warpAffine一种典型的应用场景是将camera拍到的图像中人脸抠出来,通过变换输出一张正脸,然后再做一些人脸识别,关键点检测之类的运算。所以通常是输入尺寸固定,输出尺寸也固定,变的是转换矩阵。
最近邻的优势是计算量小,速度较快,问题是放大的情况下锯齿较明显,对于通常是缩小的应用场景最近邻是比较合适的,如果希望在所有的场景下有相对更好的效果,可以考虑双线性。
算法要点
warpAffine和resize其实比较类似,都是从源图像映射到目标图像,只不过resize只是单纯的缩放,而warpAffine还另外涉及到旋转,平移,映射关系更复杂一点。总体流程上还是大同小异,都是依次扫描目标图像,对于目标图像的每个点,都找到原始图像的对应点,然后拷贝像素即可。为了描述这种对应关系,resize只是单纯的乘以一个缩放系数,x和y是相互独立的,而warpAffine需要一个变换矩阵,目标图像的x和y对于原始图像的xy都有影响。
A0X + B0Y + C0 = X0
A1X + B1Y + C1 = Y0
(X,Y)是目标图像的坐标,(X0,Y0)是原始图像的坐标,可见对于X0 ,目标图像的XY都会参与计算。
对于最近邻,这里算出来的(X0,Y0)如果不是整数,则向下取整。
由于是对目标图像逐行扫描,在y一定的情况下,x不断变化,因此上述矩阵运算中可以将与Y无关的部分单独抽出来,每一行都可以复用。
先给出原始的C实现,再来讨论怎么优化,以下代码只处理8UC4