1. 旋转和翻转，先看清楚它们不是同一类操作

很多初学者看到“图像旋转与翻转”这个标题，第一反应大概率是：旋转不就是rotate，翻转不就是flip，两行代码就搞定，有什么好讲的？但只要真正上手做过图像预处理，很快就会发现事情不太对——90度可以用rotate，180度也能用rotate，45度却只能老老实实走warpAffine；有人旋转出来的图片完整居中，有人转完四个角全部黑掉；同样一个flip，flipCode=0有人说是上下翻，有人说是左右翻，网上答案还吵成一团。前阵子我在某跨平台系统里做图像采集模块，因为没厘清旋转和翻转本质上是两类操作，白白折腾了一个下午。这篇就把这块基础重新捋一遍，顺带把参数细节和实战坑位都填上。

先说一个很多人没意识到的点：翻转是像素搬家，旋转是像素重采样。这两个操作在数学上完全不是一个量级。

图像在OpenCV里的坐标系很特殊，原点在左上角，x轴向右，y轴向下。像素访问是先row后col，也就是img[y, x]。所谓水平翻转，就是把第x列的像素搬到width - 1 - x列去：

dst[y][x] = src[y][width - 1 - x]

垂直翻转同理，把行号反过来：

dst[y][x] = src[height - 1 - y][x]

这类操作有一个非常关键的特点：输入像素和输出像素一一对应，没有产生任何新像素。翻转只是把原本的网格做了镜像映射，每个目标像素都能在原图中找到刚好落在整数网格上的来源，所以不需要做任何插值计算，速度快，结果也绝对锐利。

旋转就不一样了。任意角度的旋转，比如30度、45度，会把一个四边形网格转成倾斜的四边形。如果输出图像仍然保持原来的矩形画布，那么每一个输出像素的坐标，映射回原图时大概率会落在一个“网格之间”的位置上。比如目标像素(x', y')经过旋转矩阵逆变换后，得到原图坐标(3.2, 4.7)——请问这个位置的像素值是多少？原图里根本没有这个像素。

这个时候就必须做插值：取(3, 4)、(4, 4)、(3, 5)、(4, 5)四个相邻像素，按距离权重算出一个近似值。默认的双线性插值就是干这个的。

所以你可以这么理解：翻转像照镜子，镜子里的人不是你重新画的，只是你的像被左右颠倒了；旋转像你把一张照片钉在桌上，绕着钉子转一个角度，再沿着规则的网格重新描一遍——描出来的每个格子，都得靠原图附近几个像素“凑”出来。

这也是为什么rotate只能做90度的整数倍旋转。因为90度的整数倍旋转恰好把像素从一个整数网格映射到另一个整数网格，不需要插值，天然能保持画质。一旦角度变成30度、45度，就必须动用通用的仿射变换接口。理解了这一层，后面所有参数都不会再觉得是死记硬背了。

2. 任意角度旋转：getRotationMatrix2D与warpAffine的参数拆解

OpenCV里做任意角度旋转的主力是cv2.getRotationMatrix2D加cv2.warpAffine这对组合。先看接口：

import cv2 import numpy as np img = cv2.imread("sample.jpg") h, w = img.shape[:2] # 注意：shape[0]是高，shape[1]是宽 center = (w // 2, h // 2) # 旋转中心，单位是像素坐标(x, y) M = cv2.getRotationMatrix2D(center, 45, 1.0) rotated = cv2.warpAffine(img, M, (w, h))

getRotationMatrix2D接收三个参数：旋转中心center、旋转角度angle、缩放比例scale。它返回一个2×3的浮点矩阵，就是仿射变换矩阵：

[ alpha beta (1 - alpha) * center.x - beta * center.y ] [-beta alpha beta * center.x + (1 - alpha) * center.y ]

其中alpha = scale * cos(angle)，beta = scale * sin(angle)。注意这个矩阵第三列是平移项，前两列是旋转加缩放。warpAffine做的事情就是把这个矩阵作用到每一个像素坐标上。

