图片旋转特征点的获取

最新推荐文章于 2024-07-01 23:21:01 发布
最新推荐文章于 2024-07-01 23:21:01 发布
阅读量1.1k 收藏
点赞数
分类专栏： OPENCV 文章标签： opencv

常常需要最图像进行仿射变换，仿射变换后，我们可能需要将原来图像中的特征点坐标进行重新计算，获得原来图像中例如眼睛瞳孔坐标的新的位置，用于在新得到图像中继续利用瞳孔位置坐标。

仿射变换在： http://blog.csdn.net/xiaowei_cqu/article/details/7616044  这位大牛的博客中已经介绍的非常清楚。

关于仿射变换的详细介绍，请见上面链接的博客。

我这里主要介绍如何在已经知道原图像中若干特征点的坐标之后，计算这些特征点进行放射变换之后的坐标，然后做一些补充。

** 在原文中，很多功能函数都是使用的cvXXX，例如 cv2DRotationMatrix( center, degree,1, &M);  这些都是老版本的函数，在opencv2以后，应该尽量的使用全新的函数，所以在我的代码中，都是使用的最新的函数，不再使用 cvMat， 而是全部使用 Mat 类型。 **

1. 特征点对应的新的坐标计算

假设已经有一个原图像中的特征点的坐标 CvPoint point;  那么计算这个point的对应的仿射变换之后在新的图像中的坐标位置，使用的方法如下函数：

// 获取指定像素点放射变换后的新的坐标位置
CvPoint getPointAffinedPos(const CvPoint &src, const CvPoint ¢er, double angle)
{
  CvPoint dst;
  int x = src.x - center.x;
  int y = src.y - center.y;

  dst.x = cvRound(x * cos(angle) + y * sin(angle) + center.x);
  dst.y = cvRound(-x * sin(angle) + y * cos(angle) + center.y);
  return dst;
}

要特别注意的是，在对一个原图像中的像素的坐标进行计算仿射变换之后的坐标的时候，一定要按照仿射变换的基本原理，将原来的坐标减去仿射变换的旋转中心的坐标，这样仿射变换之后得到的坐标再加上仿射变换旋转中心坐标才是原坐标在新的仿射变换之后的图像中的正确坐标。

下面给出计算对应瞳孔坐标旋转之后的坐标位置的示例代码：

// AffineTransformation.cpp : Defines the entry point for the console application.
//

#include "stdafx.h"
#include "stdio.h"
#include "iostream"

#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

// 获取指定像素点放射变换后的新的坐标位置
CvPoint getPointAffinedPos(const CvPoint &src, const CvPoint ¢er, double angle);
Mat ImageRotate(Mat & src, const CvPoint &_center, double angle);
Mat ImageRotate2NewSize(Mat& src, const CvPoint &_center, double angle);

int _tmain(int argc, _TCHAR* argv[])
{
  string image_path = "D:/lena.jpg";
  Mat img = imread(image_path);
  cvtColor(img, img, CV_BGR2GRAY);

  Mat src;
  img.copyTo(src);


  CvPoint Leye;
  Leye.x = 265;
  Leye.y = 265;
  CvPoint Reye;
  Reye.x = 328;
  Reye.y = 265;

  // draw pupil
  src.at<unsigned char>(Leye.y, Leye.x) = 255;
  src.at<unsigned char>(Reye.y, Reye.x) = 255;

  imshow("src", src);

  //
  CvPoint center;
  center.x = img.cols / 2;
  center.y = img.rows / 2;

  double angle = 15L;

  Mat dst = ImageRotate(img, center, angle);

  // 计算原特征点在旋转后图像中的对应的坐标
  CvPoint l2 = getPointAffinedPos(Leye, center, angle * CV_PI / 180);
  CvPoint r2 = getPointAffinedPos(Reye, center, angle * CV_PI / 180);

  // draw pupil
  dst.at<unsigned char>(l2.y, l2.x) = 255;
  dst.at<unsigned char>(r2.y, r2.x) = 255;

  //Mat dst = ImageRotate2NewSize(img, center, angle);
  imshow("dst", dst);


  waitKey(0);
  return 0;
}

Mat ImageRotate(Mat & src, const CvPoint &_center, double angle)
{
  CvPoint2D32f center;
  center.x = float(_center.x);
  center.y = float(_center.y);

  //计算二维旋转的仿射变换矩阵
  Mat M = getRotationMatrix2D(center, angle, 1);

  // rotate
  Mat dst;
  warpAffine(src, dst, M, cvSize(src.cols, src.rows), CV_INTER_LINEAR);
  return dst;
}

