目次
1. 仿射变动
2. 仿射变动的求解
3. 代码实现
3.1 图像扭曲
3.2 图像旋转
参考内容
1. 仿射变动
仿射变动是一种可以表达为乘以一个矩阵(线性变动)再加上一个向量(平移)的变动。在几何中,就是将一个向量空间举行一次线性变化并接上一个平移。
因此我们可以用仿射变化表达如下内容:
- 旋转Rotations(线性变动,linear transformation);
- 平移Translations(矢量加,vector addition);
- 缩放操纵Scale operations(线性变动)。
由此可见,在图像处理当中,仿射变动本质上反映了两个图像之间的关系。
我们通常使用2×3矩阵来表现仿射变动。
对于“乘以一个矩阵”的线性变动,我们引入矩阵A:
对于加法部门(平移),我们引入矩阵B:
设待转换的二维列向量为X,转换后的向量为T,则:
思量齐次坐标和齐次矩阵更易于举行仿射几何变动,令:
二维向量X视作一个点,其齐次坐标表现为这样的列向量:
这样,我们可以借助齐次坐标,把平移变量也通过一个矩阵表现,则有:
可见矩阵M就是我们所需要的仿射变动矩阵。
2. 仿射变动的求解
参考内容通过几何方式(三角形三个极点的映射)形貌仿射变动的求解过程,我们也可以用代数知识表达,对于不共线的三点,令:
方程
其方程组情势为:
有唯一解,从而可以求出仿射矩阵M。
在OpenCV中,我们可以通过cv::getAffineTransform函数求解仿射矩阵或cv::getRotationMatrix2D,求解二维旋转矩阵。
Mat cv::getAffineTransform
| (
| InputArray
| src,
| | | InputArray
| dst
| | )
| | |
Python:
| | cv.getAffineTransform(
| src, dst
| ) ->
| retval
| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
getRotationMatrix2D()
Mat cv::getRotationMatrix2D
| (
| Point2f
| center,
| | | double
| angle,
| | | double
| scale
| | )
| | |
| inline
|
Python:
| | cv.getRotationMatrix2D(
| center, angle, scale
| ) ->
| retval
| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |
3. 代码实现
3.1 图像扭曲
- #include "opencv2/imgcodecs.hpp"
- #include "opencv2/highgui.hpp"
- #include "opencv2/imgproc.hpp"
- #include <iostream>
- using namespace cv;
- int main()
- {
- // 读取图像
- Mat src = imread("park.jpg");
- if (src.empty())
- {
- std::cout << "Could not open or find the image!\n" << std::endl;
- return -1;
- }
- // 选定三角形三个顶点
- Point2f srcTri[3];
- srcTri[0] = Point2f(0.f, 0.f);
- srcTri[1] = Point2f(src.cols - 1.f, 0.f);
- srcTri[2] = Point2f(0.f, src.rows - 1.f);
- // 假定转换后的三个顶点坐标
- Point2f dstTri[3];
- dstTri[0] = Point2f(0.f, src.rows * 0.33f);
- dstTri[1] = Point2f(src.cols * 0.55f, src.rows * 0.25f);
- dstTri[2] = Point2f(src.cols * 0.35f, src.rows * 0.7f);
- // 求解仿射矩阵
- Mat warp_mat = getAffineTransform(srcTri, dstTri);
- // 求解扭曲后的图像
- Mat warp_dst;
- warpAffine(src, warp_dst, warp_mat, src.size());
- imshow("Warped Image", warp_dst);
- waitKey(0);
- return 0;
- }
复制代码- # 图像扭曲
- import cv2
- import numpy as np
- # 读取图像
- img = cv2.imread('park.jpg')
- # 图像扭曲
- (rows, cols) = img.shape[:2]
- srcTri = np.array( [[0, 0], [img.shape[1] - 1, 0], [0, img.shape[0] - 1]] ).astype(np.float32)
- dstTri = np.array( [[0, img.shape[0]*0.33], [img.shape[1]*0.55, img.shape[0]*0.25], [img.shape[1]*0.35, img.shape[0]*0.7]] ).astype(np.float32)
- M = cv2.getAffineTransform(srcTri, dstTri)
- warped_img = cv2.warpAffine(img, M, (cols, rows))
- # 显示旋转后的图像
- cv2.imshow('Warped Image', warped_img)
- # 等待用户输入并关闭窗口
- cv2.waitKey(0)
- cv2.destroyAllWindows()
复制代码
3.2 图像旋转
- #include "opencv2/imgcodecs.hpp"
- #include "opencv2/highgui.hpp"
- #include "opencv2/imgproc.hpp"
- #include <iostream>
- using namespace cv;
- int main()
- {
- // 读取图像
- Mat src = imread("park.jpg");
- if (src.empty())
- {
- std::cout << "Could not open or find the image!\n" << std::endl;
- return -1;
- }
- // 设置旋转中心、旋转角度和缩放比例
- Point center = Point(src.cols / 2, src.rows / 2);
- double angle = 35;
- double scale = 0.5;
- // 获取旋转矩阵
- Mat rot_mat = getRotationMatrix2D(center, angle, scale);
- // 旋转后的图像
- Mat rotated_dst;
- warpAffine(src, rotated_dst, rot_mat, src.size());
- // 显示图像
- imshow("Rotated Image", rotated_dst);
- waitKey(0);
- return 0;
- }
复制代码- # 图像旋转
- import cv2
- # 读取图像
- img = cv2.imread('park.jpg')
- # 旋转图像
- (rows, cols) = img.shape[:2]
- M = cv2.getRotationMatrix2D((cols/2, rows/2), 35, 0.5)
- rotated_img = cv2.warpAffine(img, M, (cols, rows))
- # 显示旋转后的图像
- cv2.imshow('Rotated Image', rotated_img)
- # 等待用户输入并关闭窗口
- cv2.waitKey(0)
- cv2.destroyAllWindows()
复制代码
参考内容
OpenCV: Affine Transformations
注:OpenCV这个文档的示例代码中,C++代码和Python代码并不匹配,Python代码中的dstTri第一个点的y坐标,shape[1]应为shape[0](见本文示例代码)。
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。 |