本文介绍了图像处理中的几何变换，包括缩放、平移和旋转。详细讲解了最近邻插值和双线性插值算法，并提供了Python中OpenCV的实现。此外，还探讨了在进行旋转和平移时的坐标变换和映射方法。
简介
在图像处理中，几何变换包括平移变换、旋转变换以及缩放变换。这些几何变换并不改变图象的象素值，只是在图象平面上进行象素的重新排列。
图像的缩放变换需要插值算法来进行处理，常见的插值算法有最近邻插值、双线性插值和三次样条插值等。
在深度学习领域，我们常用平移、旋转、镜像等操作进行数据增广；在传统CV领域，由于某些拍摄角度的问题，我们需要对图像进行矫正处理，而几何变换正是这个处理过程的基础。
缩放变换
最近邻插值算法原理
最近邻插值，是指将目标图像中的点，对应到源图像中后，找到最相邻的整数点，作为插值后的输出。
比如，下图所示，目标图像中的某点投影到原图像中的位置为点P,此时易知， f ( P ) = f ( Q 11 ) f(P) = f(Q11) f(P)=f(Q11)。
再比如，将一幅3X3的图像放大到4X4，用 f ( x , y ) f(x, y) f(x,y)表示目标图像， h ( x , y ) h(x, y) h(x,y)表示原图像，我们有如下公式：
f ( d s t X , d s t Y ) = h ( d s t X s r c W i d t h d s t W i d t h , d s t Y s r c H e i g h t d s t H e i g h t ) \begin{array}{c} f(dst_{X}, dst_{Y}) = h(\frac{dst_{X}src_{Width}} {dst_{Width}}, \frac{dst_{Y}src_{Height}} {dst_{Height}}) \end{array} f(dstX,dstY)=h(dstWidthdstXsrcWidth,dstH
最低0.47元/天 解锁文章
4033
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