// 获取指定像素点放射变换后的新的坐标位置
CvPoint getPointAffinedPos(const CvPoint &src, const CvPoint ¢er, double angle)
{
  CvPoint dst;
  int x = src.x - center.x;
  int y = src.y - center.y;

  dst.x = cvRound(x * cos(angle) + y * sin(angle) + center.x);
  dst.y = cvRound(-x * sin(angle) + y * cos(angle) + center.y);
  return dst;
}

这里，我们先通过手工找到瞳孔坐标，然后计算在图像旋转之后瞳孔的坐标。

运行结果如图：

原图像

旋转之后的图像：


2. 旋转中心对于旋转的影响

然后我们看看仿射变换旋转点的选择对于旋转之后的图像的影响，一般情况下，我们选择图像的中心点作为仿射变换的旋转中心，获得的旋转之后的图像与原图像大小一样。

计算代码： 

int _tmain(int argc, _TCHAR* argv[])
{
  string image_path = "D:/lena.jpg";
  Mat img = imread(image_path);
  cvtColor(img, img, CV_BGR2GRAY);

  Mat src;
  img.copyTo(src);


  CvPoint Leye;
  Leye.x = 265;
  Leye.y = 265;
  CvPoint Reye;
  Reye.x = 328;
  Reye.y = 265;

  // draw pupil
  src.at<unsigned char>(Leye.y, Leye.x) = 255;
  src.at<unsigned char>(Reye.y, Reye.x) = 255;

  imshow("src", src);

  //
  /*CvPoint center;
  center.x = img.cols / 2;
  center.y = img.rows / 2;*/
  CvPoint center;
  center.x = 0;
  center.y = 0;

  double angle = 15L;

  Mat dst = ImageRotate(img, center, angle);

  // 计算原特征点在旋转后图像中的对应的坐标
  CvPoint l2 = getPointAffinedPos(Leye, center, angle * CV_PI / 180);
  CvPoint r2 = getPointAffinedPos(Reye, center, angle * CV_PI / 180);

  // draw pupil
  dst.at<unsigned char>(l2.y, l2.x) = 255;
  dst.at<unsigned char>(r2.y, r2.x) = 255;

  //Mat dst = ImageRotate2NewSize(img, center, angle);
  imshow("dst", dst);


  waitKey(0);
  return 0;
}

这里绕着（0,0）点进行旋转，旋转之后的图像：


绕着左下角旋转：

CvPoint center;
  center.x = 0;
  center.y = img.rows;

旋转之后的图像：


3. 缩放因子对于旋转图像的影响

上面我们的代码都没有添加缩放信息，现在对上面的代码进行稍加修改，添加缩放参数，然后看一下如何计算对应的新的坐标。

#include "stdafx.h"
#include "stdio.h"
#include "iostream"

#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

// 获取指定像素点放射变换后的新的坐标位置
CvPoint getPointAffinedPos(const CvPoint &src, const CvPoint ¢er, double angle, double scale);
Mat ImageRotate(Mat & src, const CvPoint &_center, double angle, double scale);
Mat ImageRotate2NewSize(Mat& src, const CvPoint &_center, double angle, double scale);

int _tmain(int argc, _TCHAR* argv[])
{
  string image_path = "D:/lena.jpg";
  Mat img = imread(image_path);
  cvtColor(img, img, CV_BGR2GRAY);
  double scale = 0.5;

  Mat src;
  img.copyTo(src);


  CvPoint Leye;
  Leye.x = 265;
  Leye.y = 265;
  CvPoint Reye;
  Reye.x = 328;
  Reye.y = 265;

  // draw pupil
  src.at<unsigned char>(Leye.y, Leye.x) = 255;
  src.at<unsigned char>(Reye.y, Reye.x) = 255;

  imshow("src", src);

  //
  CvPoint center;
  center.x = img.cols / 2;
  center.y = img.rows / 2;

  double angle = 15L;

  Mat dst = ImageRotate(img, center, angle, scale);

  // 计算原特征点在旋转后图像中的对应的坐标
  CvPoint l2 = getPointAffinedPos(Leye, center, angle * CV_PI / 180, scale);
  CvPoint r2 = getPointAffinedPos(Reye, center, angle * CV_PI / 180, scale);

  // draw pupil
  dst.at<unsigned char>(l2.y, l2.x) = 255;
  dst.at<unsigned char>(r2.y, r2.x) = 255;

  //Mat dst = ImageRotate2NewSize(img, center, angle);
  imshow("dst", dst);


  waitKey(0);
  return 0;
}

Mat ImageRotate(Mat & src, const CvPoint &_center, double angle, double scale)
{
  CvPoint2D32f center;
  center.x = float(_center.x);
  center.y = float(_center.y);

