max_x, new_x); min_y = std::min(min_y, new_y); max_y = std::max(max_y, new_y); } int new_w = (int)(max_x - min_x + 0.5); int new_h = (int)(max_y - min_y + 0.5);这里的核心思想是：把坐标原点先平移到旋转中心，旋转缩放后得到相对于旋转中心的新坐标，再统计外接矩形。得到外接矩形的范围之后，为了不让旋转后的图像跑到新画布外，我们需要把整个结果平移到正坐标区域，也就是在最终变换矩阵上加上偏移 ((-min_x, -min_y))。
于是最终的变换矩阵可以这样构造：
cv::Mat M(2, 3, CV_64F); M.at<double>(0, 0) = alpha; M.at<double>(0, 1) = beta; M.at<double>(0, 2) = (1 - alpha) * cx - beta * cy + (-min_x); M.at<double>(1, 0) = -beta; M.at<double>(1, 1) = alpha; M.at<double>(1, 2) = beta * cx + (1 - alpha) * cy + (-min_y);如果你并不想扩展画布、保持原图尺寸，只需要把new_w, new_h都换成原图的宽高，并且不加(-min_x, -min_y)偏移，或者只做微小调整。这样理解起来非常直观：输出尺寸决定了画布大小，矩阵平移量决定了旋转结果落在画布的什么位置。
3. C++实现：可直接用的代码
3.1 代码结构与函数签名
我习惯把这个功能封装成一个独立函数，输入原图、旋转中心、旋转角度、缩放比例，以及一个控制是否扩展画布的布尔开关，输出旋转后的图像。函数声明如下：
cv::Mat rotateImage(const cv::Mat& src, cv::Point2f center, double angle, double scale, bool expand_output = true, int border_value = 0);参数说明：
src：输入图像，单通道或多通道均可，最好是 CV_8UC1 或 CV_8UC3。center：旋转中心，类型是cv::Point2f，可以指定图像内任意坐标。angle：旋转角度，单位是度，逆时针为正。scale：缩放尺度，大于 1 表示放大，小于 1 表示缩小，等于 1 表示不缩放。expand_output：为 true 时输出尺寸使用旋转后的外接矩形，为 false 时输出尺寸保持原图大小。border_value：边界填充像素值，默认黑色，也可以根据需求改成其他颜色。
3.2 完整实现及注释
下面是一个可编译运行的完整实现，我加上了详细注释，方便你直接拷贝到项目中使用。
#include <opencv2/opencv.hpp> #include <cmath> #include <vector> #include <algorithm> cv::Mat rotateImage(const cv::Mat& src, cv::Point2f center, double angle, double scale, bool expand_output = true, int border_value = 0) { // 如果输入为空，直接返回空Mat if (src.empty()) { return cv::Mat(); } int w = src.cols; int h = src.rows; // 角度转换为弧度，并计算旋转缩放的alpha、beta double radian = angle * CV_PI / 180.0; double alpha = scale * std::cos(radian); double beta = scale * std::sin(radian); // 原图四个角点相对旋转中心的坐标 std::vector<cv::Point2d> corners = { cv::Point2d(-center.x, -center.y), cv::Point2d(w - center.x, -center.y), cv::Point2d(-center.x, h - center.y), cv::Point2d(w - center.x, h - center.y) }; // 旋转缩放后四个角点的新坐标 std::vector<cv::Point2d> transformed(4); for (int i = 0; i < 4; i++) { transformed[i].x = alpha * corners[i].x - beta * corners[i].y; transformed[i].y = beta * corners[i].x + alpha * corners[i].y; } // 计算外接矩形 