这里有一个非常容易绕晕的方向问题：在OpenCV里，正角度代表逆时针旋转，还是顺时针？

从数学坐标系的习惯看，正角度通常对应逆时针。但图像坐标系y轴向下，所以很多人推导一遍之后反而糊涂了。实际上直接跑代码验证最快：拿一张文字图片，设angle = 45跑一下，你会发现内容是逆时针转的。OpenCV官方文档也是这么写的——positive values mean counter-clockwise rotation。如果你需要顺时针旋转，把角度传负值即可。这个结论建议记牢，因为网上很多老帖子在这块说过相反的话。

warpAffine的第四个参数dsize是输出图像的尺寸，形式是(width, height)，也就是先列后行。这一点踩坑率极高，因为几乎所有 OpenCV 函数里尺寸都是(width, height)，而numpy数组的shape是(height, width)。我会在第四部分专门展开讲。

flags参数默认是INTER_LINEAR，也就是双线性插值。图像缩小场景下可以考虑INTER_AREA，追求更高画质可以用INTER_CUBIC或INTER_LANCZOS4，代价是速度变慢。borderMode和borderValue控制的是边界外区域的处理方式，旋转的时候如果不去管它，默认会用黑色填充边缘，这也是很多人转完图四周黑乎乎一片的原因。

如果只是要一个“围绕图片中心旋转指定角度、输出尺寸保持原样”的效果，上面两行代码就够。但实际项目里常常有另一个需求：旋转后内容不能被裁剪，要在更大的画布上完整展示。

做法也很直接。旋转后整个图像的外接矩形宽高会变化：

new_w = int(width * abs(alpha) + height * abs(beta)) new_h = int(width * abs(beta) + height * abs(alpha))

注意这里直接用矩阵元素M[0,0]和M[0,1]的绝对值来计算，比用np.cos(np.radians(angle))再算一遍要稳得多，因为M里已经包含了scale的影响，而且M[0,0]本身就是alpha，M[0,1]就是beta，连角度单位都不用操心。

画布变大之后，旋转中心在输出图中的位置也要顺移，否则内容会偏到左上角或右下角。完整的写法长这样：

alpha = abs(M[0, 0]) beta = abs(M[0, 1]) new_w = int(w * alpha + h * beta) new_h = int(w * beta + h * alpha) M[0, 2] += (new_w - w) / 2.0 M[1, 2] += (new_h - h) / 2.0 rotated_full = cv2.warpAffine(img, M, (new_w, new_h), flags=cv2.INTER_LINEAR)

核心思路是：先按旋转后的外接矩形尺寸扩展画布，再通过修改矩阵第三列的平移项，把原本落在(w/2, h/2)的旋转中心，挪到新画布的中心(new_w/2, new_h/2)。这套调整我在后面封装完整工具函数时还会再出现一次，封装好之后，任意角度旋转且不裁切就是一个函数的事。

3. 90度旋转与翻转：flip、rotate和transpose组合的选型逻辑

任意角度旋转是getRotationMatrix2D的天下，但如果你只是想转90度或180度，再上warpAffine就有点杀鸡用牛刀了。此时cv2.rotate和cv2.flip是更合适的选择，速度更快，而且不会引入插值误差。

cv2.flip的签名是：

flipped = cv2.flip(src, flipCode)

flipCode就三个取值：0、正数、负数。我把三种模式整理成下面这张表，方便对照：

这里最容易混淆的就是flipCode=0到底算“上下翻”还是“左右翻”。我的记忆方法是：flipCode=0表示绕x轴翻转，而x轴在图像坐标系里就是水平方向那条轴，绕它翻转自然是上下颠倒；flipCode=1表示绕y轴翻转，自然是左右颠倒。如果你不想记轴，就直接记口诀——“0竖翻、1横翻、负一全翻”，我自己写代码时脑子里过的就是这句话。

cv2.rotate则是OpenCV 3.x之后提供的快捷接口，只能做90度倍数的旋转：

rot_90_cw = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE) rot_90_ccw = cv2.rotate(img, cv2.ROTATE_90_COUNTERCLOCKWISE) rot_180 = cv2.rotate(img, cv2.ROTATE_180)

ROTATE_90_CLOCKWISE和ROTATE_90_COUNTERCLOCKWISE是相反方向，这两个常量本身就是枚举值，直接看名字就能理解。有一点需要留意：旋转90度之后，输出图像的宽高会互换，这是符合直觉的，但如果你后面还要拼接、resize或者和其他尺寸的numpy矩阵做运算，就得提前把维度变化考虑进去。

