from http://www.voidcn.com/blog/hjimce/article/p-4320423.html
一、背景意义
写这篇博文是应为目前为止我看到了好多领域里的经典paper算法都有涉及到移动最小二乘(MLS)。可见这个算法非常重要,先来看一下它的相关经典应用:
1、图像变形。在图像处理领域paper:《Image Deformation Using Moving Least Squares》利用移动最小二乘的原理实现了图像的相关变形,而且这篇paper的引用率非常高,可以说是图像变形算法的经典算法,Siggraph上面的paper。
利用移动最小二乘实现图像变形
2、点云滤波。利用MLS实现点云滤波,是三维图像学点云处理领域的一大应用,我所知道点云滤波经典算法包括:双边滤波、MLS、WLOP。
3、Mesh Deformation。用这个算法实现三角网格模型的变形应用也是非常不错的,相关的paper《3D Deformation Using Moving Least Squares》
OK,接着我就以《Image Deformation Using Moving Least Squares》算法为例,进行讲解基于移动最小二乘的图像变形算法实现。
二、算法实现
在这里我没有打算将算法原理的推导过程,直接讲算法的实现步骤公式。
这篇paper根据变换矩阵的不同,可以分为三种变形方法,分别是仿射变换、相似变换、刚性变换。其中刚性变换的效果是最好的,我这边从简单的讲,只讲仿射变换的变形算法实现:
问题:原图像的各个控制顶点坐标p,原图像上的像素点v的坐标。变形后图像的控制顶点位置q,求v在变形后图像中对应位置f(v)。
总计算公式为:
上面中lv(x)和f(v)是同一个函数。因为x就是我们输入的原图像的像素点坐标v。
因此我们的目标就是要知道p*,q*,变换矩阵M。这样输入一个参数x,我们就可以计算出它在变换后图像中的位置了。
OK,只要我们知道上面公式中,各个参数的计算方法,我们就可以计算出变形后图像对应的坐标点f(v)了。
1、权重w的计算方法为:
也就是计算v到控制顶点pi的距离倒数作为权重,参数a一般取值为1。
这一步实现代码如下:
2、q*,p*的计算公式如下:
![](http://img.voidcn.com/vcimg/000/003/113/624_2f0_df9.jpg)
也就是计算控制顶点pi和qi的加权求和重心位置。
3、仿射变换矩阵M的计算公式如下:
只要把相关的参数都带进去就可以计算了。
最后贴一些完整的MLS源代码:
调用方法示例:
图像变形算法,有正向映射和逆向映射,如果按照每个像素点,都通过上面的计算方法求取其对应变换后的像素点位置,那么其实计算量是非常大的,因为一幅图像的像素点,实在是太多了,如果每个像素点,都用上面的函数遍历过一遍,那计算量可想而知。
因此一般的变形算法是对待图像进行三角剖分:
然后只根据只对三角网格模型的顶点,根据变形算法,计算出三角网格模型每个顶点的新位置,最后再用三角形仿射变换的方法,计算三角形内每个像素点的值,得到变形后的图像,这样不仅速度快,同事解决了正向映射与逆向映射变形算法存在的不足之处,具体图像变形的正向和逆向映射存在的缺陷,可以自己查看相关的文献。
另外两种相似变换和刚性变换,可以自己查看M矩阵的计算公式,编写实现相关代码。
本文地址:http://blog.csdn.net/hjimce/article/details/46550001 作者:hjimce 联系qq:1393852684 更多资源请关注我的博客:http://blog.csdn.net/hjimce 原创文章,版权所有,转载请保留本行信息。
参考文献:
1、《Image Deformation Using Moving Least Squares》