double min_x = DBL_MAX, min_y = DBL_MAX; double max_x = -DBL_MAX, max_y = -DBL_MAX; for (int i = 0; i < 4; i++) { min_x = std::min(min_x, transformed[i].x); min_y = std::min(min_y, transformed[i].y); max_x = std::max(max_x, transformed[i].x); max_y = std::max(max_y, transformed[i].y); } int out_w, out_h; double offset_x = 0.0, offset_y = 0.0; if (expand_output) { out_w = (int)(max_x - min_x + 0.5); out_h = (int)(max_y - min_y + 0.5); offset_x = -min_x; offset_y = -min_y; } else { out_w = w; out_h = h; // 不扩画布时，我们可以让旋转中心尽量保持在原中心附近 // 但如果你希望严格按原图坐标系，可以在这里设置offset_x=0, offset_y=0 // 这里使用偏移量为0，保持左上角坐标系不变 } // 构造仿射变换矩阵(2x3) cv::Mat M(2, 3, CV_64F); M.at<double>(0, 0) = alpha; M.at<double>(0, 1) = beta; M.at<double>(0, 2) = (1.0 - alpha) * center.x - beta * center.y + offset_x; M.at<double>(1, 0) = -beta; M.at<double>(1, 1) = alpha; M.at<double>(1, 2) = beta * center.x + (1.0 - alpha) * center.y + offset_y; // 执行仿射变换 cv::Mat result; cv::warpAffine(src, result, M, cv::Size(out_w, out_h), cv::INTER_LINEAR, cv::BORDER_CONSTANT, cv::Scalar(border_value, border_value, border_value)); return result; }你说这个函数里expand_output = false时 offset 为 0，旋转中心还会是原来的中心吗？答案是：如果你绕图像中心旋转，不扩画布，offset 为 0 时旋转中心确实会映射到原中心位置；但如果你绕任意点旋转，旋转中心在新图像中的坐标会发生变化，所以不一定落在你视觉期望的位置。这个行为可以按需调整，如果想让旋转中心在输出图中保持某个固定位置，就把offset_x、offset_y改成对这个目标位置的计算结果，公式我在上文已经给出。
3.3 使用示例与效果说明
假设你有一张 800x600 的图片，想绕点(200, 300)旋转 30 度，并且同时放大 1.2 倍，代码写入方式如下：
cv::Mat src = cv::imread("demo.jpg"); if (!src.empty()) { cv::Mat dst = rotateImage(src, cv::Point2f(200, 300), 30.0, 1.2, true); cv::imshow("rotated", dst); cv::waitKey(0); }expand_output为 true 时，输出图像会自动包含旋转后的所有像素，黑边区域出现在原图四角原来所在的周围；为 false 时则保持原图大小，边角会被截断。这两种模式在日常项目里都有用，做目标检测数据增强时我更喜欢用扩展模式，因为图像内容不会无谓丢失；做视频帧旋转时则常用非扩展模式，保持固定分辨率。
4. 实操中常见的问题与排查
4.1 旋转后图像出现黑边怎么办
这是最常见的问题。黑边不是 bug，而是因为旋转后原图四角区域在新画布中没有对应像素，填充值默认是黑色。如果你不想要黑边，有几种处理办法：
直接更改填充值。把上面函数里的border_value改成 255（针对灰度图）或cv::Scalar(255,255,255)（针对彩色图）就能变成白边。更通用一点的做法是使用cv::BORDER_REPLICATE边界模式，让边缘像素向外延伸，但注意这会带来边缘内容的拉伸，肉眼看起来会有点奇怪。我做图像可视化时喜欢用半透明或者纯色填充，做深度学习数据增强时则直接保留黑边，因为很多网络训练时对黑色填充并不敏感。
另一个隐藏问题是黑边区域参与后续计算。如果你旋转后还要做图像拼接、目标检测，黑边会被当成真实内容，影响结果。我通常会在旋转函数的返回值之外，顺便返回变换矩阵和实际有效区域的 mask，方便后续处理。这里不展开，但值得留意。