除了rotate，老代码里还经常能看到一种“借道”实现90度旋转的组合：先用transpose转置，再用flip翻转。我举个例子：

# 逆时针旋转90度，等价于 cv2.ROTATE_90_COUNTERCLOCKWISE tmp = cv2.transpose(img) rotated = cv2.flip(tmp, 0) # 顺时针旋转90度，等价于 cv2.ROTATE_90_CLOCKWISE tmp = cv2.transpose(img) rotated = cv2.flip(tmp, 1)

为什么这样可以？cv2.transpose会交换坐标轴，也就是把(x, y)变成(y, x)，这一步等于把图像沿主对角线镜像了一次。随后再补一个方向的flip，就能把镜像校正成真正想要的旋转效果。这套组合在老项目里出现频率很高，因为早期有些环境里rotate还没普及，或者团队里有人习惯矩阵操作。从结果看，像素级等价于cv2.rotate的对应模式，性能差异也微乎其微。

那么实际项目里到底该选哪个？

我的选型逻辑很简单：需要随机角度、任意角度，走getRotationMatrix2D + warpAffine；只需要固定整数倍90度，直接cv2.rotate；只是想镜像、做数据增强的水平或垂直翻，用cv2.flip，尤其在训练图像和标注mask需要同步变换时，flip最省事。transpose + flip的组合属于“知道它能用就够了”的技巧，除非你在维护老代码，否则新项目没必要绕这一圈。

还有一个等价关系值得提一嘴：cv2.flip(img, -1)的效果和cv2.rotate(img, cv2.ROTATE_180)像素级完全一致，都是上下左右同时反向。所以当你看到同事用flip(-1)做180度旋转时，不用觉得奇怪，他只是选了一种更直接的表达方式。

4. 实际操作里最容易翻车的四个细节

4.1 dsize传反：先列后行还是先行后列？

这个坑可以说百踩不厌。warpAffine的dsize参数要求传入(width, height)，也就是(cols, rows)，和numpy数组的shape（(rows, cols)）正好相反。新手最常见的写法是：

M = cv2.getRotationMatrix2D((w / 2, h / 2), 45, 1.0) rotated = cv2.warpAffine(img, M, (h, w)) # 错误示范：把shape直接传进去了

这种写法程序不会报错，因为h和w都是整数，OpenCV 拿到(h, w)后就把输出当成width=h, height=w的图像来画，结果图像尺寸变成(rows=w, cols=h)，内容看起来像是被压扁拉伸过一样，而且旋转中心的位置也会跟着不对。排错的时候特别隐蔽，因为代码逻辑没有任何异常提示，纯粹是尺寸对调。

我的自查习惯是：在warpAffine上面一行写注释# dsize: (width, height)，不是(rows, cols)，并且把所有涉及尺寸的变量统一命名成new_w、new_h，从源头杜绝混淆。如果你在写泛型代码，建议输出尺寸直接用元组字面量，不要靠变量名猜。

4.2 旋转中心“偷偷跑偏”的问题

用getRotationMatrix2D(center, angle, 1.0)旋转后，如果输出尺寸保持原图大小，旋转中心是不会变的——这是接口的设计初衷。但当你按照第二部分的方法扩展画布、调整平移项之后，中心位置就完全取决于你对M[0,2]和M[1,2]的修正是否到位。

我在某次背景合成任务里就碰过这个问题：想着“反正旋转45度，画布外接矩形算好了，直接warpAffine就完事”，结果输出图上目标物体偏到了画布的右下角，看起来非常奇怪。排查到最后发现，平移项没有做中心补偿。正确的做法就是那句老话——扩展画布的同时，必须把旋转中心的坐标从原图中心搬到新画布中心。如果漏了这一步，画布是变大了，但内容还是按原图中心为基准摆放的，偏移量就是你加的(new_w - w) / 2，最后图像实际位于新画布的右下象限。