  //计算二维旋转的仿射变换矩阵
  Mat M = getRotationMatrix2D(center, angle, scale);

  // rotate
  Mat dst;
  warpAffine(src, dst, M, cvSize(src.cols, src.rows), CV_INTER_LINEAR);
  return dst;
}

// 获取指定像素点放射变换后的新的坐标位置
CvPoint getPointAffinedPos(const CvPoint &src, const CvPoint ¢er, double angle, double scale)
{
  CvPoint dst;
  int x = src.x - center.x;
  int y = src.y - center.y;

  dst.x = cvRound(x * cos(angle) * scale  + y * sin(angle) * scale + center.x);
  dst.y = cvRound(-x * sin(angle) * scale + y * cos(angle) * scale + center.y);
  return dst;
}

当缩放尺度为0.5的时候，程序的运行结果如图：


4.  根据旋转与缩放尺度获得与原始图像大小不同的图像大小（新的合适的大小）

上面的计算中，一直都是放射变换之后计算得到的图像和原始图像一样大，但是因为旋转、缩放之后图像可能会变大或者变小，我们再次对上面的代码进行修改，这样在获得仿射变换之后的图像前，需要重新计算生成的图像的大小。

计算方法：

double angle2 = angle * CV_PI / 180;
  int width = src.cols;
  int height = src.rows;

  double alpha = cos(angle2) * scale; 
  double beta = sin(angle2) * scale;

  int new_width = (int)(width * fabs(alpha) + height * fabs(beta));
  int new_height = (int)(width * fabs(beta) + height * fabs(alpha));

另外，因为我们的图像旋转是按照原图像的中心，所以当获取到图像的仿射变换矩阵之后，我们需要根据新生成的图像的大小，给仿射变换矩阵添加平移信息。

或者可以这么说，我们新计算得到的图像的大小，让原始图像绕着新的图像大小的中心进行旋转。 

//计算二维旋转的仿射变换矩阵
  Mat M = getRotationMatrix2D(center, angle, scale);

  // 给计算得到的旋转矩阵添加平移

  M.at<double>(0, 2) += (int)((new_width - width )/2);
  M.at<double>(1, 2) += (int)((new_height - height )/2);

然后另外需要注意的是，如果你在原始图像中有一些特征点的坐标，这些特征点的坐标映射到新的图像上的时候，需要在以前的方法的基础上增加平移信息。 
// 获取指定像素点放射变换后的新的坐标位置
CvPoint getPointAffinedPos(Mat & src, Mat & dst, const CvPoint &src_p, const CvPoint ¢er, double angle, double scale)
{
  double alpha = cos(angle) * scale; 
  double beta = sin(angle) * scale;

  int width = src.cols;
  int height = src.rows;

  CvPoint dst_p;
  int x = src_p.x - center.x;
  int y = src_p.y - center.y;

  dst_p.x = cvRound(x * alpha  + y * beta + center.x);
  dst_p.y = cvRound(-x * beta + y * alpha + center.y);

  int new_width = dst.cols;
  int new_height = dst.rows;

  int movx = (int)((new_width - width)/2);
  int movy = (int)((new_height - height)/2);

  dst_p.x += movx;
  dst_p.y += movy;

  return dst_p;
}

我们仿射变换函数代码：

Mat ImageRotate2NewSize(Mat& src, const CvPoint &_center, double angle, double scale)
{
  double angle2 = angle * CV_PI / 180;
  int width = src.cols;
  int height = src.rows;

  double alpha = cos(angle2) * scale; 
  double beta = sin(angle2) * scale;

  int new_width = (int)(width * fabs(alpha) + height * fabs(beta));
  int new_height = (int)(width * fabs(beta) + height * fabs(alpha));

  CvPoint2D32f center;
  center.x = float(width / 2);
  center.y = float(height / 2);
  //计算二维旋转的仿射变换矩阵
  Mat M = getRotationMatrix2D(center, angle, scale);

  // 给计算得到的旋转矩阵添加平移

  M.at<double>(0, 2) += (int)((new_width - width )/2);
  M.at<double>(1, 2) += (int)((new_height - height )/2);

  // rotate
  Mat dst;
  warpAffine(src, dst, M, cvSize(new_width, new_height), CV_INTER_LINEAR);
  return dst;
}

主函数： 
int _tmain(int argc, _TCHAR* argv[])
{
  string image_path = "D:/lena.jpg";
  Mat img = imread(image_path);
  cvtColor(img, img, CV_BGR2GRAY);
  double scale = 0.5;

  Mat src;
  img.copyTo(src);

