图像变换——仿射变换

时间:2023-02-07 12:28:58

           在做图像处理中有两中情况会用到图像变换,第一种就是有一副自己想要转换的图像,第二种就是我们有一个点序列并想以此计算出变换,那么我用到的是在图像拼接中的点变换,通过提取两幅要拼接图像的关键点,利用欧式距离筛选后得到具有鲁棒性的候选点。利用这些点计算出需要变换的矩阵,进而进行图像拼接。图像的旋转和缩放参考

图像变换——计算机视觉图像处理

        拉伸、收缩、扭曲、旋转是图像的几何变换,在三维视觉技术中大量应用到这些变换,又分为仿射变换和透视变换。仿射变换通常用单应性建模,利用cvWarpAffine解决密集映射,用cvTransform解决稀疏映射。仿射变换可以将矩形转换成平行四边形,它可以将矩形的边压扁但必须保持边是平行的,也可以将矩形旋转或者按比例变化。透视变换提供了更大的灵活性,一个透视变换可以将矩阵转变成梯形。当然,平行四边形也是梯形,所以仿射变换是透视变换的子集。

基于2*3矩阵进行的变换,也叫图像的仿射变换。(即将原来的图形变成平行四边形)

基于3*3矩阵进行的变换,也叫图像的透视变换或者单应性映射。(即将原来的图形变成梯形,但是平行四边形也是梯形,所以仿射变换时透视变换的子集。)

本文参考了《学习opencv中文版》

1:图像的仿射变换

CloneImage
制作图像的完整拷贝 

IplImage* cvCloneImage( const IplImage* image );
image 
原图像. 
函数 cvCloneImage 制作图像的完整拷贝包括头、ROI和数据
-----------------------------

GetAffineTransform

由三对点计算仿射变换

CvMat* cvGetAffineTransform( const CvPoint2D32f* src,const CvPoint2D32f* dst, CvMat* map_matrix );

src

输入图像的三角形顶点坐标。

dst

输出图像的相应的三角形顶点坐标。

map_matrix

指向2×3输出矩阵的指针。

函数cvGetAffineTransform计算满足以下关系的仿射变换矩阵:

图像变换——仿射变换

这里,dst(i)= (x'i,y'i),src(i)= (xi,yi),i = 0..2.

-----------------------------

WarpAffine

对图像做仿射变换

void cvWarpAffine( const CvArr* src, CvArr* dst, constCvMat* map_matrix,

                  int flags=CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS,

                  CvScalar fillval=cvScalarAll(0) );

src

输入图像.

dst

输出图像.

map_matrix

2×3 变换矩阵

flags

插值方法和以下开关选项的组合:

·       CV_WARP_FILL_OUTLIERS - 填充所有输出图像的象素。如果部分象素落在输入图像的边界外,那么它们的值设定为 fillval.

·       CV_WARP_INVERSE_MAP - 指定 map_matrix是输出图像到输入图像的反变换,因此可以直接用来做象素插值。否则, 函数从 map_matrix 得到反变换。

fillval

用来填充边界外面的值

函数 cvWarpAffine 利用下面指定的矩阵变换输入图像:图像变换——仿射变换

  • 如果没有指定 CV_WARP_INVERSE_MAP ,图像变换——仿射变换
  • 否则, 图像变换——仿射变换

函数与 cvGetQuadrangleSubPix 类似,但是不完全相同。cvWarpAffine 要求输入和输出图像具有同样的数据类型,有更大的资源开销(因此对小图像不太合适)而且输出图像的部分可以保留不变。而 cvGetQuadrangleSubPix 可以精确地从8位图像中提取四边形到浮点数缓存区中,具有比较小的系统开销,而且总是全部改变输出图像的内容。要变换稀疏矩阵,使用 cxcore 中的函数 cvTransform 。