顺手给一个真正能直接用的完整版代码：

import cv2 import numpy as np def rotate_image_keep_all(img, angle_deg, scale=1.0): h, w = img.shape[:2] center = (w / 2.0, h / 2.0) M = cv2.getRotationMatrix2D(center, angle_deg, scale) alpha = abs(M[0, 0]) beta = abs(M[0, 1]) new_w = int(w * alpha + h * beta) new_h = int(w * beta + h * alpha) M[0, 2] += (new_w - w) / 2.0 M[1, 2] += (new_h - h) / 2.0 return cv2.warpAffine( img, M, (new_w, new_h), flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT, borderValue=(0, 0, 0) )

这个函数我一般在数据增强和图像可视化脚本里直接复用，传入角度和原图就能拿到完整展示的旋转结果。函数名里的keep_all提醒自己它的语义是“保留全部内容”，和默认的裁剪式旋转区分开。

4.3 角度单位混用与黑边处理

getRotationMatrix2D接收的角度单位是度，比如45代表45度。但在很多OpenCV其他接口以及numpy的三角函数里，默认单位是弧度。如果你手动计算旋转矩阵，或者算外接矩形尺寸时用了np.cos(45)而不是np.cos(np.radians(45))，结果会出现离谱的形变。

我用过一个很省心的技巧：需要用到cos和sin值的时候，直接从旋转矩阵里取，而不是另算一遍。因为M[0,0]就是scale * cosθ，M[0,1]就是scale * sinθ，都已经是度转弧度之后算好的结果。这样既绕开了单位换算，也顺带把scale考虑进去了。判断旋转方向时直接看正负：angle为正就是逆时针，这在前面已经确认过。

再聊黑边。旋转45度时四个角的三角区域在原图中没有对应内容，warpAffine默认会用BORDER_CONSTANT填充黑色。这本身没问题，但黑色在后续处理里可能有干扰——比如做图像拼接、贴图合成，或者对二值掩膜做旋转时，黑色的边界会被误认成有效内容之外的真实背景。

解决方案是在warpAffine里显式设置borderMode和borderValue：

• BORDER_REPLICATE：复制边缘像素向外部延伸，转出来的图边缘不会出现突兀的黑边，适合照片类素材。
• BORDER_CONSTANT+borderValue=(255, 255, 255)：填白色，适合处理文档、白底截图。
• BORDER_REFLECT_101：对称反射填充，边缘过渡最自然，但速度略慢。

我做数据增强时一般选BORDER_REPLICATE，因为随机旋转之后图片边缘至少不会出现大块黑区，模型看起来更贴近真实场景。如果旋转的是文本识别任务的输入，白色填充通常更合适。

4.4 插值方式选不对，图像细节断崖式下降

很多人从头到尾都用默认的INTER_LINEAR，这本身没错，但分场景还是有更优选择。我做了一张表方便对照：

这里提一个容易被忽略的点：如果旋转的同时要对标注的语义分割mask做相同的变换，mask的插值必须用INTER_NEAREST。因为INTER_LINEAR会在类别边界上产生中间值，比如原本是0和1两类，插值之后会出现0.5这种数值，这等于凭空捏造了一个新类别。在模型训练数据预处理里这是一个隐性炸弹，初看训练曲线没什么问题，跑到后面就会莫名冒出诡异的分割结果。我习惯在代码里把图像变换和mask变换拆成两个函数，各自指定插值方式，避免一个参数改漏。

5. 进阶落地：完整展示、局部旋转与批量增强

5.1 局部ROI区域旋转与融合

有时候你不需要整张图旋转，只想把图中某个区域的局部内容转个角度，比如仪表盘读数、路牌、包装袋上的标签。思路很明确：先裁剪ROI区域，对ROI做旋转，再贴回原图。

但90度以外的角度会导致ROI旋转后出现空白三角区，直接赋值贴回会破坏原图。这时候要用掩膜来融合：

# 假设 x, y, w_roi, h_roi 已经在原图中框定了目标区域 roi = img[y:y + h_roi, x:x + w_roi].copy() center = (w_roi / 2.0, h_roi / 2.0) M = cv2.getRotationMatrix2D(center, 30, 1.0) rot_roi = cv2.warpAffine( roi, M, (w_roi, h_roi), flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT, borderValue=(0, 0, 0) ) # 构建有效区域掩膜：只要非零像素都算目标区域 gray = cv2.cvtColor(rot_roi, cv2.COLOR_BGR2GRAY) mask = cv2.inRange(gray, 1, 255) # 0是黑边，主动剔除 # 反掩膜取出原图中对应的背景部分 bg = cv2.bitwise_and(img[y:y + h_roi, x:x + w_roi], img[y:y + h_roi, x:x + w_roi], mask=cv2.bitwise_not(mask)) fg = cv2.bitwise_and(rot_roi, rot_roi, mask=mask) img[y:y + h_roi, x:x + w_roi] = cv2.add(bg, fg)

