图像旋转本质是坐标变换，通过数学变换重排二维或三维数组中像素位置；90°顺时针旋转可由上下翻转加转置实现，任意角度需仿射变换与双线性插值。
图像旋转本质上是坐标变换，多维数组（如二维数组）恰好能模拟像素矩阵，通过数学变换重新排列元素即可实现旋转效果。
理解图像在数组中的存储结构
一张灰度图可表示为 m × n 的二维数组，每个元素代表一个像素值（如0–255）。彩色图则是三维数组：m × n × 3（分别对应R、G、B通道）。旋转操作不改变像素值，只改变它们在数组中的位置索引。
实现90度顺时针旋转（最常用场景）
对于尺寸为 m × n 的图像数组，90°顺时针旋转后变为 n × m。新坐标与原坐标满足关系：
new[i][j] = original[m−1−j][i]
- 先对原数组按行逆序（上下翻转）
- 再沿主对角线转置（行列互换）
- 或直接双层循环，按公式逐个赋值，避免额外空间开销
支持任意角度的仿射变换思路
非90°倍数的旋转（如30°、45°）需用仿射变换，核心是：
- 以图像中心为原点建立坐标系
- 对每个目标位置 (x', y')，反向计算其在原图中对应坐标 (x, y)：
x = x'·cosθ + y'·sinθ + cx(1−cosθ) − cy·sinθ
y = −x'·sinθ + y'·cosθ + cx·sinθ + cy(1−cosθ) - 使用双线性插值估算该坐标处的像素值（因结果常落在非整数位置）
注意事项与优化建议
直接操作原始数组易出错，推荐：
- 旋转前复制数组，避免覆盖原始数据
- 预分配目标数组尺寸，防止动态扩容影响性能
- 对大图像优先用NumPy等库（
np.rot90()或cv2.warpAffine()），底层已高度优化 - 注意边界处理：旋转后可能出现空隙，常用填充策略包括补黑（0）、补白（255）或镜像延拓
