详解Python计算机视觉图像扭曲（仿射扭曲）_python实现将图像扭曲 - CSDN文库

计算机视觉

1.6k 浏览量更新于2023-05-27 评论 1 收藏 141KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

详解详解Python计算机视觉计算机视觉图像扭曲（仿射扭曲）图像扭曲（仿射扭曲）

对图像块应用仿射变换，我们将其称为图像扭曲（或者仿射扭曲）。该操作不仅经常应用在计算机图形学中，而且经常出现在

计算机视觉算法中。

一、仿射变换原理一、仿射变换原理

仿射变换能够保持图像的“平直性”，包括旋转，缩放，平移，错切操作。对于三个点，仿射变换可以将一副图像进行扭曲，使

得三对对应点对可以完美地匹配上。仿射变换具有6个自由度，有三个对应点对可以给出6个约束条件（对于这三个对应点

对，x和y坐标必须都要匹配）

仿射变换是在几何上定义为两个向量空间之间的一个仿射变换或者仿射映射。由一个非奇异的线性变换(运用一次函数进行的

变换)接上一个平移变换组成。在有限维的情况，每个仿射变换可以由一个矩阵A和一个向量b给出，它可以写作A和一个附加

的列b。一个仿射变换对应于一个矩阵和一个向量的乘法，而仿射变换的复合对应于普通的矩阵乘法，只要加入一个额外的行

到矩阵的底下，这一行全部是0除了最右边是一个1，而列向量的底下要加上一个1。

二、图像中的图像二、图像中的图像

仿射扭曲简单的一个例子是，将图像或者图像的一部分放置在另一幅图像中，使得它们能够和指定的区域或者标记物对齐。

以下是代码：

from PCV.geometry import warp, homography

from PIL import Image

from pylab import *

from scipy import ndimage

# 仿射扭曲im1到im2的例子

im1 = array(Image.open('jida.jpg').convert('L'))

im2 = array(Image.open('beijing.jpg').convert('L'))

# 选定一些目标点

tp = array([[420,830,830,420],[400,350,1060,1000],[1,1,1,1]])

#标记物的坐标tp是用齐次坐标意义下的坐标表示的

#array为第一张图片贴到第二张图片的四个角点的坐标

#tp = array([[675,826,826,677],[55,52,281,277],[1,1,1,1]])

im3 = warp.image_in_image(im1,im2,tp)

#image_in_image()函数的输入参数为两幅图像和一个坐标

figure()

gray()

subplot(141)

axis('off')

imshow(im1)

subplot(142)

axis('off')

imshow(im2)

subplot(143)

axis('off')

imshow(im3)

# 选定im1角上的一些点

m,n = im1.shape[:2] fp = array([[0,m,m,0],[0,0,n,n],[1,1,1,1]])

# 第一个三角形

tp2 = tp[:,:3] fp2 = fp[:,:3] # 计算H

H = homography.Haffine_from_points(tp2,fp2)

im1_t = ndimage.affine_transform(im1,H[:2,:2],

(H[0,2],H[1,2]),im2.shape[:2])

# 三角形的alpha

alpha = warp.alpha_for_triangle(tp2,im2.shape[0],im2.shape[1])

im3 = (1-alpha)*im2 + alpha*im1_t

# 第二个三角形

tp2 = tp[:,[0,2,3]] fp2 = fp[:,[0,2,3]] # 计算H

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

评论0

weixin_38662327

粉丝: 5
资源: 922

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