  CvPoint Leye;
  Leye.x = 265;
  Leye.y = 265;
  CvPoint Reye;
  Reye.x = 328;
  Reye.y = 265;

  // draw pupil
  src.at<unsigned char>(Leye.y, Leye.x) = 255;
  src.at<unsigned char>(Reye.y, Reye.x) = 255;

  imshow("src", src);

  //
  CvPoint center;
  center.x = img.cols / 2;
  center.y = img.rows / 2;

  double angle = 15L;

  //Mat dst = ImageRotate(img, center, angle, scale);
  Mat dst = ImageRotate2NewSize(img, center, angle, scale);

  // 计算原特征点在旋转后图像中的对应的坐标
  CvPoint l2 = getPointAffinedPos(src, dst, Leye, center, angle * CV_PI / 180, scale);
  CvPoint r2 = getPointAffinedPos(src, dst, Reye, center, angle * CV_PI / 180, scale);

  // draw pupil
  dst.at<unsigned char>(l2.y, l2.x) = 255;
  dst.at<unsigned char>(r2.y, r2.x) = 255;


  imshow("dst", dst);


  waitKey(0);
  return 0;
}

仿射变换结果以及瞳孔重新坐标计算结果：

ruyiweicas
关注
专栏目录
在OpenCV里实现仿射变换—坐标变换
大坡3D软件开发
08-29 1703
在现实的图像操作软件中，经常碰到的不是给出放大多少倍，而是由用户在软件的界面上选择多大的区域，或者选择几个点，那么这样情况下，怎么样来计算出变换矩阵呢？从前面知道变换矩阵是2X3的矩阵，说明有六个未知数，又有中学的代数知识知道要解决六个未知数，那么方程组至少要联立三条方程，要准备三条方程的先决条件，就是要有三组坐标。因此，只要在用户选择的区域里找到三个不同点的坐标，就可以计算出变换矩阵。如果给出三...
opencv双目视觉标定，激光结构光提取，指定特征点获取世界坐标
slzx5511的博客
01-05 5243
双目视觉标定，激光结构光提取，指定特征点获取世界坐标标定方面校正结构光提取二维点转换为三维点总结 这学期在做双目视觉方面的事情，因为没人带，自己一个人踩了很多坑，因此在这写一点自己的总结心得。 标定方面 首先标定主要就是为了确定左右相机的内参和两个相机之间的旋转跟平移矩阵，这些参数都是后面需要用到的，而网上关于标定的文章太多了，本人试过opencv的标定，也试过matlab的标定方法，最后感觉还是...
opencv 图像仿射变换 计算仿射变换后对应特征点的新坐标 图像旋转、缩放、平移
热门推荐
Work Hard, Play Harder!
08-23 1万+
opencv 图像仿射变换 计算仿射变换后对应特征点的新坐标 图像旋转、缩放、平移 根据三点进行仿射变换
opencv 图像仿射变换 计算仿射变换后对应特征点的新坐标 图像旋转、缩放、平移...
weixin_34354173的博客
01-08 1863
常常需要最图像进行仿射变换，仿射变换后，我们可能需要将原来图像中的特征点坐标进行重新计算，获得原来图像中例如眼睛瞳孔坐标的新的位置，用于在新得到图像中继续利用瞳孔位置坐标。 仿射变换在：http://blog.csdn.net/xiaowei_cqu/article/details/7616044 这位大牛的博客中已经介绍的非常清楚。 关于仿射变换的详细介绍，请见上面链接的博客。 我这...
OOCL东方海外不定位置旋转验证码识别代码
最新发布
Dxy1239310216的博客
07-01 1980
最终训练得到的模型需要两张图片输入，才能完成旋转角度识别。分别是外部矩形大图、内部旋转圆形小图，如下所示。第二大难点就是旋转角度的识别。所以我们采集了大量样例图片进行训练，如下图所示。这款验证码的识别最大难度在于，旋转的位置不固定，需要识别旋转图片的位置。下面是识别角度的python代码，最终正确率还是很高，大概98%左右。
opencv 根据仿射变换矩阵计算新坐标点
weixin_43917589的博客
08-23 2260
# 计算经过仿射变换新的boxes # boxes表示原始坐标点，target_point表示经过仿射变换后新的坐标点 pts = np.float32(boxes).reshape([-1, 2]) # 要映射的点 pts = np.hstack([pts, np.ones([len(pts), 1])]).T target_point = np.dot(RotateMatrix, pts) # 映射后的坐标 //src_point表示原图的坐标点，resu...
OpenCV中二维点求取进行仿射和透视变换之后的坐标点方法
huangli19870217的专栏
09-14 6871