-----------------------------

2DRotationMatrix

2DRotationMatrix
计算二维旋转的仿射变换矩阵 

CvMat* cv2DRotationMatrix( CvPoint2D32f center, double angle,
double scale, CvMat* map_matrix );
center 
输入图像的旋转中心坐标 
angle 
旋转角度(度)。正值表示逆时针旋转(坐标原点假设在左上角). 
scale 
各项同性的尺度因子 
map_matrix 
输出 2×3 矩阵的指针 
函数 cv2DRotationMatrix 计算矩阵: 

[ α β | (1-α)*center.x - β*center.y ]
[ -β α | β*center.x + (1-α)*center.y ]

where α=scale*cos(angle), β=scale*sin(angle)
该变换并不改变原始旋转中心点的坐标,如果这不是操作目的,则可以通过调整平移量改变其坐标(译者注:通过简单的推导可知,仿射变换的实现是首先将旋转中心置为坐标原点,再进行旋转和尺度变换,最后重新将坐标原点设定为输入图像的左上角,这里的平移量是center.x, center.y).


实现代码:


//usage:warp_affine<image>

#include<cv.h>
#include<highgui.h>

int main()
{
CvPoint2D32f srcTri[3],dstTri[3];
CvMat*rot_mat = cvCreateMat(2,3,CV_32FC1);
CvMat*warp_mat = cvCreateMat(2,3,CV_32FC1);
IplImage *src,*dst;
src=cvLoadImage("src.jpg");
/*dst = cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1);
cvCopy(src,dst,NULL);*/
dst = cvCloneImage( src );
dst->origin = src->origin;
cvZero(dst);
//compute warp matrix
//
srcTri[0].x = 0;//src top left
srcTri[0].y = 0;
srcTri[1].x = src->width - 1; //src top right
srcTri[1].y = 0;
srcTri[2].x = 0;//src Bottom left offset
srcTri[2].y = src->height - 1;
dstTri[0].x = src->width*0.0;//dst top left
dstTri[0].y = src->height*0.33;
dstTri[1].x = src->width*0.85; //dst top right
dstTri[1].y = src->height*0.25;
dstTri[2].x = src->width*0.15; //dst Bottom left offset
dstTri[2].y = src->height*0.7;
cvGetAffineTransform(srcTri,dstTri,warp_mat);//compute map_matrix
cvWarpAffine(src,dst,warp_mat);//do affine
cvCopy(dst,src);
//compute rotation matrix
//
CvPoint2D32f center = cvPoint2D32f(
src->width/2,
src->height/2
); //extract the center of source image
double angle = -50.0;
double scale = 1.0;
rot_mat=warp_mat;
cv2DRotationMatrix( center,angle,scale,rot_mat );
// do the transformation
//
cvWarpAffine( src,dst,rot_mat );
cvNamedWindow( "Affine_transformation",1 );
cvShowImage( "Affine_transformation",dst );
cvWaitKey(0);
cvReleaseImage( &dst );
cvReleaseMat( &rot_mat );
cvReleaseMat( &warp_mat );
return 0;
}
效果如下

图像变换——仿射变换图像变换——仿射变换
程序2:图像的旋转
//程序思路是,首先根据图像的旋转角度,确定出xmin,xmax,ymin,ymax,这样就可以计算出新图像的高度和宽度。
//
//计算方法是:
//xmin = xmax = ymin = ymax = 0;
//bound(nx-1,0,ca,sa,&xmin,&xmax,&ymin,&ymax);
//bound(0,ny-1,ca,sa,&xmin,&xmax,&ymin,&ymax);
//bound(nx-1,ny-1,ca,sa,&xmin,&xmax,&ymin,&ymax);
//
//其中,ca 是旋转角度的余弦值,sa是旋转角度的正旋值。nx是原图像的宽度,ny是原图像的高度。
//
//bound函数的功能就是确定xmin xmax ymin ymax的值。
//确定了边界之后,就可以计算图像高度和宽度了:
//sx = xmax-xmin+1;
//sy = ymax-ymin+1;
//
//然后自己设置M矩阵的值:
//
//m[0] = ca;
//m[1] = sa;
//m[2] =-(float)xmin;
//m[3] =-m[1];
//m[4] = m[0];
//m[5] =-(float)ymin;
//
//当真是费了九牛二虎之力才找出来平移的值。其实很简单,就是将左上方的图像点,平移值图像原点。
//
//设置之后,调用方法cvWarpAffine( src, newImage, &M,CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS,cvScalarAll(0) );一直正常了。
//


