图像变换与平面坐标系的关系

最新推荐文章于 2023-08-10 11:57:53 发布

半九拾

最新推荐文章于 2023-08-10 11:57:53 发布

阅读量847

点赞数

分类专栏： DEEPLEARNING 机器学习

原文链接：https://zhuanlan.zhihu.com/p/74597564

版权

机器学习同时被 2 个专栏收录

16 篇文章 16 订阅

订阅专栏

DEEPLEARNING

11 篇文章 1 订阅

订阅专栏

转载自:

[1] http://blog.csdn.net/tangyongkang

[2]https://zhuanlan.zhihu.com/p/74597564

坐标旋转变换公式（围绕原点）

如图，在二维坐标上，有一点 p(x, y) , 直线的长度为r, 直线和轴的正向的夹角为。直线围绕原点做逆时针方向度的旋转，到达 {p}'(s,t) 。

那么有：

s = r cos(a + b) = r cos(a)cos(b) - r sin(a)sin(b) (1.1)
t = r sin(a + b) = r sin(a)cos(b) + r cos(a) sin(b) (1.2)

其中 x = r cos(a) , y = r sin(a)
代入(1.1), (1.2) ,
$\\s = x cos(b) - y sin(b) \\ t = x sin(b) + y cos(b)$

用行列式表达如下：

${\color{Blue} \begin{bmatrix} s \\t \end{bmatrix} = \begin{bmatrix} cos\theta & -sin \theta\\ sin\theta &cos\theta \end{bmatrix}\begin{bmatrix} x \\y \end{bmatrix} }$

综上：

将图形围绕原点 (0,0) 逆时针方向旋转 $\theta$ 角，用解析式表示为：

$\\x' =x \cdot \text{cos}\theta-y\cdot\text{sin}\theta \\ y' =x \cdot \text{sin}\theta+y\cdot\text{cos}\theta \\$

写成矩阵乘法形式：

$\begin{pmatrix} x' \\ y' \\ \end{pmatrix} = \begin{bmatrix} \text{cos}\theta & -\text{sin}\theta \\ \text{sin}\theta & \text{cos}\theta \\ \end{bmatrix} \begin{pmatrix} x \\ y \\ \end{pmatrix}= R \begin{pmatrix} x \\ y\\ \end{pmatrix} \\$

preview

平移

$\\x'=x+t_x\\ y'=y+t_y\\$

写成矩阵乘法形式：

$\begin{pmatrix} x' \\ y' \\ \end{pmatrix} =\begin{pmatrix} x \\ y\\ \end{pmatrix} +\begin{bmatrix}t_x\\t_y\end{bmatrix}\\$

preview

但是现在遇到困难了，平移无法写成和上面旋转一样的矩阵乘法形式。

所以引入齐次坐标 $(x,y)\Leftrightarrow(x,y,1)$ ，再写成矩阵形式：

$\begin{pmatrix} x' \\ y' \\ 1 \\ \end{pmatrix} = \begin{bmatrix} 1 & 0 & t_x\\ 0 & 1 & t_y\\ 0 & 0 & 1 \\ \end{bmatrix} \begin{pmatrix} x \\ y \\ 1 \\ \end{pmatrix}=\begin{bmatrix} I_{2\times2} & T_{2\times1} \\ 0^T &1 \\ \end{bmatrix} \begin{pmatrix} x \\ y\\ 1 \\ \end{pmatrix} \\$

其中,

$I_{2\times2}=\begin{bmatrix} 1 &0\\0&1\end{bmatrix}$ 表示单位矩阵，而 $T_{2\times1} =\begin{bmatrix}t_x\\t_y\end{bmatrix}$ 表示平移向量。

那么就可以把把旋转和平移统一写在一个矩阵乘法公式中，即刚体变换：

$\begin{pmatrix} x' \\ y' \\ 1 \\ \end{pmatrix} = \begin{bmatrix} \text{cos}\theta & -\text{sin}\theta & t_x\\ \text{sin}\theta & \text{cos}\theta & t_y\\ 0 & 0 & 1 \\ \end{bmatrix} \begin{pmatrix} x \\ y \\ 1 \\ \end{pmatrix}=\begin{bmatrix} R_{2\times2} & T_{2\times1} \\ 0^T &1 \\ \end{bmatrix} \begin{pmatrix} x \\ y\\ 1 \\ \end{pmatrix} \\$

而旋转矩阵 $R_{2\times2}=\begin{bmatrix} \cos\theta &-\sin\theta\\ \sin\theta & \cos\theta \end{bmatrix}$ 是正交矩阵 $(RR^T=R^TR=\begin{bmatrix} 1 &0\\0 & 1 \end{bmatrix})$ .