我使用的是OpenCV 2.2版本。得到了一个透视矩阵，想把屏幕上的一个二维点经过这个透视矩阵进行变换，本身很简单的一个事情，却颇费了一番周折。原因是刚接触OpenCV，而且使用了OpenCV新添加的C++部分的矩阵类Mat，使用起来还真有点不顺手，因为OpenCV中没有向量的说法。一个矩阵变换一个向量就让我找了半天。 最终得以解决，还是使用了CvMat类而不是Mat类。代码如下：
python实现图片切割，获取图片像素点 pngtools.zip
02-25
Pillow库不仅支持多种图像格式，如PNG、JPEG、BMP等，还提供了丰富的图像操作功能，包括图片的打开、保存、裁剪、旋转以及获取像素点等。 1. **图片切割**：图片切割是将一张大图分割成若干小块的过程。在Pillow中...
利用opencv库对图片旋转量进行估计
05-13
这些算法可以帮助我们找到图像中稳定的特征点，从而推断出图像的旋转情况。 例如，使用Harris角点检测： ```python gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) dst = cv2.cornerHarris(gray_img, block...
center:获取图片的中心点-matlab开发
05-29
标题"center:获取图片的中心点-matlab开发"所提及的正是这一功能。`center`函数是自定义的一个MATLAB脚本，它能够计算并返回图像的中心坐标。在描述中，我们看到`I1=imread('彩色图像')`这行代码，这是MATLAB用于...
siftDemoV4.rar_SIFT特征检测_图片匹配_图片特征
09-24
2. **图片匹配**：在获取了两幅图像的SIFT特征描述符后，可以进行特征匹配。常见的匹配方法有： - **最近邻距离比(Nearest Neighbor Distance Ratio, NNR)**：选取一个描述符的最近邻和次近邻，如果它们之间的距离...
Opencv图像处理---仿射变换
LYKymy的博客
10-19 1594
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： 旋转（线性变换） 转换（矢量加法） 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： 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...
OpenCV学习笔记（十五）：图像仿射变换：warpAffine(),getRotationMatrix2D()
Leon_Chen的博客
09-12 1253
OpenCV学习笔记（十五）：图像仿射变换：warpAffine(),getRotationMatrix2D() 一个任意的仿射变换都能表示为乘以一个矩阵(线性变换)接着再加上一个向量(平移)的形式。 仿射变换（Affine Transformation或 Affine Map），是指在几何中**一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间的过程。**它保持了二维图形的==“平...
[OpenCvSHarp]小练习，计算仿射变换后的坐标
tfarcraw的博客
10-26 1353
先用红点标出旋转中心的位置，用绿点标出转换前的位置 变换之后，红圈圈出新的坐标 改变旋转中心，角度，放大系数： 结果： 源码： public void Run() { Mat mat = new Mat(800, 800, MatType.CV_8UC3); //网络线 for (int i = 0; i <= 10; i++) { ...
仿射变换利用M对特征点对应坐标点计算
tumi678的博客
03-10 282
【代码】仿射变换利用M对特征点对应坐标点计算。
【opencv】仿射变换
lyl771857509的博客
01-17 3355
图像几何变换之仿射变换 1:定义：仿射变换的功能是从二维坐标到二维坐标之间的线性变换，且保持二维图形的“平直性”和“平行性”（直线之间的相对位置关系保持不变，平行线经仿射变换后依然为平行线，且直线上点的位置顺序不会发生变化）。非共线的三对对应点确定一个唯一的仿射变换。。仿射变换可以通过一系列的原子变换的复合来实现，包括平移，缩放，翻转，旋转和剪切。 这类变换可以用一个3*3的矩阵M来表
openCV 仿射变换 warpAffine
u014191607的博客
05-05 295
今天遇到一个问题是关于仿射变换的，但是由于没有将仿射变换的具体原理型明白，看别人的代码看的很费解，最后终于在师兄的帮助下将原理弄明白了，我觉得最重要的是理解仿射变换可以看成是几种简单变换的复合实现， 具体实现形式即将几种简单变换的变换矩阵M相乘，这样就很容易理解啦 定义：仿射变换的功能是从二维坐标到二维坐标之间的线性变换，且保持二维图形的“平直性”和“平行性”。仿射变换可以通过一系列的原...
SIFT特征点在双目视觉中的目标定位与标定点计算
SIFT特征点是一个关键概念，它是一种用于计算机视觉的局部特征描述符，具有尺度不变性、旋转不变性和光照不变性，使得它在处理图像匹配时非常有效。在目标检测部分，首先通过获取目标物体的模板图片，并使用SIFT算法...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值