看起来您正在尝试实现最近邻重采样器。您正在做的是浏览图像并将每个输入像素映射到输出图像中的新位置。这可能会导致诸如像素错误地相互覆盖、输出像素留空等问题。
我建议（根据经验）您正在向后看问题。与其查看输入像素在输出中的最终位置，不如考虑每个输出像素在输入中的来源。这样，您对最近邻居就没有歧义，并且整个图像数组将被填充。
你想围绕中心旋转。您正在使用的当前旋转矩阵旋转大约(0, 0). 为了弥补这一点，您需要将图像的中心平移到(0, 0)、旋转，然后再平移回来。我不会开发完整的仿射矩阵，而是向您展示如何手动执行各个操作，然后如何将它们组合到变换矩阵中。
手动计算
首先得到一个输入输出图像：
im = cv2.imread("Samples\\baboon.jpg", cv2.IMREAD_GRAYSCALE)
new = np.zeros_like(im)
然后确定旋转中心。清楚您的尺寸x通常是列 (dim 1)，而不是行 (dim 0)：
center_row = im.shape[0] // 2
center_col = im.shape[1] // 2
计算图像中每个像素的径向坐标，形成相应的尺寸：
row_coord = np.arange(im.shape[0])[:, None] - center_row
col_coord = np.arange(im.shape[1]) - center_col
row_coord和是输出图像col_coord中到中心的距离。现在计算它们在输入中来自的位置。请注意，我们可以使用广播来避免循环。我在此处遵循您对角度定义的原始约定，并找到反向旋转以确定源位置。这里最大的区别在于以度为单位的输入被转换为弧度，因为这是三角函数所期望的：
angle = float(input('Enter Angle in Degrees: ')) * np.pi / 180.0
source_row = row_coord * np.cos(angle) - col_coord * np.sin(angle) + center_row
source_col = row_coord * np.sin(angle) + col_coord * np.cos(angle) + center_col
如果保证所有索引都落在输入图像内，您甚至不需要预先分配输出。你可以从字面上做new = im[source_row, source_col]。但是，您需要屏蔽索引：
mask = source_row >= 0 & source_row < im.shape[0] & source_col >= 0 & source_col < im.shape[1]
new[mask] = im[source_row[mask].round().astype(int), source_col[mask].round().astype(int)]
仿射变换
现在让我们看看使用仿射变换。首先，您要从坐标中减去中心。假设您有一个列向量[[r], [c], [1]]。转换为零将是矩阵
[[r'] [[1 0 -rc] [[r]
[c'] = [0 1 -cc] . [c]
[1 ]] [0 0 1 ]] [1]]
然后应用（向后）旋转：
[[r''] [[cos(a) -sin(a) 0] [[r']
[c''] = [sin(a) cos(a) 0] . [c']
[ 1 ]] [ 0 0 1]] [1 ]]
最后，您需要翻译回中心：
[[r'''] [[1 0 rc] [[r'']
[c'''] = [0 1 cc] . [c'']
[ 1 ]] [0 0 1]] [ 1 ]]
如果你把这三个矩阵从右到左依次相乘，你会得到
[[cos(a) -sin(a) cc * sin(a) - rc * cos(a) + rc]
M = [sin(a) cos(a) -cc * cos(a) - rc * sin(a) + cc]
[ 0 0 1 ]]
如果您构建一个完整的输出坐标矩阵而不是我们开始使用的子集数组，您可以使用np.matmul，也就是@运算符来为您进行乘法运算。但是，对于这种简单的情况，不需要这种复杂程度：
matrix = np.array([[np.cos(angle), -np.sin(angle), col_center * np.sin(angle) - row_center * np.cos(angle) + row_center],
[np.sin(angle), np.cos(angle), -col_center * np.cos(angle) - row_center * np.sin(angle) + col_center],
[0, 0, 1]])
coord = np.ones((*im.shape, 3, 1))
coord[..., 0, :] = np.arange(im.shape[0]).reshape(-1, 1, 1, 1)
coord[..., 1, :] = np.arange(im.shape[1]).reshape(-1, 1, 1)
source = (matrix @ coord)[..., :2, 0]
处理的其余部分与手动计算非常相似：
mask = (source >= 0 & source_row < im.shape).all(axis=-1)
new[mask] = im[source[0, mask].round().astype(int), source_col[1, mask].round().astype(int)]
我正在尝试将图像旋转到任何给定的角度。我以图像的中心为原点旋转。