#include <cv.h>
#include <highgui.h>

void bound(int x, int y, float ca, float sa, int *xmin, int *xmax, int *ymin, int *ymax)/* int x,y;float ca,sa;int *xmin,*xmax,*ymin,*ymax;*/
{
int rx,ry;
// 顺时针旋转
rx = (int)floor(ca*(float)x+sa*(float)y);
ry = (int)floor(-sa*(float)x+ca*(float)y);
if (rx<*xmin) *xmin=rx; if (rx>*xmax) *xmax=rx;
if (ry<*ymin) *ymin=ry; if (ry>*ymax) *ymax=ry;
}

int main()
{
IplImage *src,*dst, *img_tmp;
double angle=60;
int method =2;
if(!(src=cvLoadImage("src.jpg",1/*CV_LOAD_IMAGE_GRAYSCALE*/)) )
{
return -1;
}
dst = cvCloneImage(src);
dst->origin = src->origin;
cvZero(dst);
cvNamedWindow("at",1);
cvShowImage("at",src);
cvWaitKey(0);

double anglerad = (CV_PI* (angle/180)) ;
int newheight =int (fabs(( sin(anglerad)*src->width )) + fabs(( cos(anglerad)*src->height )) );
int newwidth =int (fabs(( sin(anglerad)*src->height)) + fabs(( cos(anglerad)*src->width)) );
img_tmp = cvCreateImage(cvSize(newwidth,newheight), IPL_DEPTH_8U, 3);
cvFillImage(img_tmp,0);//目的图像 使用扩展的大小
float m[6];
CvMat M = cvMat( 2, 3, CV_32F, m );
if(1==method)
{
//方法一 提取象素四边形,使用子象素精度

int w = src->width;
int h = src->height;

m[0] = (float)(cos(angle*CV_PI/180.));
m[1] = (float)(sin(angle*CV_PI/180.));
m[2] = w*0.5f;
m[3] = -m[1];
m[4] = m[0];
m[5] = h*0.5f;

//cvGetQuadrangleSubPix此函数所做的就是从src图像的点(通过插值)映射到dst图像上的所有点。
cvGetQuadrangleSubPix( src, dst, &M);//图像大小不变
cvGetQuadrangleSubPix( src, img_tmp, &M);//+CV_WARP_FILL_OUTLIERS 改变图像大小
cvShowImage("at",dst);
cvWaitKey(0);
cvShowImage("at",img_tmp);
cvWaitKey(0);
//方法一 提取象素四边形,使用子象素精度
}

if (2==method)
{
int nx,ny;
float ca,sa;
int xmin,xmax,ymin,ymax,sx,sy;

ca = (float)cos((double)(angle)*CV_PI/180.0);
sa = (float)sin((double)(angle)*CV_PI/180.0);
nx = src->width;
ny = src->height;
xmin = xmax = ymin = ymax = 0;
bound(nx-1,0,ca,sa,&xmin,&xmax,&ymin,&ymax);
bound(0,ny-1,ca,sa,&xmin,&xmax,&ymin,&ymax);
bound(nx-1,ny-1,ca,sa,&xmin,&xmax,&ymin,&ymax);

sx = xmax-xmin+1;
sy = ymax-ymin+1;
IplImage* newImage;
newImage=cvCreateImage(cvSize(sx,sy),src->depth,src->nChannels);
//设置变换矩阵的值
m[0] = ca;
m[1] = sa;
m[2] =-(float)xmin;
m[3] =-m[1];
m[4] = m[0];
m[5] =-(float)ymin;
cvWarpAffine( src, newImage, &M,CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS,cvScalarAll(0) );
cvNamedWindow("newImage");
cvShowImage("newImage",newImage);
cvWaitKey(0);
}
cvWaitKey(0);
return 0;
}
结果如图:
图像变换——仿射变换