np.rot90默认只作用于前两轴，对rgb图像需显式指定axes=(0,1)；k控制旋转角度（k=1为逆时针90°），不插值、仅支持90°倍数；翻转用fliplr/flipud更安全；任意角度应交由opencv或scipy处理。
用 np.rot90 旋转图像矩阵，注意 k 和 axes 参数的实际效果
NumPy 本身不处理图像元数据（如通道顺序、像素范围），只把图像当普通三维数组（H×W×C）或二维数组（H×W）处理。np.rot90 是最轻量的旋转方式，但默认只作用于前两个轴——对 RGB 图像直接调用会出错。
常见错误现象：np.rot90(img) 对 (256, 256, 3) 数组报 ValueError: axes must be different，因为默认 axes=(0, 1)，而三通道图的第 2 维（通道）被忽略，旋转后形状变成 (256, 256, 3) 看似没变，实则通道维度未参与重排，视觉上可能错乱。
- 正确做法：显式指定
axes=(0, 1)仅旋转高宽，保持通道在最后 ——np.rot90(img, k=1, axes=(0, 1)) -
k=1表示逆时针 90°，k=-1或k=3是顺时针 90°；k=2是 180° - 若图像是
C×H×W布局（如 PyTorch 默认），需改用axes=(1, 2) - 性能影响：纯内存视图操作，无拷贝，极快；但只支持 90° 倍数，不插值，不支持任意角度
用 np.fliplr 和 np.flipud 翻转时，别混淆左右/上下语义
np.fliplr 是沿 axis=1（列方向）翻转，即“镜像左右”；np.flipud 是沿 axis=0（行方向）翻转，即“镜像上下”。这两个函数对任何二维或三维数组都安全，不需要指定 axes。
使用场景：数据增强中做简单镜像增广，或预处理中统一朝向（如人脸关键点任务常水平翻转）。
- 对 RGB 图像
(H, W, 3)，np.fliplr(img)直接翻转每层通道，结果正确 - 误用风险：有人以为
fliplr是“绕竖轴转”，实际它只是按列索引倒序，和坐标系无关；若图像已转置（如img.T），再用fliplr效果会反直觉 - 等价写法：
np.flip(img, axis=1)更通用，可复用于任意轴；但fliplr/flipud名称更直观，不易写错 axis 编号
需要任意角度旋转？别硬套 NumPy，该交棒给 OpenCV 或 SciPy
NumPy 没有内置双线性插值或仿射变换功能。np.rot90 只能 90° 倍数，且不重采样；强行用 scipy.ndimage.rotate 虽可行，但它底层调用的是 C 实现的插值，不属于 NumPy 生态，且默认居中旋转、填充黑边（cval=0），易踩坑。
常见错误现象：scipy.ndimage.rotate(img, 30) 对 uint8 图像输出 float64 结果，值域变成 [-100, 255]，直接显示发灰或溢出；或旋转后尺寸自动扩大，导致后续 reshape 失败。
- 必须缩放并截断：
rotated = scipy.ndimage.rotate(img, 30, reshape=False, order=1, cval=0)，其中order=1是双线性插值 - uint8 安全处理：
rotated = np.clip(rotated, 0, 255).astype(np.uint8) - OpenCV 更适合生产：
cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)零拷贝、原地 uint8 支持好；任意角用cv2.warpAffine+cv2.getRotationMatrix2D - 性能提示：SciPy 的
rotate在大图上比 OpenCV 慢 2–3 倍，且多一个依赖
翻转+旋转组合操作，优先用 np.transpose + 索引避免多次拷贝
比如“先水平翻转再顺时针 90°”，用 np.fliplr + np.rot90(img, k=-1) 看似自然，但触发两次内存拷贝。更高效的是合并为一次轴变换 + 索引反转。
例如：对 (H, W) 矩阵实现「水平翻转 + 顺时针 90°」等价于 img[:, ::-1].T（先列倒序，再转置）；推广到 RGB：img[:, ::-1, :].transpose(1, 0, 2)。
- 优势：全程视图操作（
::-1和.transpose都不拷贝数据），内存友好 - 陷阱：
.T对三维数组等价于np.transpose(img, (2, 1, 0))，不是你想要的；务必显式写transpose(1, 0, 2)控制通道位置 - 调试技巧：用小数组（如
np.arange(12).reshape(3, 4)）手动算一遍索引映射，比猜参数可靠
print(img.shape) 和 print(img.dtype)，比查文档更快定位问题。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
