Opencv图像处理---仿射变换

理论

• 任何变换都可以以矩阵乘法（线性变换）的形式表示，然后是矢量加法（平移）。
• 从上面，我们可以使用仿射变换来表达：

1. 旋转（线性变换）
2. 转换（矢量加法）
3. 比例运算（线性变换）

• 表示仿射变换的常用方法是使用2×3矩阵。

如何得到仿射变换？

• 我们提到仿射变换基本上是两个图像之间的关系。 关于这种关系的信息大致可以通过两种方式得出：

1. 我们知道X和T，我们也知道它们是相关的。 然后我们的工作是找到M.
2. 我们知道M和X.要获得T，我们只需要应用T =M⋅X。 我们对M的信息可以是明确的（即具有2乘3矩阵），或者它可以作为点之间的几何关系。

• 让我们解释一下（b）。 由于M涉及02图像，我们可以分析两个图像中三个点相关的最简单的情况。 请看下图：
• 点1,2和3（在图像1中形成三角形）被映射到图像2中，仍然形成三角形，但现在它们已经变得众所周知。 如果我们找到具有这3个点的仿射变换（您可以根据需要选择它们），那么我们可以将这个找到的关系应用于图像中的整个像素。

代码

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
using namespace cv;
using namespace std;
const char* source_window = "Source image";
const char* warp_window = "Warp";
const char* warp_rotate_window = "Warp + Rotate";
int main( int, char** argv )
{
  Point2f srcTri[3];
  Point2f dstTri[3];
  Mat rot_mat( 2, 3, CV_32FC1 );
  Mat warp_mat( 2, 3, CV_32FC1 );
  Mat src, warp_dst, warp_rotate_dst;
  src = imread( argv[1], 1 );
  warp_dst = Mat::zeros( src.rows, src.cols, src.type() );
  srcTri[0] = Point2f( 0,0 );
  srcTri[1] = Point2f( src.cols - 1.f, 0 );
  srcTri[2] = Point2f( 0, src.rows - 1.f );
  dstTri[0] = Point2f( src.cols*0.0f, src.rows*0.33f );
  dstTri[1] = Point2f( src.cols*0.85f, src.rows*0.25f );
  dstTri[2] = Point2f( src.cols*0.15f, src.rows*0.7f );
  warp_mat = getAffineTransform( srcTri, dstTri );
  warpAffine( src, warp_dst, warp_mat, warp_dst.size() );
  Point center = Point( warp_dst.cols/2, warp_dst.rows/2 );
  double angle = -50.0;
  double scale = 0.6;
  rot_mat = getRotationMatrix2D( center, angle, scale );
  warpAffine( warp_dst, warp_rotate_dst, rot_mat, warp_dst.size() );
  namedWindow( source_window, WINDOW_AUTOSIZE );
  imshow( source_window, src );
  namedWindow( warp_window, WINDOW_AUTOSIZE );
  imshow( warp_window, warp_dst );
  namedWindow( warp_rotate_window, WINDOW_AUTOSIZE );
  imshow( warp_rotate_window, warp_rotate_dst );
  waitKey(0);
  return 0;
}

 

解释

• 声明我们将使用的一些变量，例如用于存储结果的矩阵和用于存储定义我们的仿射变换的2D点的2个点阵列。
• 加载图片
• 将目标图像初始化为与源具有相同的大小和类型：
• 仿射变换：正如我们在上面解释的那样，我们需要两组3个点来推导仿射变换关系。 看一看：
• 使用两组点，我们使用OpenCV函数cv :: getAffineTransform计算仿射变换：
• 我们将刚刚找到的仿射变换应用于src图像

（1）src：输入图像

（2）warp_dst：输出图像

（3）warp_mat：仿射变换

（4）warp_dst.size（）：输出图像的所需大小

• 旋转：要旋转图像，我们需要知道两件事：

1. 图像将旋转的中心
2. 要旋转的角度。 在OpenCV中，正角度是逆时针的
3. 可选：比例因子

• 我们使用OpenCV函数cv :: getRotationMatrix2D生成旋转矩阵，它返回一个2×3矩阵.
• 我们现在将找到的旋转应用于我们之前的Transformation的输出。
• 最后，我们将结果显示在两个窗口加上原始图像中以获得良好的衡量标准：
• 我们只需要等到用户退出程序

效果

• 在编译上面的代码之后，我们可以给它一个图像的路径作为参数。 例如，对于像这样的图片：
• 在应用第一个仿射变换后，我们获得：
• 最后，在应用负旋转（记住负方向顺时针）和比例因子后，我们得到：