目标
在本教程中，您将学习如何：
- 使用 OpenCV 函数 cv：：warpAffine 实现简单的重映射例程。
- 使用 OpenCV 函数 cv：：getRotationMatrix2D 获取 \（2 \times 3\） 旋转矩阵
理论
什么是仿射变换？
-
一种可以用矩阵乘法（线性变换）后跟向量加法（平移）的形式表示的变换。
-
综上所述，我们可以使用仿射变换来表示：
- 旋转（线性变换）
- 翻译（向量添加）
- 缩放操作（线性变换）
您可以看到，从本质上讲，仿射变换表示两个图像之间的关系。
-
表示仿射变换的常用方法是使用 \（2 \times 3\） 矩阵。
[ A = \begin{bmatrix} a_{00} & a_{01} \ a_{10} & a_{11} \end{bmatrix}{2 \times 2} B = \begin{bmatrix} b{00} \ b_{10} \end{bmatrix}_{2 \times 1} ]
[ M = \begin{bmatrix} A & B \end{bmatrix} = \begin{bmatrix} a_{00} & a_{01} & b_{00} \ a_{10} & a_{11} & b_{10} \end{bmatrix}_{2 \times 3} ]
考虑到我们想通过使用 \（A\） 和 \（B\） 来转换二维向量 \（X = \begin{bmatrix}x \ y\end{bmatrix}\），我们可以用以下方法做同样的事情：
\（T = A \cdot \begin{bmatrix}x \ y\end{bmatrix} + B\） 或 \（T = M \cdot [x， y， 1]^{T}\）
[T = \begin{bmatrix} a_{00}x + a_{01}y + b_{00} \ a_{10}x + a_{11}y + b_{10} \end{bmatrix}]
我们如何获得仿射变换？
-
我们提到仿射变换基本上是两个**图像之间的关系。**有关此关系的信息大致可以通过两种方式获得：
- 我们知道\（X\）和T，我们也知道它们是相关的。那么我们的任务是找到\（M\）
- 我们知道 \（M\） 和 \（X\）。要获得 \（T\），我们只需要应用 \（T = M \cdot X\）。我们对 \（M\） 的信息可能是显式的（即具有 2×3 矩阵），也可以是点之间的几何关系。
-
让我们用更好的方式解释这一点（b）。由于 \（M\） 关联 2 个图像，我们可以分析它关联两个图像中的三个点的最简单情况。请看下图：
点 1、2 和 3（在图 1 中形成一个三角形）映射到图像 2 中，仍然形成一个三角形，但现在它们已经发生了众所周知的变化。如果我们找到这 3 个点的仿射变换（您可以根据需要选择它们），那么我们可以将这种找到的关系应用于图像中的所有像素。
法典 C++爪哇岛蟒
-
这个程序是做什么的？
- 加载图像
- 对图像应用仿射变换。此变换是从三点之间的关系中获得的。为此，我们使用函数 cv：：warpAffine。
- 在变换后对图像应用旋转。此旋转相对于图像中心
- 等待，直到用户退出程序
-
本教程的代码如下所示。您也可以在此处下载
#include“opencv2/imgcodecs.hpp”
#include “opencv2/highgui.hpp”
#include“opencv2/imgproc.hpp”
#include < iostream>
使用命名空间 CV;
使用命名空间 std;
int main（ int argc， char** argv ）
{
CommandLineParser 解析器（ argc， argv， “{@input |莉娜.jpg |输入图像}” );
Mat src = imread（ samples：：findFile（ parser.get[>（ “@input” ) ) );
if（ src.空() )
{
cout << “无法打开或找到图像！”<<结束;
cout << “Usage： ” << argv[0] << “ ” << endl;
返回 -1;
}
Point2f srcTri[3];
srcTri[0] = 点2f（ 0.f， 0.f ）;
srcTri[1] = Point2f（ src.cols - 1.f， 0.f ）;
srcTri[2] = Point2f（ 0.f， src.行 - 1.f ）;
Point2f dstTri[3];
dstTri[0] = Point2f（ 0.f， src.行*0.33F）;
dstTri[1] = Point2f（ src.COLS*0.85F，SRC。行*0.25F）;
dstTri[2] = Point2f（ src.COLS*0.15F，src。行*0.7f ）;
Mat warp_mat = getAffineTransform（ srcTri， dstTri ）;
垫子 warp_dst = Mat：：zeros（ src.行，src。科尔斯，SRC。类型() );
warpAffine（ src， warp_dst， warp_mat， warp_dst.大小() );
点中心 = Point（ warp_dst.Cols/2，warp_dst。行/2 ）;
双角 = -50.0;
双刻度 = 0.6;
Mat rot_mat = getRotationMatrix2D（ center， angle， scale ）;
垫子warp_rotate_dst;
warpAffine（ warp_dst， warp_rotate_dst， rot_mat， warp_dst.大小() );
imshow（ “源图像”， src ）;
imshow（ “翘曲”， warp_dst ）;
imshow（ “翘曲 + 旋转”， warp_rotate_dst ）;
等待键();
返回 0;
}
解释 C++爪哇岛蟒
- 加载图像：
CommandLineParser 解析器（ argc， argv， “{@input |莉娜.jpg |输入图像}” );
Mat src = imread（ samples：：findFile（ parser.get<String>（ “@input” ) ) );
如果（ src.empty（） ）
{
cout << “无法打开或找到图像！”<<结束;