刚体变换：旋转+平移（正方形-正方形）

仿射变换

$\begin{pmatrix} x' \\ y' \\ 1 \\ \end{pmatrix} =\begin{bmatrix} A_{2\times2} & T_{2\times1}\\ 0^T &1 \\ \end{bmatrix} \begin{pmatrix} x \\ y \\ 1 \\ \end{pmatrix} \\$

其中 $A_{2\times2}=\begin{bmatrix} a_{11} & a_{12}\\ a_{21} & a_{22} \end{bmatrix}$ 可以是任意2x2矩阵（与一定是正交矩阵不同）。

可以看到，相比刚体变换（旋转和平移），仿射变换除了改变目标位置，还改变目标的形状，但是会保持物体的“平直性”。

不同和矩阵对应的各种基本仿射变换：

preview

投影变换（单应性变换）

$\begin{pmatrix} x' \\ y' \\ 1 \\ \end{pmatrix} =\begin{bmatrix} A_{2\times 2} & T_{2\times1} \\ V^T &s \\ \end{bmatrix} \begin{pmatrix} x \\ y \\ 1 \\ \end{pmatrix} =H_{3\times3}\begin{pmatrix} x \\ y \\ 1 \\ \end{pmatrix}\\$

preview

简单说，投影变换彻底改变目标的形状。

总结一下：

刚体变换：平移+旋转，只改变物体位置，不改变物体形状
仿射变换：改变物体位置和形状，但是保持“平直性”
投影变换：彻底改变物体位置和形状

我们来看看完整投影变换矩阵各个参数的物理含义：

$H_{3\times 3}=\begin{bmatrix} A_{2\times 2} & T_{2\times1} \\ V^T &s \\ \end{bmatrix}=\begin{bmatrix} a_{11} & a_{12} & t_x \\ a_{21} & a_{22} & t_y \\ v_1 & v_2 &s \\ \end{bmatrix} \\$

$A_{2\times2}$ 代表仿射变换参数， $T_{2\times1}$ 代表平移变换参数。 V^T=[v_1,v_2] 表示一种“变换后边缘交点“关系，如：

preview

至于则是一个与 V^T=[v_1,v_2] 相关的缩放因子。

$\begin{bmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ v_1 & v_2 & s \end{bmatrix} \begin{pmatrix} x \\ y \\ 1 \\ \end{pmatrix} = \begin{pmatrix} x \\ y \\ v_1x+v_2y+s \\ \end{pmatrix}\Leftrightarrow \begin{pmatrix} \frac{x}{v_1x+v_2y+s } \\ \frac{y}{v_1x+v_2y+s }\end{pmatrix} \\$

一般情况下都会通过归一化使得 S = 1

平面坐标系与齐次坐标系

问题来了，齐次坐标到底是什么？

齐次坐标系 $(x,y,w)\in \mathbb{P}^3$ 与常见的三维空间坐标系 $(x,y,z)\in\mathbb{R}^3$ 不同，只有两个自由度：

$\begin{pmatrix} \frac{x}{w}\\ \frac{y}{w}\\ \end{pmatrix}\Leftrightarrow\begin{pmatrix} x\\ y\\ w\\ \end{pmatrix}\\$

而（其中 w > 0 ）对应坐标和的缩放尺度。当 w = 1 时：

$\begin{pmatrix} x\\ y\\ \end{pmatrix}\Leftrightarrow\begin{pmatrix} x\\ y\\ 1\\ \end{pmatrix}\\$

特别的当 w = 0 时，对应无穷远：

$\begin{pmatrix} \text{Inf}\\ \text{Inf}\\ \end{pmatrix}\Leftrightarrow\begin{pmatrix} x\\ y\\ 0\\ \end{pmatrix}\\$

三单应性变换

单应性是什么？

此处不经证明的给出：同一个 [无镜头畸变] 的相机从不同位置拍摄 [同一平面物体] 的图像之间存在单应性，可以用 [投影变换] 表示。

preview

半九拾

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
1
评论
图像变换与平面坐标系的关系

转载自:[1]http://blog.csdn.net/tangyongkang[2]https://zhuanlan.zhihu.com/p/74597564坐标旋转变换公式（围绕原点）如图，在二维坐标上，有一点, 直线的长度为r, 直线和轴的正向的夹角为。直线围绕原点做逆时针方向度的旋转，到达。那么有： (1.1) (1.2)其中代入(1.1), (1.2) ,用行列式表达如下：综上：将图形围绕原点逆时针方...
复制链接

扫一扫