仿射变换与图像重映射

关于仿射变换与图像重映射

仿射变换

简单概念：

仿射变换包括平移、旋转、放缩、剪切、反射

• 变换前是直线的，变换后依然是直线
• 直线比例保持不变

其他：

平移（translation）和旋转（rotation）两者的组合称之为欧式变换（Euclidean transformation）或刚体变换（rigid transformation）；

放缩（scaling）可进一步分为uniform scaling和non-uniform scaling，前者每个坐标轴放缩系数相同（各向同性），后者不同；如果放缩系数为负，则会叠加上反射（reflection）——reflection可以看成是特殊的scaling；

刚体变换+uniform scaling 称之为，相似变换（similarity transformation），即平移+旋转+各向同性的放缩；

剪切变换（shear mapping）将所有点沿某一指定方向成比例地平移

矩阵表示：

没有平移或者平移量为0的所有仿射变换可以用如下变换矩阵描述

（排除了平移变换的所有仿射变换为线性变换（linear transformation））：

为了涵盖平移，引入齐次坐标，在原有2维坐标的基础上，增广1个维度，如下所示：

总结：

• 所有变换矩阵只需关注一点：坐标系的变化，即基向量和原点的变化；
• 坐标系变化到哪里，坐标系中的所有点也跟着做同样的变化；
• 坐标系的变换分为 基向量的变化 以及 坐标原点的变化，在仿射变换矩阵中， 和为新的基向量，为新的坐标原点，先变化基向量，再变化坐标原点。

 

图像重映射

简单概念：

不修改像素，把每个像素的位置重新映射到新的位置。

重映射是通过修改像素的位置，生成一个新版本 的图像。为了构建新图像，需要知道目标图像中每个像素的原始位置，因此需要映射函数根据像素的原始位置得到图像的新位置。

而将新图像映射回原始图像，被称为反向映射。

注意：

在OpenCV中，用两个映射参数来说明反向映射：一个针对x坐标，一个针对y坐标。都可以用浮点类型的cv::Mat实例来表示。

由于两个映射参数包含的值是浮点数，目标图像中的像素可以映射回一个非整数的值（即处在两个像素之间的位置）。由此，映射参数可以随意定义。

如果在真实像素之间插入虚拟像素的值，可以采用不同的方法实现像素插值。

应用：

创建图像特效，修正因镜片原因导致的图像扭曲

参考书籍：

《OpenCV 图像处理编程攻略》

参考链接：

https://www.cnblogs.com/shine-lee/p/10950963.html

https://www.zhihu.com/question/20666664