这段逻辑的核心是“用mask区分有效旋转内容和填充背景”，再用按位操作把有效内容盖回去。实际操作中还有两个优化点：一是ROI最好比目标略大一圈，给旋转留出余量，避免旋转后关键内容被裁掉；二是如果ROI旋转后尺寸不变但内容超出了原ROI范围，超出部分是没法贴回的，这时要么扩大ROI尺寸，要么接受一定程度的区域截断。我试过很多次，前者更省心。

5.2 批量数据增强：旋转与翻转的顺序问题

做数据增强时，旋转和翻转经常要叠加使用。这时候有一个隐藏的细节容易忽略：先旋转再翻转，和先翻转再旋转，得到的结果是不同的。原因在于旋转矩阵和翻转矩阵不可交换，组合顺序会影响最终输出。你可以在代码里随机决定顺序，但一定要保证：

• 同一个样本的图像、标注框、分割mask，必须按完全相同的顺序执行相同的变换；
• 每次变换的参数要提前固定下来，不能图像用了一组参数、mask用了另一组参数；
• 整批数据的增强顺序在同一轮里保持一致，便于复现。

我在批量增强里通常这样组织：

def augment_pair(image, mask): # 随机水平翻转 if np.random.rand() > 0.5: image = cv2.flip(image, 1) mask = cv2.flip(mask, 1) # 随机角度旋转，图像用双线性，mask用最近邻 angle = np.random.uniform(-15, 15) h, w = image.shape[:2] M = cv2.getRotationMatrix2D((w / 2, h / 2), angle, 1.0) image = cv2.warpAffine( image, M, (w, h), flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_REPLICATE ) mask = cv2.warpAffine( mask, M, (w, h), flags=cv2.INTER_NEAREST, borderMode=cv2.BORDER_CONSTANT, borderValue=0 ) return image, mask

mask用BORDER_CONSTANT且填充0，是为了让旋转产生的空白区域自动标成背景类别，不会污染标签。这一步如果不能理解，回头看第4.4节的内容就行。

5.3 性能优化和替代思路

小图旋转怎么折腾都无所谓，一旦换成几千万像素的工业相机原图，整个流程就要注意了。warpAffine是全图逐像素插值，大图加INTER_CUBIC能明显感觉到卡顿。我在一个实时预览模块里就把旋转从全图执行改成了两个改进方案：

第一，先缩小再旋转再放大。对实时预览这种对画质要求不极端的场景，把图像缩到二分之一甚至三分之一再做仿射变换，肉眼基本分不出区别，但速度能提升一个量级。第二，如果只是给用户预览旋转效果，可以直接只变换显示用的缩小图，最终导出时再用原尺寸做一次性高质量变换。这个和很多图像处理软件的“预览用低清、导出用高清”是同一个思路。

另外，如果旋转角度不是任意的，而是固定序列，比如每隔10度生成一组训练样本，可以考虑预计算多组旋转矩阵，避免每张图都重新构造M。getRotationMatrix2D本身开销很小，但这种微小的优化在循环几千张图、每张生成几十个角度样本时，累积收益是能感知到的。

最后说一个我个人的使用习惯：项目里通常只封装两个函数，一个rotate_and_pad负责任意角度完整展示旋转，一个augment_pair负责图像和mask同步变换。前者服务可视化、结果校对；后者服务训练管线。两个函数各管各的，参数互不干扰，后续维护起来非常清爽。如果你在实际项目里也遇到旋转结果和预期不一致，别急着改代码——先拿一张带箭头或文字的小图，配合不同角度跑一遍，立刻就能看出方向、中心、裁剪三个环节到底哪个出了问题。这一招比反复读文档高效得多。