4.2 坐标映射错位：从旋转图反推原图对应点
旋转图像本身不难，难的是旋转图像后，你原来标注的框、点、多边形要怎么跟着转。很多人会掉进一个坑：直接拿旋转矩阵去乘原图坐标，却忘了矩阵里包含了缩放和平移，输出画布尺寸又变了，结果坐标全飘了。
正确的反推方式需要保持矩阵一致性。假设你用rotateImage得到了矩阵M，原图上的点 (P) 旋转后的坐标 (P') 可以这样算：
cv::Point2f rotatePoint(const cv::Point2f& p, const cv::Mat& M) { double x = M.at<double>(0,0) * p.x + M.at<double>(0,1) * p.y + M.at<double>(0,2); double y = M.at<double>(1,0) * p.x + M.at<double>(1,1) * p.y + M.at<double>(1,2); return cv::Point2f((float)x, (float)y); }如果你想把旋转图上的坐标映射回原图，就需要求矩阵的逆仿射变换。OpenCV 提供了cv::invertAffineTransform来求 2x3 仿射矩阵的逆矩阵：
cv::Mat M_inv; cv::invertAffineTransform(M, M_inv);然后同样用两点式映射即可。我在做目标框旋转标注时，通常会把四个角点都用这个公式映射一遍，再重新计算旋转后的外接矩形作为新的标注框。注意如果旋转角度不是 90 度的整数倍，旋转后的外接矩形会比实际目标区域大很多，这种情况可以考虑保留旋转后的四边形标注，而不是强行用矩形。
4.3 插值方式的选择与性能
warpAffine的插值参数直接决定了旋转图像的清晰度和计算速度。我习惯用cv::INTER_LINEAR，也就是双线性插值，它在速度和画质之间最平衡。做缩小时，INTER_AREA像素区域插值效果明显更好，抗锯齿能力强；做放大时，INTER_CUBIC效果稍好但耗时明显增加。如果你在做实时视频处理，强烈建议用INTER_LINEAR或者更快的INTER_NEAREST，不要用INTER_CUBIC。
关于性能，还有一个很容易忽略的点：直接对整幅高分辨率图像做大角度旋转，内存开销和时间开销都不小。我踩过坑：处理 4000x3000 的图像时，一次warpAffine就耗时 200ms 左右。后来做优化时，我会先对图像做缩小预处理，再做旋转，最后再放大回来，如果任务是数据增强，缩放本身也是流程的一部分，反而省事不少。
另外要注意，OpenCV 的warpAffine是单线程的。多张图需要处理时，建议用多线程并行，每个线程独立处理一张图，不要指望对单张图的旋转操作会自动利用多核。CPU 核心多的时候，多线程带来的加速非常明显。
5. 一些值得记住的经验与扩展
5.1 我做数据增强时踩过的坑
我用这个旋转函数做过一个目标检测数据增强工具，最初没有计算外接矩形，只是简单调用getRotationMatrix2D然后原尺寸输出。结果发现训练样本里大量目标被切掉一半，模型 AP 直接掉了好几个点。后来改成扩展画布模式，并把标签坐标同步变换，效果就正常了。这里提醒所有做数据增强的朋友：旋转图像的同时一定要同步旋转标注框或关键点，否则增强后的数据就是脏数据。
第二个坑和旋转中心有关。我做行人检测增强时，希望所有样本都绕图像底部中心旋转，模拟摄像头视角变化。如果旋转中心设置成图像中心，旋转后行人就像在“点头”，而不是“倾倒”，视觉形态完全不对。所以在真实应用里，旋转中心不是一个随便填的数，它是你模拟物理过程的关键参数。这一点多花点时间想清楚，远比把函数调通更重要。
5.2 进一步扩展：旋转同时缩放的矩阵复用技巧
你已经看到了，旋转和缩放其实共用同一个仿射矩阵，scale 直接乘在 alpha、beta 上。这意味着你把旋转、缩放、平移三个操作并成了一次warpAffine调用，效率很高。
如果需要连续做多个角度旋转，不要反复调用这个函数，因为每次旋转都会引入一次插值误差，图像会越来越模糊。正确的做法是：在原始图像上生成最终的旋转矩阵，一次调用完成。比如你先绕中心旋转 10 度，再绕中心旋转 20 度，最终等价于绕中心旋转 30 度；如果是绕不同中心旋转，则需要先把两次矩阵合并成复合矩阵，再执行一次变换。矩阵乘法顺序要注意，新坐标 = M2 * (M1 * P)，所以复合矩阵 M = M2 * M1。OpenCV 里没有直接支持 2x3 矩阵相乘得到 2x3，可以先扩展成 3x3 乘完再删掉最后一行，或者用手写公式。这个小技巧在处理复杂仿射链时很实用。
最后再分享一个我自己总结的小经验：写旋转函数时，最好把变换矩阵、输出尺寸、有效区域范围一起返回，封装成一个结构体，而不是只返回一张图。因为后续做坐标标注、图像拼接、目标检测时，这些信息全都是刚需。项目早期省这几行代码，后面调试时往往要花几倍时间去补，实在不划算。