cout << “Usage： ” << argv[0] << “ ” << endl;
返回 -1;
}
- **仿射变换：**正如我们在上面几行中解释的那样，我们需要两组 3 点来推导仿射变换关系。看一看：
Point2f srcTri[3];
srcTri[0] = 点2f（ 0.f， 0.f ）;
srcTri[1] = Point2f（ src.cols - 1.f， 0.f ）;
srcTri[2] = Point2f（ 0.f， src.rows - 1.f ）;
Point2f dstTri[3];
dstTri[0] = Point2f（ 0.f， src.rows*0.33f ）;
dstTri[1] = Point2f（ src.cols0.85f， src.rows0.25f ）;
dstTri[2] = Point2f（ src.cols0.15f， src.rows0.7f ）;
您可能想画出这些点，以便更好地了解它们如何变化。它们的位置与示例图中描述的位置大致相同（在理论部分）。您可能会注意到，由 3 个点定义的三角形的大小和方向发生了变化。
- 有了这两组点，我们使用 OpenCV 函数 cv：：getAffineTransform 计算仿射变换：
Mat warp_mat = getAffineTransform（ srcTri， dstTri ）;
我们得到一个 2 \times 3 矩阵作为输出（在本例中为 warp_mat2×3)
- 然后，我们将刚刚找到的仿射变换应用于 src 图像
Mat warp_dst = Mat：：zeros（ src.rows， src.cols， src.type（） ）;
warpAffine（ src， warp_dst， warp_mat， warp_dst.size（） ）;
使用以下参数：
- src：输入图像
- warp_dst：输出图像
- warp_mat：仿射变换
- warp_dst.size（）：输出图像的所需大小
我们刚刚得到了我们的第一个转换图像！我们将一比特地显示它。在此之前，我们还想旋转它…
-
**旋转：**要旋转图像，我们需要知道两件事：
- 图像将相对于其旋转的中心
- 要旋转的角度。在 OpenCV 中，正角度是逆时针方向
- *自选：*比例因子
我们使用以下代码片段定义这些参数：
点中心 = Point（ warp_dst.cols/2， warp_dst.rows/2 ）;
双角 = -50.0;
双刻度 = 0.6;
- 我们使用 OpenCV 函数 cv：：getRotationMatrix2D 生成旋转矩阵，该函数返回一个 2 \times 3 矩阵（在本例中为 rot_mat2×3)
Mat rot_mat = getRotationMatrix2D（ center， angle， scale ）;
- 现在，我们将找到的旋转应用于上一个变换的输出：
垫子warp_rotate_dst;
warpAffine（ warp_dst， warp_rotate_dst， rot_mat， warp_dst.size（） ）;
- 最后，我们在两个窗口中显示结果以及原始图像以进行良好的测量：
imshow（ “源图像”， src ）;
imshow（ “翘曲”， warp_dst ）;
imshow（ “翘曲 + 旋转”， warp_rotate_dst ）;
- 我们只需要等到用户退出程序
等待键();
结果
-
编译完上面的代码后，我们可以给它一个图像的路径作为参数。例如，对于这样的图片：
应用第一个仿射变换后，我们得到：
最后，在应用负旋转（记住负意味着顺时针）和比例因子后，我们得到：
在线教程
-
麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
-
人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
-
EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
-
人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中，你将会学习到让机器人执行一系列动作所需要的基本算法。
-
机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法，包括：概率推算，计划和搜索，本地化，跟踪和控制，全部都是围绕有关机器人设计。
-
机器学习 – 有指导和无指导情况下的基本机器学习算法
-
机器学习中的神经网络 – 智能神经网络上的算法和实践经验
-
斯坦福统计学习
有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
人工智能书籍
- OpenCV（中文版）.(布拉德斯基等)
- OpenCV+3计算机视觉++Python语言实现+第二版
- OpenCV3编程入门 毛星云编著
- 数字图像处理_第三版
- 人工智能:一种现代的方法
- 深度学习面试宝典
- 深度学习之PyTorch物体检测实战
- 吴恩达DeepLearning.ai中文版笔记
- 计算机视觉中的多视图几何
- PyTorch-官方推荐教程-英文版
- 《神经网络与深度学习》(邱锡鹏-20191121)
- …
第一阶段：零基础入门（3-6个月）
新手应首先通过少而精的学习，看到全景图，建立大局观。 通过完成小实验，建立信心，才能避免“从入门到放弃”的尴尬。因此，第一阶段只推荐4本最必要的书（而且这些书到了第二、三阶段也能继续用），入门以后，在后续学习中再“哪里不会补哪里”即可。
第二阶段：基础进阶（3-6个月）
熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。
第三阶段：工作应用
这一阶段你已经不再需要引导，只需要一些推荐书目。如果你从入门时就确认了未来的工作方向，可以在第二阶段就提前阅读相关入门书籍（对应“商业落地五大方向”中的前两本），然后再“哪里不会补哪里”。
有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
扫一扫
207
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
